Claim Missing Document
Check
Articles

Found 1 Documents
Search

Klasifikasi Tingkat Kemiskinan Berdasarkan Provinsi Di Indonesia Menggunakan Algoritma Decision Tree Bhadra, Athallah Kresna; Marcos, Bryan Nicholas; Setiawan, Rizky Bagus
Jurnal Desain Dan Analisis Teknologi Vol. 5 No. 1 (2026): Januari
Publisher : Aptikom Kepri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58520/jddat.v5i1.94

Abstract

Di Indonesia, isu kemiskinan masih menjadi fokus utama dalam pembangunan. Dengan memanfaatkan algoritma Decision Tree, penelitian ini berupaya untuk mengklasifikasikan tingkat kemiskinan di setiap provinsi di Indonesia. Data ini diambil dari Badan Pusat Statistik (BPS), yang mengindikasikan jumlah warga yang hidup dalam kemiskinan di setiap provinsi. Tingkat kemiskinan diklasifikasikan ke dalam tiga kategori; Rendah (di bawah 7%), Sedang (antara 7 dan 14%), serta Tinggi (lebih dari 14%). Proses pengolahan data dilaksanakan dengan menggunakan pustaka scikit learn dan bahasa pemrograman Python. Tahapan yang dilakukan mencakup preprocessing, pembagian data menjadi data latih dan data uji (80:20), serta evaluasi model dengan memanfaatkan confusion matrix dan cross-validation. Hasil dari pengujian menunjukkan bahwa model Decision Tree mencapai akurasi 100%, dan semua data berhasil diklasifikasikan secara tepat. Penelitian ini mengungkapkan bahwa metode Decision Tree efektif dalam mengklasifikasikan tingkat kemiskinan antarprovinsi. Penelitian ini juga membuktikan bahwa model ini dapat dijadikan dasar untuk analisis data kebijakan sosial ekonomi.