Implementasi Metode Support Vector Machine (SVM) Pada Klasifikasi Status Penerima Bantuan Pangan Non Tunai

Abstract

Dalam Peraturan Menteri Sosial No 1 Tahun 2019, bantuan sosial merupakan bantuan berupa uang, barang, atau jasa kepada seseorang, keluarga, kelompok, atau masyarakat miskin yang tidak mampu atau rentan terhadap resiko sosial. Dalam interventasi masalah kemiskinan maka dibangun sebuah inovasi yaitu program Bantuan Pangan Non Tunai (BPNT). Masalah penerima bantuan pangan non tunai kadang kala tidak tepat sasaran karena proses seleksi dan pendataan masih dilakukan secara tradisional. Dalam banyak kasus, proses manual rentan terhadap human error, keterbatasan data, dan bias subjektif. Oleh karena itu penggunaan analisis klasifikasi dapat membantu mengatasi masalah ini. Algoritma Support Vector Machine (SVM) patut dipertimbangkan karena memiliki keakuratan dan efisiensi dalam hal klasifikasi. Penelitian ini bertujuan untuk menggali lebih jauh potensi penggunaan algoritma SVM terkait identifikasi status penerima bantuan sosial. Hasil analisis klasifikasi pada studi kasus status penerima bantuan pangan non tunai dengan metode support vector machine (SVM) menghasilkan performa model yang bervariasi. Pengujian algoritma dilakukan dengan teknik k-fold cross validation melibatkan empat jenis kernel, yaitu kernel linear, kernel polinomial, kernel fungsi basis radial, dan kernel sigmoid. Rata-rata akurasi berturut-turut adalah kernel linier (98,1%), kernel fungsi basis radial (98,1%), kernel sigmoid (95,4%), dan kernel polinomial (88,0%). Dengan demikian algoritma SVM kernel linier dan kernel fungsi radial basis merupakan algoritma dan teknik terbaik untuk mengidentifikasi masyarakat dalam memperoleh bantuan pangan non tunai.