Klasifikasi Kelayakan Penerima Program Indonesia Pintar di SMPN 2 Tangerang Selatan Menggunakan Metode Naïve Bayes
DOI:
https://doi.org/10.32493/joaiia.v7i3.62755Keywords:
Klasifikasi, Naïve Bayes, Program Indonesia Pintar, RapidMiner, WebsiteAbstract
Proses identifikasi calon penerima manfaat Program Indonesia Pintar (PIP) di SMPN 2 Tangerang Selatan masih dilakukan secara manual dan menghadapi keterbatasan akses terhadap Data Terpadu Kesejahteraan Sosial (DTKS) serta kepemilikan Kartu Indonesia Pintar (KIP), yang berpotensi menyebabkan ketidakakuratan dalam penentuan penerima bantuan. Penelitian ini bertujuan untuk menerapkan metode Naïve Bayes dalam mengklasifikasikan kelayakan penerima Program Indonesia Pintar (PIP) serta mengembangkan sistem berbasis web yang memanfaatkan metode Naïve Bayes sebagai alat bantu klasifikasi. Data yang digunakan berasal dari data siswa kelas VII SMPN 2 Tangerang Selatan, yang mencakup atribut seperti penghasilan orang tua, pekerjaan orang tua, jumlah saudara kandung, kepemilikan Kartu Perlindungan Sosial (KPS), dan kepemilikan Kartu Indonesia Pintar (KIP). Model dievaluasi menggunakan RapidMiner dengan 333 sampel data latih dan 83 sampel data uji, menghasilkan akurasi sebesar 85,54%, presisi sebesar 86,49%, recall sebesar 82,05%, dan skor F1 sebesar 84,21%. Hasil pengujian menunjukkan bahwa seluruh fungsi sistem telah dinyatakan valid melalui pengujian black box. Metode klasifikasi berbasis web yang dikembangkan ini memungkinkan sekolah untuk mengidentifikasi calon penerima PIP secara lebih objektif, sistematis, dan efisien selama proses pendaftaran penerima PIP.
References
[1] Badan Pusat Statistik, “Tingkat Kemiskinan Kembali Menurun,” bps.go.id. [Online]. Available: https://www.bps.go.id/id/news/2025/07/25/731/poverty-rate-continues-to-decline.html
[2] I. P. Oktavia and N. L. Anggreini, “IMPLEMENTASI ALGORITMA NAIVE BAYES DENGAN METODE KLASIFIKASI DALAM MENENTUKAN SISWA PENERIMA BANTUAN PROGRAM INDONESIA PINTAR ( STUDI KASUS : SMPN 3 CIHAMPELAS ),” vol. 8, no. 6, pp. 11152–11158, 2024.
[3] V. K. Savitri, H. Setiawan, and Z. R. Mair, “Classification Of Eligibility For Assistance Recipients Program Indonesia Pintar Using The Naïve Bayes Method,” bit-Tech, vol. 8, no. 2, pp. 1571–1582, 2025, doi: 10.32877/bt.v8i2.3002.
[4] F. D. Pratama, I. Zufria, and Triase, “Implementasi Data Mining Menggunakan Algoritma Naïve Bayes untuk Klasifikasi Penerima Program Indonesia Pintar,” vol. 7, no. 1, pp. 77–84, 2022.
[5] A. M. Nur, W. Nursali, Nurhidayati, and I. Fathurrahman, “Penerapan Metode Naïve Bayes Untuk Penentuan Penerima Beasiswa Program Indonesia Pintar,” vol. 7, no. 1, pp. 93–102, 2024.
[6] A. S. Lubis, L. Tanti, and R. Puspasari, “Klasifikasi Kelayakan Penerima Program Indonesia Pintar (PIP) Menggunakan Teknik Data Mining Naive Bayes,” vol. 7, pp. 568–580, 2025, doi: 10.30865/json.v7i2.9160.
[7] J. Han, J. Pei, and H. Tong, Data Mining: Concepts and Techniques. Morgan kaufmann, 2022.
[8] Pusat Layanan Pembiayaan Pendidikan, “Program Indonesia Pintar,” Kementerian Pendidikan Dasar dan Menengah. [Online]. Available: https://pip.kemendikdasmen.go.id/home_v1
[9] Yanuar, “Beberapa Penyebab Siswa Miskin dan Rentan Miskin Gagal Memeroleh PIP,” Pusat Layanan Pembiayaan Pendidikan (Puslapdik) Kementerian Pendidikan Dasar dan Menengah. Accessed: May 30, 2026. [Online]. Available: https://puslapdik.kemendikdasmen.go.id/beberapa-penyebab-siswa-miskin-dan-rentan-miskin-gagal-memeroleh-pip/?
[10] Y. Jatnika, “9,7 Juta Siswa Telah Menerima Bantuan PIP Tahun 2024.” [Online]. Available: https://puslapdik.kemendikdasmen.go.id/97-juta-siswa-telah-menerima-bantuan-pip-tahun-2024/
[11] O. Peretz, M. Koren, and O. Koren, “Engineering Applications of Artificial Intelligence Naive Bayes classifier – An ensemble procedure for recall and precision enrichment,” Eng. Appl. Artif. Intell., vol. 136, no. PB, p. 108972, 2024, doi: 10.1016/j.engappai.2024.108972.
[12] S. C. Pratama and Y. Suprayogi, “Optimalisasi Program Indonesia Pintar (PIP) Dalam Upaya Peningkatan Kesetaraan Pendidikan Di Provinsi Jawa Tengah Sofi,” vol. 10, no. 11, pp. 799–811, 2024.
[13] N. Sharma, R. Boghey, and P. R. Prasad, “A Review on Data Mining Issues, Solution & Techniques,” Int. J. Multidiscip. Res., vol. 6, no. 4, pp. 1–9, 2024, doi: 10.36948/ijfmr.2024.v06i04.26654.
[14] X. Shu and Y. Ye, “Knowledge Discovery: Methods from data mining and machine learning,” Soc. Sci. Res., vol. 110, no. April 2022, p. 102817, 2023, doi: 10.1016/j.ssresearch.2022.102817.
[15] A. Jeyaraj, “Integrating RapidMiner in Business Analytics Education: An Instructional Approach for Skill Development,” Am. J. Educ. Learn., vol. 10, no. 1, pp. 104–116, 2025, doi: 10.55284/ajel.v10i1.1458.
