Klasifikasi Kemiskinan Multidimensi di Provinsi Bengkulu Menggunakan Algoritma Random Forest
Tahun 2026 · Penulis: Bagus Ilman Huda
Faculty of Computer Science, Universitas Jember
Abstrak
Teks yang dipakai untuk pengindeksan BM25 dan IndoSBERT
Terjemahan mesin (opus-mt-en-id) · dipakai untuk pengindeksan
Klasifikasi Kemiskinan Multidimensi di Provinsi Bengkulu Menggunakan Algoritma Random Forest
Kemiskinan adalah masalah sosial yang rumit yang tidak dapat sepenuhnya dijelaskan semata - mata melalui sudut pandang moneter. Oleh karena itu, pendekatan kemiskinan multidimensi digunakan untuk menggambarkan kondisi kesejahteraan rumah tangga dengan lebih menyeluruh dengan memperhatikan berbagai aspek kehidupan. Provinsi Bengkulu adalah salah satu daerah di Indonesia dengan tingkat kemiskinan yang relatif tinggi dibandingkan dengan rata-rata nasional, membuat analisis lebih lanjut yang diperlukan untuk memahami karakteristik keluarga miskin dari perspektif multidimensi. Penelitian ini bertujuan untuk menggolongkan status kemiskinan multidimensional berupa rumah tangga di Provinsi Bengkulu dan mengidentifikasi faktor-faktor yang paling berpengaruh dengan algoritma Hutan Acak. Pengukuran kemiskinan multidimensi dilakukan menggunakan metode Alkire-Foster dengan indikator meliputi dimensi kesehatan, pendidikan, standar hidup, dan kondisi ekonomi. Data yang digunakan dalam penelitian ini diambil dari mikrodata Survei Sosioekonomi Nasional (Susenas) yang diadakan pada bulan Maret 2025 oleh Statistik Indonesia. Setelah proses prefitur dan fitur rekayasa, dataset dibagi menjadi 70% pelatihan data dan 30% data pengujian. Model Hutan Acak dikembangkan dengan penyetelan hyperparameter menggunakan metode Pencarian Acak dikombinasikan dengan 5-fold lintas-validation. Hasilnya menunjukkan bahwa model Hutan Acak mencapai akurasi 80,3%, akurasi yang seimbang dan mengingat 53,1%, presisi 48,7%, F1-score 50,4%, dan berat F1-score 80,4%. Analisis distribusi yang ditimbang dengan menggunakan variabel berat sampling (WORT) menunjukkan bahwa distribusi kemiskinan yang diramalkan umumnya konsisten dengan metode Alkire-Foster, meskipun model cenderung memperkirakan proporsi yang sedikit lebih tinggi dalam kategori miskin yang parah. Analisis penting yang umum menyingkapkan bahwa pengeluaran total per kapita adalah variabel yang paling berpengaruh, diikuti dengan rasio nutrisi yang tidak sama dengan protein, lemak, dan karbohidrat yang relatif terhadap tunjangan diet (RDA) yang disarankan.
Dokumen Serupa
Berdasarkan kemiripan vektor embedding IndoSBERT (cosine similarity).
- Cosine 0,822
Tahun 2026 · Penulis: Arie Kusuma Sumantri
Klasifikasi Kelayakan Penerima Program Keluarga Harapan Menggunakan Algoritma Random Forest di Desa Pancakarya
Program Harapan Keluarga (Program Keluarga Harapan/PKH) adalah salah satu program bantuan sosial pemerintah Indonesia yang dirancang untuk meningkatkan kesejahteraan rumah tangga berpenghasilan rendah. Namun, menentukan hak waris yang layak tetap menjadi tanta
- Cosine 0,822
Tahun 2026 · Penulis: Nofita Nur Aini
Klasifikasi Status Gizi Balita Berdasarkan Antropometri dan Sosiodemografi Menggunakan Xgboost dengan Teknik Oversampling Smote
Malnutrisi pada balita, termasuk stunting, wasting, dan underweight, masih menjadi masalah kesehatan masyarakat yang signifikan di Indonesia, khususnya di Kabupaten Jember. Tingginya prevalensi kondisi tersebut menunjukkan perlunya pendekatan berbasis data unt
- Cosine 0,818
Tahun 2026 · Penulis: Mira Dwi Nuratih
Pengaruh Indeks Pembangunan Manusia dan Rasio Gini Terhadap Kemiskinan dengan Tingkat Pengangguran Terbuka sebagai Variabel Intervening (Studi pada Provinsi Jawa Timur Tahun 2020-2024)
Penelitian ini dilatarberlakangi oleh Provinsi Jawa Timur yang berkontribusi sebesar 14,39% terhadap PDB nasional, tetapi belum mampu mengentaskan kemiskinan secara optimal. Selain itu, kenaikan rasio gini ditengah peningkatan IPM dan penurunan TPT menunjukkan