Perbandingan Algoritma Naïve Bayes dan K-Nearest Neighbor dalam Menentukan Kriteria Masyarakat Miskin

Abstract

Mewabahnya Virus Covid-19 memberikan dampak yang sangat besar dibidang ekonomi. Melemahnya ekonomi masyarakat menjadi permasalahan serius yang sangat perlu segera diatasi. Dalam upaya pemulihan ekonomi, pemerintah mengeluarkan kebijakan-kebijakan untuk pengentasan ekonomi antara lain penyaluran BLT. Akan tetapi kebijakan tersebut justru menimbulkan masalah baru yaitu penyaluran yang tidak tepat sasaran. Hal ini menibulkan gejolak dimasyarakat. Penelitian ini bertujuan untuk mengklasifikasikan data sesuai dengan kriteria dan memperoleh hasil terbaik dua metode yang akan digunakan. Penlitian ini menggunakan dua algoritma Naïve Bayes dan K-Nearest Neighbor dengan data yang diperoleh dari Data terpadu kesejahteraan Sosial (DTKS) dengan dua variabel yaitu mampu dan miskin.

Hasil klasifikasi dengan dua algoritma Naïve Bayes dan K-Nearset Neighbor diperoleh hasil masing-masing 72.64% dan 95.40% dengan nilai AUC 0.836 dan 0.877. Berdasarkan nilai AUC yang diperoleh kedua algoritma tingkat akurasi termasuk good classification. Algoritma K-Nearset Neighbir lebih baik dalam klasifikasi masyarakat miskin dibandingkan algoritma Naïve Bayes dengan akurasi 95.40% dan nilai AUC 0.877.