MACHINE LEARNING SISTEM KLASIFIKASI PENERIMA BANTUAN LANGSUNG TUNAI (BLT) DENGAN ALGORITMA NAIVEE BAYES (STUDI KASUS: DESA KAMPIRI, KEC. CITTA, KAB. SOPPENG)

Abstract

Pemerintah Indonesia memiliki kewajiban untuk membangun kesejahteraan sosial sesuai dengan Pasal 28H ayat (3) UUD 1945. Salah satu upaya pelaksanaan kewajiban ini adalah program Bantuan Langsung Tunai (BLT), yang memberikan uang tunai kepada keluarga miskin. Program ini didukung oleh peraturan yang mewajibkan desa menyelenggarakan BLT dengan alokasi minimal 40% dari dana desa. Tujuan BLT adalah membantu masyarakat miskin memenuhi kebutuhan dasar dan mempercepat pemulihan ekonomi nasional. Namun, proses pendataan calon penerima BLT memakan waktu lama dan berpotensi subjektif. Untuk mengatasi masalah ini, penelitian ini menggunakan pendekatan kuantitatif dan algoritma Naive Bayes untuk mengembangkan sistem klasifikasi penerima BLT di Desa Kampiri, Kab. Soppeng. Hasil penelitian menunjukkan akurasi sebesar 88.89% dengan precision, recall, dan F1-Score masing-masing sekitar 89%. Penelitian ini diharapkan dapat meminimalisir kesalahan dalam penyaluran BLT dan meningkatkan efektivitas dan efisiensi program bantuan sosial di tingkat desa. Sistem klasifikasi berbasis machine learning dengan algoritma Naive Bayes akan membantu Pemerintah Desa Kampiri dalam menentukan calon penerima BLT secara lebih akurat dan efisien, menjadikan bantuan tepat sasaran, dan memperkuat upaya penanggulangan kemiskinan.