A Comparative Study of the Performance of KNN, NBC, C4.5, and Random Forest Algorithms in Classifying Beneficiaries of the Kartu Indonesia Sehat Program

Main Article Content

Putri Nabillah
Inggih Permana
M. Afdal
Fitriani Muttakin
Arif Marsal

Abstract

This study evaluates the performance of various algorithms in determining eligible recipients for the Kartu Indonesia Sehat program. The Random Forest algorithm demonstrated the highest accuracy, precision, and recall, with values of 72.08%, 72.41%, and 99.64%, respectively. The emphasis on recall helps minimize errors in identifying eligible recipients. Additionally, the C4.5 algorithm reduced the total number of variables from 33 to 8, highlighting its computational efficiency. The findings provide valuable insights for the Social Affairs Office of Dumai City in making informed decisions regarding KIS eligibility. The results underscore the effectiveness of using algorithmic approaches to enhance the accuracy and efficiency of aid distribution processes.

Article Details

How to Cite
Nabillah, P., Permana, I., Afdal, M., Muttakin, F., & Marsal, A. (2024). A Comparative Study of the Performance of KNN, NBC, C4.5, and Random Forest Algorithms in Classifying Beneficiaries of the Kartu Indonesia Sehat Program. JUSIFO (Jurnal Sistem Informasi), 10(1), 17-26. https://doi.org/10.19109/jusifo.v10i1.21536
Section
Articles

How to Cite

Nabillah, P., Permana, I., Afdal, M., Muttakin, F., & Marsal, A. (2024). A Comparative Study of the Performance of KNN, NBC, C4.5, and Random Forest Algorithms in Classifying Beneficiaries of the Kartu Indonesia Sehat Program. JUSIFO (Jurnal Sistem Informasi), 10(1), 17-26. https://doi.org/10.19109/jusifo.v10i1.21536

References

Adzy, L. B., Asriyanik, A., & Pambudi, A. (2023). Algoritma naïve bayes untuk klasifikasi kelayakan penerima bantuan iuran jaminan kesehatan pemerintah daerah kabupaten sukabumi. Jurnal Mnemonic, 6(1), 1–10.

Andrian, A., Steele, S., Salim, E. S., Bindan, H., Pranoto, E., & Dharma, A. (2020). Analisa metode random forest tree dan k-nearest neighbor dalam mendeteksi kanker serviks. Jurnal Ilmu Komputer Dan Sistem Informasi (JIKOMSI), 3(2), 97–101. https://ejournal.sisfokomtek.org/index.php/jikom/article/view/73

Arifin, N. Y., Suri, G. P., Veza, O., & Setyabudhi, A. L. (2021). Dashboard penentuan penerima kartu indonesia sehat (kis) pada kelurahan binuang kampung dalam dengan metode simple additive weighting. JURSIMA, 9(1), 1–9. https://ojsiibn1.indobarunasional.ac.id/index.php/jursima/article/view/239

Azahari, A., & Nursobah, N. (2021). Rekomendasi penerimaan beasiswa yayasan untuk siswa baru smk ti airlangga dengan algoritma c4.5. Jurnal Media Informatika Budidarma, 5(2), 609–614. https://doi.org/10.30865/MIB.V5I2.2943

Badriah, S., Nugroho, M. F. E., Sanjaya, N., Rismawati, I., Sari, B. N., & Rozikin, C. (2021). Klasifikasi algoritma c4.5 dalam menentukan penerima bantuan covid-19 (studi kasus: desa di karawang). Jurnal Informatika Polinema, 7(3), 23–28. https://doi.org/10.33795/JIP.V7I3.620

Dina, A., Permana, I., Muttakin, F., & Maita, I. (2023). Perbandingan algoritma nbc, knn, dan c4.5 untuk klasifikasi penerima bantuan program keluarga harapan. Jurnal Media Informatika Budidarma, 7(3), 1079–1087. https://ejurnal.stmik-budidarma.ac.id/index.php/mib/article/view/6316

Harianto, H., & Rosiyadi, D. (2020). Komparasi algortima c4.5, naïve bayes dan k-nearest neighbor sebagai sistem pendukung keputusan menaikkan jumlah peserta didik. Jurnal Informatika, 7(1), 55–61. https://ejournal.bsi.ac.id/ejurnal/index.php/ji/article/view/7250

Huriah, D. A., & Nuris, N. D. (2023). Klasifikasi penerima bantuan sosial umkm menggunakan algoritma naïve bayes. JATI (Jurnal Mahasiswa Teknik Informatika), 7(1), 360–365. https://doi.org/10.36040/JATI.V7I1.6300

Iman, Q., & Wijayanto, A. W. (2021). Klasifikasi rumah tangga penerima beras miskin (raskin)/beras sejahtera (rastra) di provinsi jawa barat tahun 2017 dengan metode random forest dan support vector machine. JUSTIN (Jurnal Sistem Dan Teknologi Informasi), 9(2), 178–184. https://doi.org/10.26418/JUSTIN.V9I2.44137

Junaidi, A., Agustiani, S., Agustyaningrum, C. I., & Arifin, Y. T. (2023). Klasifikasi penerima bantuan sosial menggunakan algoritma c4.5. Jurnal Teknik Komputer AMIK BSI, 9(1), 77–82. https://doi.org/10.31294/JTK.V9I1.14378

Kurniawan, Y. I. (2018). Perbandingan algoritma naive bayes dan c.45 dalam klasifikasi data mining. Jurnal Teknologi Informasi Dan Ilmu Komputer, 5(4), 455–464. https://doi.org/10.25126/JTIIK.201854803

Kurniawan, I., Buani, D. C. P., Abdussomad, A., Apriliah, W., & Saputra, R. A. (2023). Implementasi algoritma random forest untuk menentukan penerima bantuan raskin. Jurnal Teknologi Informasi Dan Ilmu Komputer, 10(2), 421–428. https://doi.org/10.25126/JTIIK.20231026225

Lestari, W., Fatoni, F., & Hutrianto, H. (2020). Implementasi data mining untuk kartu indonesia sehat bagi masyarakat kurang mampu menggunakan metode clustering pada dinas sosial kota palembang. Jurnal Nasional Ilmu Komputer, 1(4), 169–174. https://doi.org/10.47747/JURNALNIK.V1I4.163

Maliangga, M., Walewangko, E. N., & Londa, A. T. (2019). Pengaruh kebijakan pemerintah kartu indonesia pintar (kip) dan kartu indonesia sehat (kis) terhadap konsumsi rumah tangga miskin di kecamatan dumoga timur kabupaten bolaang mongondow. Jurnal Berkala Ilmiah Efisiensi, 19(01). https://ejournal.unsrat.ac.id/v3/index.php/jbie/article/view/22311

Nalatissifa, H., Gata, W., Diantika, S., & Nisa, K. (2020). Perbandingan kinerja algoritma klasifikasi naive bayes, support vector machine (svm), dan random forest untuk prediksi ketidakhadiran di tempat kerja. Jurnal Informatika Universitas Pamulang, 5(4), 578–584. https://doi.org/10.32493/INFORMATIKA.V5I4.7575

Nurdin, N., Suhendri, M., Afrilia, Y., & Rizal, R. (2021). Klasifikasi karya ilmiah (tugas akhir) mahasiswa menggunakan metode naive bayes classifier (nbc). SISTEMASI, 10(2), 268.

Pristiawati, A. P., Permana, I., Zarnelly, Z., & Muttakin, F. (2023). Klasifikasi penerima bantuan beras miskin menggunakan algoritma k-nn, nbc dan c4.5. Building of Informatics, Technology and Science (BITS), 5(1), 336−344-336−344. https://doi.org/10.47065/BITS.V5I1.3617

Purwanto, A., & Nugroho, H. W. (2023). Analisa perbandingan kinerja algoritma c4.5 dan algoritma k-nearest neighbors untuk klasifikasi penerima beasiswa. Jurnal Teknoinfo, 17(1), 236–243. https://doi.org/10.33365/JTI.V17I1.2370

Ramdani, A., Sofyan, C. D., Ramdani, F., Tama, M. F. A., & Rachmatsyah, M. A. (2022). Algoritma klasifikasi data mining untuk memprediksi masyarakat dalam menerima bantuan sosial. Jurnal Ilmiah Sistem Informasi, 1(2), 39–47. https://doi.org/10.51903/JUISI.V1I2.363

Rosid, A., Nurdiawan, O., & Dwilestari, G. (2022). Klasifikasi penerima bantuan sosial dengan algoritma random forest untuk penanganan covid 19. JURSIMA, 10(2), 114–120. https://ojsiibn1.indobarunasional.ac.id/index.php/jursima/article/view/398

Ula, M., Zulhusna, R., Fhonna, R. P., & Pratama, A. (2022). Penerapan model klasifikasi k-nearest neighbor dalam pencarian kesesuaian pekerjaan. METIK Jurnal, 6(1), 18–23. https://doi.org/10.47002/METIK.V6I1.343

Widjiyati, N. (2021). Implementasi algoritme random forest pada klasifikasi dataset credit approval. Jurnal Janitra Informatika Dan Sistem Informasi, 1(1), 1–7. https://doi.org/10.25008/JANITRA.V1I1.118

Wuryani, N., & Agustiani, S. (2021). Random forest classifier untuk deteksi penderita covid-19 berbasis citra ct scan. Jurnal Teknik Komputer AMIK BSI, 7(2), 187–193. https://doi.org/10.31294/JTK.V7I2.10468