Article Per Year (5 Year)
p-Index From 2020 - 2025
2.386
P-Index
This Author published in this journals
All Journal OPERATION EXCELLENCE: Journal of Applied Industrial Engineering Akrab Juara : Jurnal Ilmu-ilmu Sosial Nivedana : Jurnal Komunikasi dan Bahasa JURNAL TEKNIK INDUSTRI Socius: Social Sciences Research Journal Jurnal Media Akademik (JMA) Sinergi : Jurnal Ilmiah Multidisiplin
Andi Setyawan
Unknown Affiliation
Religion Aerospace Engineering Arts Humanities Biochemistry, Genetics & Molecular Biology Chemistry Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Environmental Science Health Professions Immunology & microbiology Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Medicine & Pharmacology Physics Social Sciences Other

Published : 11 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 11 Documents
Search

 1   2 
KLASIFIKASI KEMISKINAN DI INDONESIA DENGAN DECISION TREE MENGGUNAKAN RAPIDMINER Andi Setyawan; An-nisa Fitriani; Elkin Rilvani
Jurnal Media Akademik (JMA) Vol. 3 No. 7 (2025): JURNAL MEDIA AKADEMIK Edisi Juli
Publisher : PT. Media Akademik Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62281/v3i7.2646

Abstract

Kemiskinan merupakan salah satu permasalahan utama yang masih dihadapi dalam proses pembangunan, khususnya di negara-negara berkembang seperti Indonesia. Ketimpangan sosial dan ekonomi yang masih tinggi menuntut adanya kebijakan yang tepat sasaran dan berbasis pada data yang akurat. Oleh karena itu, dibutuhkan metode klasifikasi yang mampu memetakan status kemiskinan masyarakat secara efektif. Penelitian ini bertujuan untuk menganalisis klasifikasi status kemiskinan menggunakan metode Decision Tree yang diimplementasikan melalui aplikasi RapidMiner. Data yang digunakan merupakan data sintetis sebanyak 150 entri yang menggambarkan kondisi sosial ekonomi penduduk Indonesia. Variabel-variabel yang digunakan dalam analisis meliputi umur, tingkat pendidikan, status pekerjaan, pendapatan bulanan, jumlah anggota keluarga, serta tipe lokasi tempat tinggal (perkotaan atau pedesaan). Proses klasifikasi dilakukan menggunakan pendekatan pembelajaran terawasi (supervised learning), yang menghasilkan model pohon keputusan yang mudah dipahami dan diinterpretasikan. Hasil penelitian menunjukkan bahwa metode Decision Tree mampu mengklasifikasikan status kemiskinan dengan tingkat akurasi mencapai 93%. Dari hasil analisis, diketahui bahwa pendapatan bulanan dan status pekerjaan merupakan variabel yang paling berpengaruh dalam menentukan status kemiskinan. Temuan ini diharapkan dapat menjadi landasan dalam perumusan kebijakan intervensi sosial yang lebih tepat sasaran dan efektif.
Co-Authors A Rafiq Adityo Fajar An-nisa Fitriani Bonardo Marulitua A Chepi Nurdiansyah Chepi Nurdiansyah Devin Lucky Gunawan Elkin Rilvani Fajar Muharam Fauzi Syarief Fauzy Syarief Fitriyanto Hasbullah Hasbullah Hasbullah Hasbullah Jaka Atmaja Jaka Atmaja, Jaka Ken Norton Hutasoit Kenny Halim Marlina Rahmi Shinta P. Muhammad Reynaldi muharam, fajar Nurdiansyah, Chepi Prakoso, Rizki Bayu RR. Ella Evrita Hestiandari Ryan Permana Sarah Maryanah Tuty Mutiah Zulfa Fitri Ikatrinasari