Abstract:
Salah satu upaya pemerintah untuk meningkatkan kesejahteraan masyarakat, terutama bagi keluarga
kurang mampu, adalah program bantuan sosial. Namun, karena proses seleksi masih bersifat
subjektif, seringkali sasaran penerima bantuan tidak tepat saat dilaksanakan. Tujuan penelitian ini
adalah untuk menggunakan algoritma K-Nearest Neighbor (K-NN) dan Naive Bayes dalam sistem
pendukung keputusan untuk menentukan pemilihan penerima bantuan sosial berdasarkan data
masyarakat. Algoritma K-NN menghitung jarak kedekatan antara data baru dan data sebelumnya
menggunakan metode Euclidean Distance, sedangkan algoritma Naive Bayes menggunakan
pendekatan probabilistik yang bergantung pada peluang munculnya atribut pada setiap kelas.
Beberapa kriteria digunakan, termasuk pendapatan, pekerjaan, jumlah tanggungan, kondisi rumah,
dan status kepemilikan aset. Hasil pengujian menunjukkan bahwa kedua algoritma dapat dengan
tepat mengklasifikasikan kelayakan penerima bantuan sosial, tetapi algoritma K-NN sedikit lebih
baik daripada Naive Bayes dalam hal ini. Oleh karena itu, penggunaan kedua algoritma ini dapat
membantu pihak terkait membuat keputusan yang objektif dan efisien untuk menentukan penerima
bantuan sosial yang tepat sasaran.
