<![CDATA[Kemiskinan masih menjadi permasalahan signifikan di Indonesia, terutama dalam hal ketidaktepatan sasaran dalam pemerataan ekonomi. Oleh karena itu, penelitian ini bertujuan untuk mengembangkan model klasifikasi kemiskinan di tingkat kabupaten/kota di Indonesia menggunakan algoritma Decision Tree. Penelitian ini mengangkat beberapa rumusan masalah, antara lain pengembangan model klasifikasi, pengukuran performa model, dan analisis pengaruh pemilihan fitur terhadap akurasi model. Dataset yang digunakan bersumber dari Kaggle, terdiri dari 514 data dengan variabel seperti pengeluaran per kapita, Indeks Pembangunan Manusia (IPM), dan akses terhadap sanitasi layak.Proses penelitian mencakup tahapan preprocessing data, meliputi seleksi atribut, pembersihan data, dan transformasi atribut kategorikal menjadi numerik. Model klasifikasi yang dihasilkan menunjukkan akurasi hingga 87%, dengan analisis yang menyoroti pengeluaran per kapita dan akses terhadap sanitasi sebagai faktor utama yang memengaruhi tingkat kemiskinan. Evaluasi kinerja model dilakukan menggunakan matriks kebingungan, presisi, recall, dan F1-score, yang menunjukkan performa baik dalam membedakan kategori "miskin" dan "tidak miskin".]]>
Copyrights © 2025
