Proses penentuan penerima Bantuan Langsung Tunai (BLT) di Desa Pesanggrahan masih dilakukan secara manual sehingga sering terjadi ketidaktepatan sasaran. Kondisi ini menimbulkan potensi ketidakadilan dan kecemburuan sosial di masyarakat. Oleh karena itu, diperlukan pendekatan berbasis teknologi yang dapat meningkatkan objektivitas dan akurasi dalam seleksi penerima bantuan sesuai kriteria yang telah ditetapkan, seperti keluarga miskin, tidak menerima bantuan lain, rentan sakit, dan lansia. Penelitian ini mengimplementasikan algoritma klasifikasi Naïve Bayes Gaussian dengan tahapan data preparation, labeling, pembagian data latih dan uji menggunakan rasio 80:20, serta pengolahan atribut dengan TF-IDF Vectorizer. Evaluasi performa dilakukan melalui confusion matrix, classification report, serta perhitungan akurasi, precision, recall, dan f1-score. Hasil penelitian menunjukkan bahwa model mampu mengklasifikasikan seluruh data uji tanpa kesalahan dengan nilai akurasi, precision, recall, dan f1-score sebesar 100%. Hal ini membuktikan bahwa algoritma Naïve Bayes efektif dalam menentukan kelayakan penerima BLT secara tepat sasaran. Penelitian berikutnya disarankan untuk membandingkan hasil dengan algoritma lain seperti Support Vector Machine (SVM), Random Forest, Particle Swarm Optimization (PSO), atau Genetic Algorithm (GA) guna memperoleh gambaran performa yang lebih luas.