Main Article Content

Abstract

Program Keluarga Harapan merupakan bantuan sosial yang diperuntukan bagi keluarga miskin yang telah memenuhi syarat serta telah ditetapkan sebagai Keluarga Penerima Manfaat. Tujuan dari program bantuan ini adalah membantu keluarga miskin dalam meningkatkan taraf hidup melalui akses layanan pemerintah berupa layanan pendikikan, layanan Kesehatan dan layanan kesejahteraan sosial. Akan tetapi dalam prosesnya masih terdapat kendala salah satunya dalam penentuan penerima pkh dikarenakan proses penentuan masih dilakukan secara manual serta data yang diberikan relatif sama satu dengan yang lain sehingga sulit untuk menentukan mana yang lebih membutuhkan. Penggunaan sistem prediksi diharapkan mampu menjadi sebuah solusi dari permasalahan yang dihadapi. Logika Fuzzy merupakan salah satu metode yang bisa digunakan dalam proses penentuan calon penerima. Dalam penggunaanya logika fuzzy model mamdami memiliki empat tahapan yang harus dilakukan, mulai dari tahapan pembentukan himpunan fuzzy, aplikasi fungsi implikasi, komposisi aturan sampai defuzzyfikasi atau penegasan. Variabel yang digunakan yaitu Penghasilan, Aset, Status Kepemilikan Rumah, Kondisi Dinding Rumah, Kondisi Lantai Rumah dan Syarat Khusus yang merupakan syarat dari program bantuan ini. Syarat khusus yang dimaksud adalah adanya salah satu dari ibu hamil, anak usia dini, anak produktif sekolah, lansia dan disabilitas berat. Fuzzy rules yang digunakan sebanyak 486 aturan. Hasil dari penelitian berupa sebuah sistem prediksi yang memiliki nilai akurasi sebesar 87 % dan sistem prediksi ini dapat dijadikan acuan dalam proses penentuan calon penerima bantuan oleh pendamping pkh atau ketua penerima program.

Keywords

Fuzzy Mamdani Program Keluarga Harapan Prediksi

Article Details

How to Cite
[1]
D. Kurniadi, F. Nuraeni, and D. Jaelani, “Implementasi Logika Fuzzy Mamdani Pada Sistem Prediksi Calon Penerima Program Keluarga Harapan”, Jurnal Algoritma, vol. 19, no. 1, pp. 160-171, May 2022.

References

[1] Kementerian Sosial Republik Indonesia, “Pedoman Pelaksanaan PKH Tahun 2019,” pp. 1–69, 2019, [Online]. Available: https://pkh.kemsos.go.id/dokumen/PEDOMAN PELAKSANAAN PKH 2019.pdf.
[2] A. Dede Wintana, Hikmatulloh, Nurul Ichsan, Jajang Jaya Purnama and Rahmawat, “Klasifikasi Penentuan Penerima Manfaat Program Keluarga Harapan ( Pkh ),” vol. 06, no. 03, pp. 254–264, 2019.
[3] I. P. Pertiwi, F. Fedinandus, and A. D. Limantara, “Sistem Pendukung Keputusan Penerima Program Keluarga Harapan (PKH) Menggunakan Metode Simple Additive Weighting,” CAHAYAtech, vol. 8, no. 2, p. 182, 2019, doi: 10.47047/ct.v8i2.46.
[4] S. S. Allan Wahyu Sekti Sriwibowo, Aslan Alwi, “Implementation of Naïve Bayes Algorithm on Prediction of Acceptance of Keluarga Harapan Program ( PKH ) Penerapan Algoritma Naïve Bayes dalam,” vol. 4, no. 1, pp. 1–7, 2020, doi: 10.21070/jicte.v4i1.916.
[5] A. A. Sidiq and F. W. Christanto, “Algoritma Naive Bayes Untuk Penentuan Pkh ( Program Keluarga Harapan ) Berbasis Sistem Pendukung Kepu- Tusan ( Studi Kasus : Kelurahan Karanganyar Gunung Se- Marang ),” vol. 14, no. 1, pp. 65–71, 2020.
[6] K. Izzah, “Sistem pendukung keputusan kelayakan penerima program keluarga harapan (pkh) menggunakan algoritma analytic network process,” 2019.
[7] D. Kurniadi, E. Abdurachman, H. L. H. S. Warnars, and W. Suparta, “The prediction of scholarship recipients in higher education using k-Nearest neighbor algorithm,” IOP Conf. Ser. Mater. Sci. Eng., vol. 434, no. 1, 2018, doi: 10.1088/1757-899X/434/1/012039.
[8] D. Kurniadi, E. Abdurachman, H. L. H. S. Warnars, and W. Suparta, “Predicting student performance with multi-level representation in an intelligent academic recommender system using backpropagation neural network,” ICIC Express Lett. Part B Appl., vol. 12, no. 10, pp. 883–890, 2021, doi: 10.24507/icicelb.12.10.883.
[9] S. Nurhayati and I. Immanudin, “Penerapan Logika Fuzzy Mamdani untuk Prediksi Pengadaan Peralatan Rumah Tangga Rumah Sakit Application of Fuzzy Mamdani Logic for Procurement Predictions Hospital Household Appliances,” vol. 8, no. 28, pp. 81–87, 2019, doi: 10.34010/komputika.v8i2.2254.
[10] M. Martin and L. Nilawati, “Model Fuzzy Mamdani Untuk Penilaian Tingkat Kepuasan Pelayanan Pengaduan Masyarakat,” J. Inform., vol. 5, no. 2, pp. 237–247, 2018, doi: 10.31311/ji.v5i2.4170.
[11] W. Buana, “Penerapan Fuzzy Mamdani Untuk Sistem Pendukung Keputusan Pemilihan Telepon Seluler,” J. Edik Inform., vol. 2, pp. 138–143, 2015.
[12] A. R. Wardani, Y. N. Nasution, and F. D. T. Amijaya, “Aplikasi Logika Fuzzy Dalam Mengoptimalkan Produksi Minyak Kelapa Sawit Di PT. Waru Kaltim Plantation Menggunakan Metode Mamdani,” Inform. Mulawarman J. Ilm. Ilmu Komput., vol. 12, no. 2, p. 94, 2017, doi: 10.30872/jim.v12i2.651.
[13] D. Normawati and S. A. Prayogi, “Implementasi Naïve Bayes Classifier Dan Confusion Matrix Pada Analisis Sentimen Berbasis Teks Pada Twitter,” Sains Komupter Inform., vol. 5, no. November 2019, pp. 697–711, 2021.
[14] F. A. Harimurti and E. Riksakomara, “Klasifikasi Penerimaan Beasiswa Menggunakan Metode Naïve Bayes Classifier (Studi Kasus Universitas Trunojoyo Madura),” 2017.