PENINGKATAN KLASIFIKASI KEMISKINAN INDONESIA MENGGUNAKAN METODE DECISION TREE
DOI:
https://doi.org/10.23960/jitet.v13i2.6336Abstract Views: 482 File Views: 385 File Views: 0
Abstract
Kemiskinan masih menjadi permasalahan signifikan di Indonesia, terutama dalam hal ketidaktepatan sasaran dalam pemerataan ekonomi. Oleh karena itu, penelitian ini bertujuan untuk mengembangkan model klasifikasi kemiskinan di tingkat kabupaten/kota di Indonesia menggunakan algoritma Decision Tree. Penelitian ini mengangkat beberapa rumusan masalah, antara lain pengembangan model klasifikasi, pengukuran performa model, dan analisis pengaruh pemilihan fitur terhadap akurasi model. Dataset yang digunakan bersumber dari Kaggle, terdiri dari 514 data dengan variabel seperti pengeluaran per kapita, Indeks Pembangunan Manusia (IPM), dan akses terhadap sanitasi layak.
Proses penelitian mencakup tahapan preprocessing data, meliputi seleksi atribut, pembersihan data, dan transformasi atribut kategorikal menjadi numerik. Model klasifikasi yang dihasilkan menunjukkan akurasi hingga 87%, dengan analisis yang menyoroti pengeluaran per kapita dan akses terhadap sanitasi sebagai faktor utama yang memengaruhi tingkat kemiskinan. Evaluasi kinerja model dilakukan menggunakan matriks kebingungan, presisi, recall, dan F1-score, yang menunjukkan performa baik dalam membedakan kategori "miskin" dan "tidak miskin".
Downloads
References
Kaunang, F. (2019). Penerapan algoritma j48 decision tree untuk analisis tingkat kemiskinan di indonesia. Cogito Smart Journal, 4(2), 348-357. https://doi.org/10.31154/cogito.v4i2.141.348-357
Esananda, S., Nugroho, B., & Anggraeny, F. (2021). Implementasi fase boosting pada algoritma c5.0 dalam menentukan prestasi akademik siswa. Prosiding Seminar Nasional Informatika Bela Negara, 2, 1-6. https://doi.org/10.33005/santika.v2i0.67
Nugroho, A. (2022). Analisa splitting criteria pada decision tree dan random forest untuk klasifikasi evaluasi kendaraan. Jsitik Jurnal Sistem Informasi Dan Teknologi Informasi Komputer, 1(1), 41-49. https://doi.org/10.53624/jsitik.v1i1.154
Bahauddin, A., Fatmawati, A., & Sari, F. (2021). Analisis clustering provinsi di indonesia berdasarkan tingkat kemiskinan menggunakan algoritma k-means. Jurnal Manajemen Informatika Dan Sistem Informasi, 4(1), 1-8. https://doi.org/10.36595/misi.v4i1.216
A. Rohmatullah, D. Rahmalia, and M. S. Pradana, “Klasterisasi Data Pertanian di Kabupaten Lamongan Menggunakan Algoritma K-Means Dan Fuzzy C-Means,” J. Ilm. Teknosains, vol. V, no. 2, pp. 86–93, 2019.
Finaliamartha, D., Supriyadi, D., & Fitriana, G. (2022). Penerapan metode jaringan syaraf tiruan backpropagation untuk prediksi tingkat kemiskinan di provinsi jawa tengah. Jurnal Teknologi Informasi Dan Ilmu Komputer, 9(4), 751-760. https://doi.org/10.25126/jtiik.2022934806
Rahmadeni, R. and Nurjannah, N. (2022). Model tingkat kemiskinan di kabupaten/kota provinsi riau: menggunakan regresi data panel. Kubik Jurnal Publikasi Ilmiah Matematika, 6(2), 98-109. https://doi.org/10.15575/kubik.v6i2.13598
Rachma, C. A. (2022). Implementasi Algoritma K-Neraest Neighbor dalam penentuan Klasifikasi Tingkat Kedalaman Kemiskinan Provinsi Jawa Timur (Doctoral dissertation, Universitas Islam Negeri Maulana Malik Ibrahim).
Taufiq, N. (2022). Penciri kemiskinan ekstrem di 35 kabupaten prioritas penanganan kemiskinan ekstrem. Seminar Nasional Official Statistics, 2022(1), 895-904. https://doi.org/10.34123/semnasoffstat.v2022i1.1258
Amida, O. and Sitorus, J. (2021). Penerapan regresi logistik biner multilevel dalam analisis pengaruh karakteristik individu, rumah tangga, dan wilayah terhadap status kemiskinan balita di kepulauan maluku dan pulau papua. Seminar Nasional Official Statistics, 2020(1), 967-977. https://doi.org/10.34123/semnasoffstat.v2020i1.569
Arifin, T. (2020). Optimasi decision tree menggunakan particle swarm optimization untuk klasifikasi sel pap smear. Jatisi (Jurnal Teknik Informatika Dan Sistem Informasi), 7(3), 572-579. https://doi.org/10.35957/jatisi.v7i3.361
S. S. Elfaretta, A. A. Arifiyanti, and A. S. Fitri, “Klasifikasi Calon Pendonor Darah Potensial Menggunakan Algoritma Decision Tree Di Utd Pmi Kota Surabaya,” J. Inform. dan Tek. Elektro Terap., vol. 12, no. 3, 2024, doi: 10.23960/jitet.v12i3.4957.
