Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal eProceedings of Engineering
Nur Alifah, Amalia
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering

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

Found 1 Documents
Search

 1 
Klasifikasi Tingkat Kedalaman Kemiskinan di Indonesia Menggunakan Support Vector Machine dan Regresi Logistik Mufaidah, Astikhatul; Ni'mah, Rifdatun; Nur Alifah, Amalia
eProceedings of Engineering Vol. 12 No. 5 (2025): Oktober 2025
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Abstrak — Kemiskinan merupakan masalah kompleks yang masih menjadi tantangan utama di Indonesia, dengan dampak yang luas terhadap kesejahteraan masyarakat. Penelitian ini bertujuan untuk mengklasifikasikan tingkat kedalaman kemiskinan menggunakan dua model machine learning yakni Support Vector Machine (SVM) dan Regresi Logistik, serta mengidentifikasi faktor-faktor yang secara signifikan memengaruhinya. Dataset yang digunakan mencakup variabel sosial-ekonomi dari berbagai wilayah, seperti Bantuan Sosial, Rata-Rata Lama Sekolah, dan Jumlah Penduduk. Hasil analisis menunjukkan bahwa model SVM dan Regresi Logistik sama sama menghasilkan performa klasifikasi yang tinggi, dengan akurasi 99%. Regresi Logistik pada penelitian ini digunakan untuk mengetahui faktor-faktor yang berpengaruh secara signifikan terhadap tingkat kedalaman kemiskinan melalui pen- dekatan uji signifikansi statistik. Regresi Logistik menunjukkan bahwa tiga variabel yang paling signifikan adalah Bantuan Sosial, Pendapatan Asli Daerah, dan Rata-rata Lama Sekolah, Temuan ini diharapkan dapat menjadi dasar bagi pengembangan kebijakan yang lebih tepat sasaran dalam upaya pengentasan kemiskinan di Indonesia Kata kunci— Analisis Data, Indeks Kedalaman Kemiskinan, Kemiskinan, Regresi Logistik, Support Vector Machine
Co-Authors Mufaidah, Astikhatul Rifdatun Ni’mah