Klasifikasi Tingkat Kemiskinan Indonesia Dengan Metode Decision Tree dan Support Vector Machine

  • RAYDIAN FAHREZI
  • 2025

Abstrak

ABSTRAK

 

Raydian Fahrezi (15210228), Klasifikasi Tingkat Kemiskinan Indonesia Dengan Metode Decision Tree Dan Support Vector Machine.

 

Kemiskinan merupakan permasalahan kompleks yang berdampak signifikan terhadap pembangunan ekonomi dan kesejahteraan sosial masyarakat Indonesia. Identifikasi masyarakat miskin yang akurat menjadi tantangan tersendiri mengingat karakteristik sosial ekonomi yang sangat beragam. Permasalahan yang diangkat adalah bagaimana membangun sistem klasifikasi yang efektif dan efisien guna menggantikan pendekatan manual atau indikator tetap yang selama ini digunakan. Penelitian ini menggunakan data publik terkait kondisi sosial ekonomi masyarakat Indonesia untuk melatih dan menguji kedua model dalam mengklasifikasikan status kemiskinan individu atau rumah tangga di Indonesia dengan memanfaatkan algoritma machine learning, khususnya Decision Tree (DT) dan Support Vector Machine (SVM), serta membandingkan performa keduanya. Hasil menunjukkan bahwa kedua metode memiliki kemampuan klasifikasi yang baik, namun SVM unggul dalam hal akurasi. SVM mencatat akurasi sebesar 92,26%, melebihi DT yang memperoleh 88,39%. Pada kategori "Tidak Miskin", SVM menunjukkan precision sebesar 92,63% dan recall 97,78%, sedangkan DT hanya mencapai precision 92,14% dan recall 94,85%. Untuk kategori "Miskin", SVM tetap lebih unggul dengan precision 88,89% dan recall 99,26%, dibandingkan DT yang hanya meraih precision 53,33% dan recall 94,85%. Hasil mengindikasikan bahwa SVM lebih andal dalam membedakan status kemiskinan. Dengan demikian, penggunaan SVM lebih direkomendasikan dalam klasifikasi kemiskinan untuk mendukung perumusan kebijakan yang lebih tepat sasaran dan berbasis data.

 

Kata Kunci: Kemiskinan Indonesia, Decision Tree, Support Vector Machine, Klasifikasi.

Kata Kunci
Akses Repositori Private

https://repository.bsi.ac.id/repo/75287/Klasifikasi-Tingkat-Kemiskinan-Indonesia-Dengan-Metode-Decision-Tree-dan-Support-Vector-Machine
File full-text dikunci.

Detail Informasi

Tugas Akhir ini ditulis oleh :

  • 15210228 - RAYDIAN FAHREZI
  • Prodi : Informatika
  • Kampus : Margonda
  • Tahun : 2025
  • Pembimbing : Ridwansyah, M.Kom
  • Kode : 0099.S1.15.SKRIPSI.I.2025
  • Status Akses : Private
  • Diinput oleh : AXD
  • Terakhir update : 24 Oktober 2025
  • Dilihat : 124 kali