Klasifikasi Penerima Rumah Bantuan Pada Pemerintah Kota Lhokseumawe Dengan Algoritma Decision Tree

Renold Herwinsyah, Ridha Zuhri, Chairul Ansar, Khairunnisa Atami

Sari


Kota Lhokseumawe berada di antara Banda Aceh dan Medan, kota ini merupakan jalur vital distribusi dan perdagangan di Aceh. Pada tahun 2023, jumlah penduduk kota Lhokseumawe sebanyak 203.284 jiwa. Jumlah penduduk tersebut terdiri dari 101.290 jiwa laki-laki dan 101.994 jiwa perempuan. Jumlah penduduk terbesar terdapat di Kecamatan Banda Sakti sedangkan jumlah penduduk terkecil terdapat di Kecamatan Blang Mangat. Konsentrasi jumlah penduduk di Kecamatan Banda Sakti ini dikarenakan kecamatan ini merupakan pusat Kota Lhokseumawe dengan berbagai kegiatan utama yaitu pemerintahan, perdagangan, pendidikan dan kesehatan. Dengan jumlah penduduk yang begitu banyak maka akan semakin banayak juga keluarga pra sejatera yang tidak memiliki rumah yang layak huni. Untuk membantu mengatasi permasalahan pendataan pemilik rumah tidak layak huni, pemerintah memberikan program rumah bantuanya, program yang diberikan oleh pemerintah pusat melalui Kementrian Pekerjaan Umum dan Perumahan Rakyat untuk memberikan rumah layak huni kepada Masayarakat Berpenghasilan Rendah. Program rumah bantuan tersebut diberikan dengan kuota terbatas, sedangkan jumlah masyarakat yang membutuhkan lebih besar sehingga harus dilakukan proses seleksi. Proses seleksi penerima rumah bantuan sering salah sasaran, terdapat penerima yang berakibat terjadi ketidak adilan dalam masyarakat. Untuk mengatasi permasalahan tersebut dibangun sebuah sistem untuk mengklasifikasikan penerima rumah bantuan dengan menggunakan metode decision tree untuk menghasilkan keputusan yang lebih optimal dan dapat membantu pemerintah koata Lhokseumawe dalam mengklasifikan masyarakat penerima rumah bantuan. Penelitian ini membangun sistem klasifikasi penerima rumah bantuan menggunakan metode decision tree.


Teks Lengkap:

PDF

Referensi


Badan Pusat Statistik, 2023, Jumlah Penduduk (jiwa) Tahun 2021-2023, https://lhokseumawekota.bps.go.id/ indicator/12/29/1/jumlah-penduduk.html

Abbas, I. (2020). Evaluasi Kebijakan Pembangunan Rumah Layak Huni Bagi Masyarakat Miskin Di Kota Samarinda Provinsi Kalimantan Timur. Jurnal Paradigma, 4(2), 80–91. http://e-journals.unmul.ac.id /index.php /JParadigma/article/view/409/369

Hendrian, S. (2018). Algoritma Klasifikasi Data Mining Untuk Memprediksi Siswa Dalam Memperoleh Bantuan Dana Pendidikan. Faktor Exacta, 11(3), 266–274. https://doi.org/ 10.30998/ faktorexacta.v11i3.2777

Kusnawi. 2017. Pengantar Solusi Data Mining. SeminarNasionalTeknologi 2007 (SNT). Yogyakarta: STMIK AMIKOM Yogyakarta

Vijay Kotu and Bala Deshpande, Ph.D. Predictive Analytics and Data Mining: Concepts and Practice with RapidMiner. Elsevier. 2015.

Basuki, Ahmad dan Syarif, Iwan. (2018). Decision Tree. Surabaya : Politeknik Electronika Negeri Surabaya ITS.

Windy, J. and Rika, Y (2014) ALGORITMA C4.5 UNTUK PENILAIAN KINERJA KARYAWAN. Surabaya : Jurnal Teknologi Informasi dan Komunikasi. UPN.

Muttaqin, F. A., & Bachtiar, A. M. (2019). Implementasi Teks Mining Pada Aplikasi Pengawasanpenggunaan Internet Anak “Dodo Kids Browser.†Jurnal Ilmiah Komputer Dan Informatika.

Meilina, P. (2021). Penerapan Data Mining dengan Metode Klasifikasi Menggunakan Decision Tree dan Regresi. Jurnal Teknologi Universitas Muhammadiyah Jakarta, 7(1), 11–20. jurnal.ftumj.ac.id/index.php/jurtek

Mujilahwati, S. (2020). Pre-Processing Text Mining Pada Data Twitter. Seminar Nasional Teknologi Informasi Dan Komunikasi, 2016(Sentika), 2089–9815.

Batubara, F. A. (2012). Perancangan Website Pada Pt . Ratu Enim Palembang. 15–27.

Destiningrum, M., & Adrian, Q. J. (2019). Pengertian Website. Jurnal Teknoinfo, 11(2), 30.

Harminingtyas, R. (2019). Analisis Layanan Website Sebagai Media Promosi, Media Transaksi Dan Media Informasi Dan Pengaruhnya Terhadap Brand Image Perusahaan Pada Hotel Ciputra Di Kota Semarang Rudika. 11(44), 129–141. http://fsct-old.modares.ac.ir /article_10614_30aea192f59914fbe55c62ccc37ee440.pdf

Oktanisa, I., Supianto, A. A., Studi, P., Ilmu, M., Komputer, F. I., Brawijaya, U., Forest, R., Descent, S. G., & Neighbor, K. (2018). Perbandingan Teknik Klasifikasi Dalam Data Mining Untuk Bank A Comparison Of Classification Techniques In Data Mining For. 5(5), 567–576. https://doi.org/10.25126/jtiik20185958

Rosandy, T. (2018). Perbandingan Metode Naive Bayes Classifier Dengan Metode Decision Tree ( C4 . 5 ) Untuk Menganalisa Kelancaran Pembiayaan ( Study Kasus : Kspps / Bmt Al-Fadhila ). 02(01), 52–62.

Peraturan Menteri Pekerjaan Umum Dan Perumahan Rakyat Republik Indonesia Nomor 13 Tahun 2016 Tentang Bantuan Stimulan Perumahan Swadaya

Setiawan, G. W. (2017). Pengujian perangkat lunak menggunakan metode black box studi kasus exelsa universitas sanata dharma.

Selly Artaty Zega. (2014). Penggunaan Pohon Keputusan untuk Klasifikasi Tingkat Kualitas Mahasiswa Berdasarkan Jalur Masuk Kuliah http://p2m.polibatam.ac.id/wp-content/uploads/2014/07/Selly-Artati.pdf. 1907-5022.


Refbacks

  • Saat ini tidak ada refbacks.


##submission.copyrightStatement##

##submission.license.cc.by-sa4.footer##

Creative Commons License

Prosiding Seminar Nasional Politeknik Negeri Lhokseumawe is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License

© 2017 All rights reserved |Seminar nasional Politeknik Negeri Lhokseumawe p-ISSN:2598-3954.

.