English (United Kingdom)

https://curated-unify.zendy.io/wp-json/zendy-region/v1/featured_content/oa?rat=en

https://curated-unify.zendy.io/wp-json/zendy-region/v1/highlighted_journal/

Global: Zendy Plus annual

Presents the access of premium content as premium feature

Premium Content

Presents the keyphrase highlighting as premium feature

Keyphrase Highlighting

Presents the summarisation as premium feature

Summarisation

Insights

Presents the pdf analysis as premium feature

PDF Analysis

Presents the zaia usage as premium feature

ZAIA

Global: Zendy Tools annual

Global: Zendy Free Plan

Global: Zendy Tools monthly

Global: Zendy Plus monthly

Program Bantuan Pangan Non Tunai (BPNT) merupakan peralihan dari program RASTRA atau RASKIN. BPNT adalah bantuan sosial pangan dalam bentuk non tunai dari pemerintah yang diberikan kepada Keluarga Penerima Manfaat (KPM) setiap bulannya melalui mekanisme akun elektronik yang digunakan hanya untuk membeli bahan pangan di pedagang bahan pangan atau e-warong. Bahan pangan dalam program BPNT ini adalah beras dan atau telur. Salah satu kesulitan yang terkadang dihadapi oleh pemerintah dalam penyaluran BPNT adalah proses pembagian bantuan sosial yang tidak merata dan tidak tepat sasaran. Munculnya masalah tersebut diakibatkan kurangnya pertimbangan atau kemantapan analisis penerima manfaat BPNT dalam menentukan kelayakan pada saat mengajukan pendataan. Oleh karena itu perlu dilakukan analisis lanjutan sehingga dapat mengetahui kelayakan dari suatu permasalahan prediksi penerima manfaat BPNT. Melalui hasil analisis pendataannya, dapat diketahui apakah warga layak atau tidak untuk menerima BPNT. Dari permasalahan yang ada digunakan metode klasifikasi untuk memprediksi kelayakan penerima manfaat BPNT  yaitu dengan menggunakan dua model, model algoritma klasifikasi C4.5 dan model algoritma klasifikasi C4.5 berbasis Particle Swarm Optimization (PSO) tanpa pruning . Karena proses pengujian yang dilakukan tanpa pruning menghasilkan akurasi yang lebih tinggi dibandingkan dengan yang menggunakan pruning. Setelah dilakukan pengujian dengan dua model tersebut didapatkan hasil yaitu algoritma klasifikasi C4.5 menghasilkan nilai akurasi sebesar 98,56% dan nilai AUC sebesar 0,979 dengan tingkat diagnosa Excellent Classification , namun setelah dilakukan optimasi dengan algoritma klasifikasi C4.5 berbasis Particle Swarm Optimization nilai akurasi sebesar 98,92% dan nilai AUC sebesar 0,988 dengan tingkat diagnosa Excellent Classification . Sehingga kedua metode tersebut memiliki perbedaan tingkat akurasi sebesar 0,36%.

ALGORITMA KLASIFIKASI C4.5 BERBASIS PARTICLE SWARM OPTIMIZATION UNTUK PREDIKSI PENERIMA BANTUAN PANGAN NON TUNAI