<![CDATA[Validitas data kemiskinan pada permukiman padat penduduk di Surabaya kerap terdistorsi oleh subjektivitas dan keterbatasan proses verifikasi manual. Kondisi ini meningkatkan risiko ketidaktepatan penyaluran bantuan sosial, baik berupa exclusion error maupun inclusion error. Penelitian ini bertujuan mengembangkan sistem validasi data kemiskinan berbasis web yang mengintegrasikan algoritma Isolation Forest guna mendeteksi anomali data secara otomatis. Pengembangan sistem mengadopsi metodologi Design Science Research (DSR) dengan arsitektur terpisah (decoupled) yang menghubungkan framework Laravel dan layanan analitik FastAPI. Variabel penelitian meliputi indikator kapabilitas ekonomi warga, mencakup total pendapatan, jumlah tanggungan, skor penggunaan listrik, kepemilikan kendaraan bermotor, dan akses internet. Strategi pemisahan dataset (data splitting) diterapkan berdasarkan status awal warga (Miskin dan Non-Miskin) untuk menjamin deteksi anomali yang kontekstual. Pengujian empiris dilakukan menggunakan data riil dari 248 warga di RT 04 RW 05, Kelurahan Mojo, Surabaya. Hasil penelitian menunjukkan bahwa sistem berhasil mengidentifikasi 18 data anomali (7,3%) dengan karakteristik yang menyimpang dari populasi mayoritas. Lebih lanjut, sistem terbukti efektif dalam menyingkap kasus exclusion error pada kelompok rentan. Evaluasi utilitas sistem menggunakan Technology Acceptance Model (TAM) menghasilkan skor Perceived Usefulness sebesar 4,52 (kategori "Sangat Bermanfaat"), yang mengindikasikan efektivitas sistem dalam meningkatkan efisiensi dan objektivitas verifikasi data. Kata Kunci: Deteksi Anomali, Isolation Forest, Verifikasi Data Kemiskinan, Bantuan Sosial, Design Science Research, Technology Acceptance Model (TAM).]]>
Copyrights © 2025
