<![CDATA[Permasalahan anak terlantar memerlukan penanganan berbasis data yang sistematis. Penelitian ini membangun model klasifikasi status penanganan anak terlantar menggunakan Decision Tree (CART) dan Random Forest yang diimplementasikan dalam dashboard interaktif. Data sintetis dihasilkan dari distribusi agregat UPTD PPSGRA Dinas Sosial Jawa Barat periode 2020-2025 menggunakan Distribution-based Synthetic Data Generator. Dataset terdiri dari 5 variabel input (lembaga, jenis kelamin, tingkat pendidikan, kondisi ekonomi, usia) untuk memprediksi status penanganan (Berhasil, Proses, Gagal). Metode supervised learning dengan pembagian 80% training dan 20% testing menghasilkan Random Forest unggul dengan accuracy 74.6%, lebih baik dari Decision Tree (71.5%). Analisis feature importance mengidentifikasi usia sebagai faktor paling dominan (48.53%), diikuti oleh lembaga penanganan (21.46%) dan tingkat pendidikan (17.86%), sementara kondisi ekonomi (6.70%) dan jenis kelamin (5.46%) menunjukkan kontribusi yang lebih rendah. Temuan bahwa usia mendominasi feature importance mengindikasikan pentingnya pendekatan age-specific dalam program intervensi anak terlantar. Dashboard berbasis Streamlit menyediakan visualisasi perbandingan model, confusion matrix, feature importance, dan prediksi real-time dengan interpretasi otomatis. Penelitian ini berkontribusi pada penerapan machine learning untuk kesejahteraan sosial dengan pendekatan privacy-preserving, menyediakan decision support system untuk Dinas Sosial dalam pengambilan keputusan berbasis data.]]>
Copyrights © 2026
