Perbandingan Algoritma K-Nearest Neighbour dan C4.5 Decision Tree Untuk Klasifikasi Penerima Bantuan Program Keluarga Harapan

Abstract

Program Keluarga Harapan (PKH) merupakan bantuan sosial bersyarat yang ditujukan bagi keluarga dengan kondisi ekonomi rentan. Tantangan utama dalam implementasinya adalah memastikan ketepatan sasaran penerima bantuan. Penelitian ini bertujuan membandingkan kinerja algoritma K-Nearest Neighbor (KNN) dan C4.5 dalam mengklasifikasikan kelayakan penerima PKH. Data penelitian diambil dari Dinas Sosial Kabupaten Wakatobi tahun 2023, kemudian melalui tahap praproses, pembagian data menggunakan K-Fold Cross Validation (K=7), serta pelatihan dan pengujian model dengan perangkat lunak RapidMiner. Evaluasi dilakukan berdasarkan akurasi, presisi, dan recall. Hasil analisis menunjukkan bahwa algoritma C4.5 memberikan kinerja lebih baik dengan akurasi 96,22%, presisi “YES” 95,71%, dan recall “YES” 94,89%. Sebaliknya, KNN memperoleh akurasi 81,44%, presisi “YES” 69,66%, dan recall “YES” 95,74%. Temuan ini menunjukkan bahwa C4.5 lebih efektif dan konsisten dalam mengklasifikasikan penerima bantuan dibandingkan KNN. Model pohon keputusan yang dihasilkan juga memberikan kejelasan logis terhadap faktor-faktor penentu kelayakan. Penelitian ini berpotensi dikembangkan melalui integrasi model ke dalam sistem berbasis web atau aplikasi untuk meningkatkan efisiensi proses seleksi penerima bantuan.