PENGUJIAN TEKNIK ALGORITMA KLASIFIKASI TERHADAP TINGKAT KEMISKINAN PENDUDUK

Abstract

Salah satu masalah yang tidak ada habisnya di Indonesia adalah kemiskinan. Pemerintah saat ini sedang gencar melakukan upaya penanggulangan kemiskinan melalui berbagai kebijakan dan terobosan yang cepat. Sehingga diperlukan data mining untuk mengolah data kemiskinan agar dapat memberikan infromasi yang akurat tentang tingkat kemiskinan di setiap provinsi di Indonesia. Penelitian ini membahas tentang algoritma fast and fit dalam klasifikasi pada tingkat penduduk miskin di Indonesia khususnya berdasarkan tingkat kemiskinan. Beberapa algoritma yang diuji yaitu K-Nearest Neighbors, Decision Tree (C4.5), Naive Bayes, Random Forest, dan Decision Stump. Pengujian akan dilakukan di 35 provinsi di Indonesia. Hasil yang diperoleh menunjukkan bahwa metode algoritma C4.5 merupakan metode yang tepat dalam klasifikasi angka kemiskinan penduduk di Indonesia. Algoritma k-NN ini tepat dan memiliki tingkat akurasi 100% dalam pengelompokkan kategori tingkat kemiskinan penduduk dengan tiga kategori yakni tingkat rendah, sedang, dan tinggi.