Analysis of Machine Learning Utilization in Identifying Social Assistance Recipients in Aceh Province

Authors

  • Rajul HAKIM Universitas Islam Negeri Ar-raniry Banda Aceh
  • Muhammad ADNAN Universitas Islam Negeri Ar-raniry Banda Aceh
  • Winny Dian SAFITRI Universitas Islam Negeri Ar-raniry Banda Aceh

DOI:

https://doi.org/10.38142/jtep.v5i4.1530

Keywords:

Machine Learning, Social Assistance, Prosperous Family Card

Abstract

Kemiskinan masih menjadi masalah yang terus berlanjut di Indonesia, khususnya di Provinsi Aceh, meskipun berbagai intervensi seperti Program Keluarga Harapan (PKH) dan penggunaan Kartu Keluarga Sejahtera (KKS) telah dilaksanakan. Penelitian ini bertujuan untuk mengklasifikasikan penerima bantuan sosial yang lebih akurat, dalam rangka mengurangi tingkat kemiskinan di Provinsi Aceh. Penelitian ini menggunakan data sekunder dari Survei Sosial Ekonomi Nasional (SUSENAS) 2023 dengan jumlah observasi rumah tangga sebanyak 13.316 rumah tangga dan melibatkan 28 variabel independen. Hasil penelitian menunjukkan bahwa algoritma Classification Tree mampu mengklasifikasikan rumah tangga dengan tingkat akurasi sebesar 80%. Variabel yang paling berpengaruh dalam memprediksi penerima KKS antara lain pendidikan kepala rumah tangga, luas lantai, jumlah anggota rumah tangga, sumber air minum, dan status pekerjaan. Temuan ini mengindikasikan bahwa pendekatan berbasis data dapat meningkatkan ketepatan sasaran program bantuan sosial dan mendukung upaya pengentasan kemiskinan secara lebih efektif.

References

Agwil, W., Agustina, D., Fransiska, H., & Hidayati, N. (2022). Klasifikasi Karakteristik Kemiskinan Di Provinsi BengkuluTahun 2020 Menggunakan Metode Pohon Klasifikasi Gabungan. Jurnal Aplikasi Statistika & Komputasi Statistik, 14, 23–32. https://doi.org/10.34123/jurnalasks.v14i2.348

Aribowo, A., Kuswandhie, R., & Primadasa, Y. (2021). Penerapan dan Implementasi Algoritma CART Dalam Penentuan Kelayakan Penerima Bantuan PKH Di Desa Ngadirejo. CogITo Smart Journal, 7(1), 40–51. https://doi.org/10.31154/cogito.v7i1.293.40-51

Badan Pusat Statistik. (2024). Profil Kemiskinan Penduduk di Provinsi Aceh, Maret 2024. 4, 1–12.

Hasyim, Y. Al, Hamid, A., & Hardana, A. (2023). PROFJES: Profetik Jurnal Ekonomi Syariah. PROFJES: Profetik Jurnal Ekonomi Syariah, 2(2).

Kementerian Keuangan RI. (2023). Kemiskinan Makro dan Kemiskinan Mikro (p. 1). Kementerian Keuangan RI. https://djpb.kemenkeu.go.id/kppn/lubuksikaping/id/data-publikasi/artikel/3155-kemiskinan-makro-dan-kemiskinan-mikro.html

Kustanto, D. N. (2015). Dampak Akses Air Minum Dan Sanitasi Terhadap Peningkatan Kesejahteraan. Jurnal Sosek Pekerjaan Umum, 7(3), 173–179.

Larose, D. T., & Larose, C. D. (2014). Discovering Knowledge in Data. Discovering Knowledge in Data. https://doi.org/10.1002/9781118874059

Nur, A., Rohim, A., Purnamasari, A. I., & Ali, I. (2024). Komparasi Efektifitas Algoritma C4.5 Dan Naïve Bayes Untuk Menentukan Kelayakan Penerima Manfaat Program Keluarga Harapan (Studi Kasus: Kecamatan Cicalengka Kabupaten Bandung). Jurnal Mahasiswa Teknik Informatika, 8(2), 2355–2362. https://doi.org/10.36040/jati.v8i2.8345

Nuzula, L., Prahutama, A., & Hakim, A. R. (2020). Klasifikasi Status Kemiskinan Rumah Tangga Dengan Metode Support Vector Machines (SVM) dan Classification and Regression Trees (CART) Menggunakan GUI R (Studi Kasus di Kabupaten Wonosobo Tahun 2018). Jurnal Gaussian, 9(4), 525–534. https://doi.org/10.14710/j.gauss.v9i4.29449

Otok, B. W., & Sumarni. (2009). Bagging Cart pada Klasifikasi Anak Putus Sekolah. Seminar Nasional Statistika IX, November, XVI-1-XVI–9.

Sarker, I. H. (2021). Machine Learning: Algorithms, Real-World Applications and Research Directions. SN Computer Science, 2(3), 1–21. https://doi.org/10.1007/s42979-021-00592-x

Wulandari, K., & Yeniwati, Y. (2023). Analisis Kondisi Sosial Ekonomi Terhadap Penerima Bantuan Kartu Keluarga Sejahtera (KKS) Di Sumatera Barat. Ecosains: Jurnal Ilmiah Ekonomi Dan Pembangunan, 12(1), 77. https://doi.org/10.24036/ecosains.12291357.00

Yohannes, Y., & Hoddinott, J. (1999). Classification and regression trees: An Introduction. Technical Report, International Food Policy Research Institute.

Downloads

Published

2025-10-13