Klasifikasi Penerima Program Keluarga Harapan Menggunakan Metode Naive Bayes dan C4.5

Penerimaan bantuan PKH di Kecamatan Rawamerta tidak selalu berjalan dengan baik, sehingga terdapat orang yang tidak berhak menerima bantuan. Hal ini disebabkan karena masih belum tersedia sistem yang mampu memudahkan proses klasifikasi penerima bantuan PKH. Penerapan data mining dapat mempermudah klasifikasi dengan kecepatan dan akurasi yang tinggi. Adapun tujuan penelitian ini untuk mengklasifikasikan penerima bantuan PKH menggunakan metode Naïve Bayes dan C4.5 untuk menentukan kelayakan PKH bagi masyarakat yang menghadapi masalah kesejahteraan sosial. Data yang digunakan berupa data PKH di Kecamatan Rawamerta Kabupaten Karawang pada tahun 2023 yang berjumlah 1834 data. Hasil akurasi naive bayes sebesar 98.89%, presisi 98.25%, recall 98.51%, F1-score 98.89%, dan AUC 1.00 termasuk ke dalam excellent classification karena berada pada rentang 0.90-1.00, sedangkan algoritma C4.5 menghasilkan nilai Accuracy sebesar 99.26%, Precision 99.25%, Recall 99.25%, F1-score 99.25% dan AUC 0.99 termasuk ke dalam excellent classification karena berada pada rentang 0,90-1.00. Algoritma C4.5 lebih unggul dibandingkan Naive Bayes, karena akurasi yang dihasilkan lebih tinggi.
Kata Kunci: C4.5; Confusion Matrix; Klasifikasi; Naive Bayes; Kurva ROC