Perancangan Sistem Prediksi Bantuan PKH di Dinsos Cirebon Menggunakan Naive Bayes

Dennis Cesar Alhafidz; Muhammad Hatta; Mesi Febima

doi:10.31004/riggs.v4i3.2526

Authors

Dennis Cesar Alhafidz Universitas Catur Insan Cendekia
Muhammad Hatta Universitas Catur Insan Cendekia
Mesi Febima Universitas Catur Insan Cendekia

DOI:

https://doi.org/10.31004/riggs.v4i3.2526

Keywords:

Dinas Sosial Kota Cirebon, Laplace Smoothing, Naïve Bayes, PKH, Prediksi

Abstract

Program Keluarga Harapan (PKH) adalah wujud bantuan sosial dari pemerintah yang bertujuan untuk memperbaiki kualitas hidup masyarakat yang miskin dan rentan. Namun, dalam praktiknya sering kali muncul masalah seperti ketidaksesuaian sasaran penerima bantuan. Maka dari itu, diperlukan suatu sistem prediksi yang dapat mendukung Dinas Sosial Kota Cirebon dalam mengevaluasi kelayakan calon penerima bantuan dengan cara yang lebih objektif dan tepat. Penelitian ini bertujuan merancang sistem prediksi penerima bantuan PKH dengan menggunakan metode Naïve Bayes untuk klasifikasi data, serta menggabungkannya dengan teknik Laplace Smoothing untuk mengatasi probabilitas nol pada data kategori yang jarang muncul. Data yang digunakan berasal dari keluarga di Kota Cirebon dengan berbagai atribut, antara lain pekerjaan, jumlah anak, ibu hamil, dan disabilitas lansia. Temuan dari penelitian adalah sistem yang dikembangkan dapat memprediksi kelayakan penerima bantuan PKH dengan tingkat akurasi yang sayang sangat baik. Sistem ini diharapkan mampu berfungsi sebagai alat bantu dalam pengambilan keputusan untuk Dinas Sosial dalam menyalurkan bantuan dengan lebih tepat dan adil.

Downloads

Download data is not yet available.

References

Agustiya, K., Wulandary, D., Nufus, N. F. B., & Hasanah, H. (2024). Kontribusi Dinas Sosial dalam Upaya Pengentasan Kemiskinan di Kabupaten Jember. Jurnal Pengabdian Mandiri, 3(2), 193–200. https://bajangjournal.com/index.php/JPM/article/view/7478

Alfu Zukhrufu Firdausu. (2021). Penyaluran Bantuan Dana Jaminan Sosial bagi Masyarakat yang Terdampak Covid-19. Open Science, 1, 1–7.

Ariansyah, D., Sagita, M., & Julia, R. A. (2025). Analisis Faktor Penyebab Ketidakmerataan Penyaluran Bansos kepada Masyarakat Miskin. Jurnal Pnelitian Ilmu-Ilmu Sosial, 2(May), 1–10. https://doi.org/10.5281/zenodo.15482268

Aziz, M. S. (2025). PERAN PENDAMPING SOSIAL PADA PROGRAM KELUARGA HARAPAN (PKH) DI DESA CILEUNGSI KIDUL KABUPATEN BOGOR [UIN SYARIF HIDAYATULLAH JAKARTA]. https://repository.uinjkt.ac.id/dspace/handle/123456789/84960

Azlil Huriah, D., & Dienwati Nuris, N. (2023). Klasifikasi Penerima Bantuan Sosial Umkm Menggunakan Algoritma Naïve Bayes. JATI (Jurnal Mahasiswa Teknik Informatika), 7(1), 360–365. https://doi.org/10.36040/jati.v7i1.6300

BPS. (2024). Persentase Penduduk Miskin September 2024. https://www.bps.go.id/id/pressrelease/2025/01/15/2401/persentase-penduduk-miskin-september-2024-turun-menjadi-8-57-persen-.html

Hardiyansyah, R., & Amin, M. (2025). Implementasi Kebijakan Penanggulangan Kemiskinan Di Kabupaten Cirebon. Journal Education and Government Wiyata, 3(1), 149–161. https://doi.org/10.71128/e-gov.v3i1.208

Jabar, T. (2025). Angka Kemiskinan Kota Cirebon Turun, Tapi Ancaman Masih Mengintai di Pinggiran dan Daerah Pesisir. 23 Juni 2025. https://jabar.tribunnews.com/2025/06/23/angka-kemiskinan-kota-cirebon-turun-tapi-ancaman-masih-mengintai-di-pinggiran-dan-daerah-pesisir

Kurniawan, H., Apriliah, W., Kurnia, I., & Firmansyah, D. (2021). Penerapan Metode Waterfall Dalam Perancangan Sistem Informasi Penggajian Pada Smk Bina Karya Karawang. Jurnal Interkom: Jurnal Publikasi Ilmiah Bidang Teknologi Informasi Dan Komunikasi, 14(4), 13–23. https://doi.org/10.35969/interkom.v14i4.78

Natasya Aditiya, & Pratomo Setiaji. (2025). Analisis Sentimen Kepuasan Masyarakat terhadap Aplikasi “INFO BMKG”menggunakan Naive Bayes, SVM, dan KNN. 14(3), 2540–9719. http://sistemasi.ftik.unisi.ac.id

PERMENSOS NOMOR 1 TAHUN 2018 (2025). https://peraturan.bpk.go.id/Home/Download/120868/PERMENSOS NOMOR 1 TAHUN 2018.pdf

Pratiwi, S. A., Noorsyarifa, G. C., & Apsari, N. C. (2022). Upaya Penanggulangan Kemiskinan Ekonomi di Indonesia Melalui Perspektif Pekerja Sosial. Focus : Jurnal Pekerjaan Sosial, 5(1), 72. https://doi.org/10.24198/focus.v5i1.39965

Qamaruzzaman, M. H., & Sam’ani. (2023). Penerapan Model Air Terjun pada Perancangan Panduan Wisata Kalimantan Tengah dengan Berbasis Android. Jurnal Informatika, 2(1), 17–21. https://doi.org/10.57094/ji.v2i1.824

Rayuwati, Husna Gemasih, & Irma Nizar. (2022). IMPLEMENTASI AlGORITMA NAIVE BAYES UNTUK MEMPREDIKSI TINGKAT PENYEBARAN COVID. Jural Riset Rumpun Ilmu Teknik, 1(1), 38–46. https://doi.org/10.55606/jurritek.v1i1.127

Sari, R. M., Tasril, V., Wahyuni, S., & Putri, S. E. (2024). Desain Aplikasi Naïve Bayes Untuk Memprediksi Kelulusan Siswa. Prosiding Seminar Nasional Teknologi Inovasi Dan Kolaborasi Disiplin Ilmu, 1(1), 1–6. https://journal.fkpt.org/index.php/sinekad

Sitompul, A. M., Suhada, & Saifulah. (2021). Teknik Data Mining Dalam Prediksi Jumlah Siswa Baru Dengan Algoritma Naive Bayes. KESATRIA: Jurnal Penerapan Sistem Informasi (Komputer & Manajemen), 2(2), 108–117.