<![CDATA[Tingginya tingkat pengangguran menjadi fokus uta-ma di setiap negara, terutama dalam konteks pertumbuhan ekonomi, termasuk di Indonesia, yang memiliki populasi pen-duduk yang besar. Permasalahan tersebut berdampak negatif pada perekonomian dan masyarakat secara keseluruhan, me-nyebabkan penurunan kesejahteraan, produktivitas rendah, dan peningkatan permasalahan sosial hingga menjadi ham-batan dalam mencapai Sustainable Development Goals (SDGs). Provinsi Jawa Barat, sebagai penyumbang tingginya tingkat pengangguran terbuka di Indonesia, menduduki peringkat ke-dua tertinggi dalam tingkat pengangguran terbuka. Mengeta-hui faktor dan klasifikasi yang tepat sangat diperlukan untuk menyusun kebijakan yang tepat sasaran dalam mengurangi pengangguran. Pada penelitian ini bertujuan untuk melakukan klasifikasi status penduduk angkatan kerja di Provinsi Jawa Barat menggunakan metode Support Vector Machine (SVM) dengan kernel linier dan kernel RBF. Berdasarkan hasil seleksi variabel menggunakan metode regresi logistik, 9 variabel yang berpengaruh signifikan dalam klasifikasi status penduduk angkatan kerja antara lain jenis kelamin, usia, tingkat pendi-dikan, status perkawinan, status dalam keluarga, pengalaman pelatihan kerja, pengalaman kerja, klasifikasi daerah tempat tinggal, dan disabilitas. Pada Provinsi Jawa Barat, perbanding-an status penduduk yang bekerja dan pengangguran menun-jukkan ketidakseimbangan data, sehingga di atasi dengan me-tode Synthetic Minority Oversampling Technique (SMOTE). Hasil penelitian menunjukkan bahwa dengan persentase over-sampling 80%, metode SVM kernel RBF dengan parameter C=1 dan γ = 1 memberikan hasil yang terbaik dalam mengklasifika-sikan status penduduk angkatan kerja di Provinsi Jawa Barat, dengan ketepatan klasifikasi yang didapat, yaitu akurasi sebe-sar 82,21%, sensitivitas 80,26%, spesifisitas 82,35%, g-mean 81,30%, dan AUC 81,31%.]]>
Copyrights © 2024
