Rengganis Woro Maharsi
Institut Teknologi Sepuluh Nopember (ITS)

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

Found 1 Documents
Search

Pemilihan Metode Terbaik Support Vector Machine (SVM) Dan Regresi Logistik Biner Untuk Klasifikasi Status Kemiskinan Rumah Tangga Di Provinsi Lampung Tahun 2019 Rengganis Woro Maharsi; Sulistyo Hadi
Jurnal Siger Matematika Vol 3, No 2 (2022): Jurnal Siger Matematika
Publisher : FMIPA Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jsm.v3i2.3015

Abstract

Metode pengklasifikasian terdiri dari metode nonlinier, yaitu Support Vector Machine (SVM), dan metode linier, yaitu Regresi Logistik Biner. Data kemiskinan di Indonesia belum menjadi dasar kebijakan yang tepat sasaran untuk permasalahan pengentasan kemiskinan. Kontraksi Ekonomi ketika Pandemi Covid-19, Provinsi Lampung mengalami peningkatan pertumbuhan penduduk miskin. Pada Maret 2020, terjadi penurunan persentase penduduk miskin sekitar 0,28% dibandingkan Maret 2019. Jumlah penduduk miskin secara absolut ternyata naik, terdapat sekitar 45.464 penduduk miskin baru tahun 2020 dan 34.553 penduduk miskin baru tahun 2021. Data yang digunakan bersumber dari Survei Sosial Ekonomi Nasional (Susenas) tahun 2019. Penelitian ini menggunakan data training (80%) dan testing (20%) dari Survei Sosial Ekonomi Nasional (SUSENAS) 2019. Karakteristik rumah tangga miskin di Provinsi Lampung tahun 2019 adalah KRT berjenis kelamin perempuan, tidak menamatkan SD, jumlah ART lebih banyak, tinggal di perdesaan, jenis dinding menggunakan Tanah/Bambu/Lainnya, sumber air minum bukan dari air kemasan dan sumur/bor/pompa/ledeng, bekerja di sektor pertanian atau tidak bekerja/penerima pendapatan, tidak memiliki jaminan kesehatan, dan tidak memiliki emas minimal 10 gr. Penelitian ini menunjukkan metode pengklasifikasian terbaik adalah SVM dengan nilai akurasi pada data testing sebesar 84,66%, APERĀ  15,34%, Sensitivity 75%, Specificity 84,72%, AUC 79,86%, FP rate 2,98%, dan FN rate 0,18%.