KLASIFIKASI KELAYAKAN SISWA PENERIMA PIP MENGGUNAKAN ALGORITMA NAIVE BAYES SMP NEGERI 1 LEMAHABANG

Abstract

Program Indonesia Pintar (PIP) merupakan bantuan pemerintah yang bertujuan membantu siswa dari keluarga kurang mampu agar dapat melanjutkan pendidikan, namun dalam pelaksanaannya masih ditemukan ketidaktepatan sasaran akibat proses seleksi yang dilakukan secara manual. Berdasarkan hasil observasi di SMP Negeri 1 Lemahabang, penentuan kelayakan penerima PIP masih bergantung pada data administrasi dan wawancara tanpa analisis berbasis data, sehingga menimbulkan ketidaksesuaian antara kondisi ekonomi orang tua dengan status penerimaan bantuan. Akar permasalahan tersebut adalah belum optimalnya pemanfaatan data sosial ekonomi siswa sebagai dasar pengambilan keputusan. Oleh karena itu, penelitian ini menerapkan metode data mining menggunakan algoritma Naïve Bayes untuk mengklasifikasikan kelayakan siswa penerima PIP. Data yang digunakan sebanyak 454 data siswa yang kemudian diproses melalui tahapan Knowledge Discovery in Databases (KDD), meliputi seleksi data, pembersihan data, transformasi data, data mining, dan evaluasi, dengan bantuan aplikasi RapidMiner. Tujuan penelitian ini adalah untuk memprediksi kelayakan penerima PIP secara objektif serta mengetahui tingkat akurasi algoritma Naïve Bayes. Hasil penelitian menunjukkan bahwa algoritma Naïve Bayes menghasilkan nilai akurasi sebesar 61,06%, nilai recall sebesar 68,25% untuk kelas layak dan 52,00% untuk kelas tidak layak, serta nilai AUC sebesar 0,633 yang termasuk dalam kategori poor classification. Hasil tersebut menunjukkan bahwa algoritma Naïve Bayes dapat digunakan sebagai alat bantu pendukung keputusan dalam menentukan kelayakan penerima PIP, meskipun masih perlu pengembangan lebih lanjut untuk meningkatkan kinerjanya.