SISTEM KELAYAKAN PENERIMA BANTUAN SOSIAL MENGGUNAKAN ALGORITMA CATBOOST CLASSIFIER (STUDI KASUS KABUPATEN LUWU)
Abstract
Penelitian ini membahas pengembangan sistem kelayakan penerima bantuan sosial berbasis situs web dengan menerapkan algoritma CatBoost Classifier pada studi kasus Kabupaten Luwu. Dataset awal yang digunakan berjumlah 1.670 data calon penerima bantuan sosial. Permasalahan utama penelitian adalah proses seleksi penerima bantuan yang masih berpotensi mengalami ketidaktepatan sasaran karena melibatkan banyak variabel sosial ekonomi. Penelitian ini bertujuan membangun sistem yang mampu mengelola data masyarakat dan memberikan klasifikasi status Layak atau Tidak Layak. Variabel yang digunakan meliputi usia, pekerjaan, penghasilan per bulan, jumlah tanggungan, kondisi rumah, aset, dan status kelayakan sebagai label. Tahapan penelitian meliputi pengumpulan data, prapengolahan, pembagian data, pelatihan model CatBoost, implementasi sistem, serta pengujian Black Box. Hasil evaluasi menunjukkan akurasi 93,71% pada data uji dengan precision kelas Layak sebesar 0,94, recall kelas Layak sebesar 0,92, precision kelas Tidak Layak sebesar 0,94, dan recall kelas Tidak Layak sebesar 0,95. Sistem yang dibangun mampu membantu proses pendataan dan rekomendasi kelayakan bantuan sosial secara lebih terstruktur.
References
S. Nuraeni, Harliana, and T. P., “Analisis Akurasi Naïve Bayes dan KNN dalam Penentuan Penerima PKH di Lombok Utara,” Journal of Information System Management, vol. 5, no. 2, p. 6, 2024.
D. Septasari and R. Z. A. Aziz, “Perbandingan Metode Artificial Neural Network (ANN) dan Classification and Regression Tree (CART) dalam Menentukan Penerima Bantuan Program Keluarga Harapan (PKH),” Jurnal Algoritma, vol. 21, no. 2, pp. 437-448, 2024, doi: 10.33364/algoritma/v.21-2.1794.
E. R. Susanto et al., “Rancang Bangun Rekomendasi Penerima Bantuan Sosial Berdasarkan Data Kesejahteraan Rakyat,” Jurnal Tekno Kompak, vol. 15, no. 1, pp. 1-12, 2022.
R. Nugraha and D. Gustian, “Sistem Pendukung Keputusan Penerimaan Bantuan Sosial dengan Metode Fuzzy Analytical Hierarchy Process,” Jurnal SISFOKOM, vol. 11, pp. 87-92, 2022.
I. N. Trisna and A. H. Azhar, “Sistem Pendukung Keputusan Berbasis Web untuk Penerimaan Bantuan Langsung Tunai Menggunakan Metode Multi Attribute Utility Theory (MAUT) di Desa Selemak,” Jurnal Teknik Informatika dan Teknologi Informasi, vol. 5, Nov. 2025.
H. N. F. Fikrillah et al., “Klasifikasi Penerima Bansos Menggunakan Algoritma Naive Bayes,” Jurnal Teknik Informatika dan Sistem Informasi, vol. 10, no. 1, pp. 683-695, 2023.
W. Fhaldian and A. Fahmi, “Explainable Machine Learning for Poverty Prediction in Central Java Regencies and Cities,” vol. 9, no. 4, pp. 2080-2097, 2025.
B. E. Susanto et al., “Penerapan Algoritma Decision Tree (C4.5) dalam Menentukan Kelayakan Penerima Bantuan Sosial,” JUKTISI, vol. 4, no. 93, pp. 1955-1961, 2026.
S. H. Sukma et al., “Model Prediksi Penerima Bantuan Sosial Berbasis Algoritma Random Forest,” Jurnal Software Engineering and Information System, vol. 6, no. 1, pp. 45-49, 2026.
O. Pahlevi et al., “Model Klasifikasi Risiko Stunting pada Balita Menggunakan Algoritma CatBoost Classifier,” Bulletin of Computer Science Research, vol. 6, no. 4, pp. 414-421, 2024, doi: 10.47065/bulletincsr. v 4i6.373.
I. M. P. Y. Ardana et al., “Rancang Bangun Website Pencatatan Penerima Bantuan di Desa Keramas,” Jurnal Teknik Informatika dan Sistem Informasi, vol. 12, no. 3, pp. 211-219, 2025.
R. Abadi et al., “Sistem Pendukung Keputusan Penerima Bantuan Sosial Menggunakan Metode K-Means Clustering,” vol. 4, pp. 142-150, 2025.
I. L. V. B. Sembiring et al., “Sistem Pendukung Keputusan Penerima Bantuan Sosial pada Desa Dalan Naman dengan Metode SAW,” Jurnal Informatika Press, vol. 2, no. 1, pp. 1-7, 2025.
Y. P. Hiola et al., “Evaluation of Tree-Based Models for Predicting Social Assistance Recipient Status Based on National Socio-Economic Survey (SUSENAS) 2024,” Journal of Mathematics, Computations, and Statistics, vol. 9, no. 1, pp. 15-38, 2026.
R. Wirdayanti et al., “Performance Comparison of Fuzzy C-Means and Decision Tree Algorithms for Analyzing Social Assistance Recipient Eligibility,” Journal of Applied Informatics and Computing, vol. 10, no. 2, pp. 1486-1494, 2026.
