Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Malcom: Indonesian Journal of Machine Learning and Computer Science
Rukmiati, Rukmiati
Unknown Affiliation
Computer Science & IT

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Prediksi Pengangguran di Nusa Tenggara Barat Menggunakan Regresi Linier Berganda Berbasis Supervised Learning: Predicting Unemployment in West Nusa Tenggara Using Supervised Machine Learning-Based Multiple Linear Regression Rukmiati, Rukmiati; Mutmainah, Siti; Khairunnas, Khairunnas
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 6 No. 3 (2026): MALCOM July 2026
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/malcom.v6i3.2860

Abstract

Tingkat Pengangguran Terbuka (TPT) merupakan salah satu indikator penting dalam mengukur kondisi ketenagakerjaan dan kesejahteraan masyarakat. Penelitian ini bertujuan untuk menganalisis pengaruh Indeks Pembangunan Manusia (IPM), Tingkat Kemiskinan, dan Inflasi terhadap TPT di Provinsi Nusa Tenggara Barat serta membangun model prediksi menggunakan Regresi Linear Berganda. Data yang digunakan merupakan data sekunder yang diperoleh dari Badan Pusat Statistik (BPS) Provinsi Nusa Tenggara Barat. Tahapan penelitian meliputi pengumpulan data, preprocessing, analisis data eksploratif (EDA), pengujian asumsi klasik, pemodelan, dan evaluasi model. Hasil pengujian asumsi klasik menunjukkan bahwa model telah memenuhi asumsi normalitas, multikolinearitas, heteroskedastisitas, dan autokorelasi. Untuk memperkuat kontribusi machine learning, dilakukan perbandingan antara Regresi Linear Berganda dan Decision Tree Regression. Hasil evaluasi menunjukkan bahwa Regresi Linear Berganda memperoleh nilai MSE sebesar 0,4357, RMSE sebesar 0,6601, dan R² sebesar 0,3226, sedangkan Decision Tree Regression memperoleh nilai MSE sebesar 0,5442, RMSE sebesar 0,7377, dan R² sebesar 0,1540. Berdasarkan hasil tersebut, Regresi Linear Berganda menghasilkan tingkat kesalahan yang lebih rendah dan kemampuan prediksi yang lebih baik dibandingkan dengan Decision Tree Regression. Dengan demikian, Regresi Linear Berganda dipilih sebagai model terbaik untuk memprediksi Tingkat Pengangguran Terbuka di Provinsi Nusa Tenggara Barat.
Co-Authors Khairunnas, Khairunnas Siti Mutmainah