Implementasi Algoritma Random Forest dalam Klasifikasi Kelayakan Masyarakat untuk Mendapatkan Bantuan Sosial (Studi Kasus : Desa Alang Bon-Bon, Kabupaten Asahan)

Abstract

Kelayakan masyarakat untuk mendapatkan bantuan sosial merupakan salah satu masalah yang dialami oleh beberapa negara berkembang, termasuk Indonesia. Dikarenakan banyaknya penduduk, lapangan pekerjaan terbatas, yang mengakibatkan banyak pengangguran. Desa Alang Bon-Bon merupakan salah satu wilayah yang berada di Kecamatan Aek Kuasan yang memiliki jumlah RW (Rukun Warga) sebanyak 11 RW dimana di tiap RW tersebut memliki beberapa RT (Rukun Tetangga) dengan jumlah penduduk kurang lebih 2719 jiwa. Dari data masyarakat kurang mampu tersebut, penerima bantuan sosialsebanyak 207 KK. Dengan adanya masalah tersebut, mengakibatkan adanya ketidak sinkronan penerima bantuan sosial. Masyarakat yang berhak menerima bisa jadi tidak menerima, sedangkan warga yang bukan merupakan masyarakat kurang mampu malah justru menerima bantuan sosial. Klasifikasi adalah proses penemuan model atau fungsi yang menggambarkan dan membedakan kelas data atau konsep yang bertujuan agar bisa digunakan untuk memprediksi kelas dari objek yang label kelasnya tidak diketahui. Salah satu metode klasifikasi yang bisa digunakan adalah Random Forest yang merupakan dapat meningkatkan hasil akurasi, karena dalam membangkitkan simpul anak untuk setiap node dilakukan secara acak. Hasil terbaik yaitu pada prosedur ke3 dengan menggunakan data training 80% dan data testing 20% mendapatkan akurasi sebesar 97%, precision 97%, recall 97%, dan f1-score 97% sehingga mendapatkan performa yang tinggi serta prediksinya yang akurat. People's eligibility for social assistance is one of the problems experienced by several developing countries, including Indonesia. Due to the large population, employment opportunities are limited, which results in a lot of unemployment. Alang Bon-Bon Village is one of the areas in Aek Kuasan Sub-district which has a total of 11 RW (Rukun Warga) where each RW has several RT (Rukun Tetangga) with a population of approximately 2719 people. From the data on the underprivileged community, the recipients of social assistance are 207 families. With this problem, there is a synchronization of social assistance recipients. People who are entitled to receive it may not receive it, while residents who are not poor people actually receive social assistance. Classification is the process of finding models or functions that describe and distinguish classes of data or concepts that aim to be used to predict the class of objects whose class labels are unknown. One of the classification methods that can be used is Random Forest which can improve accuracy results, because in generating child nodes for each node is done randomly. The best results are in the 3rd procedure using 80% training data and 20% testing data to get 97% accuracy, 97% precision, 97% recall, and 97% f1-score so as to get high performance and accurate predictions.