<![CDATA[Kemiskinan selalu menjadi tantangan besar yang dihadapi manusia dalam pembangunan nasional, khususnya di provinsi padat penduduk seperti Jawa Timur. Kemiskinan dapat disebabkan oleh faktor partisipasi pendidikan dan tingkat pengangguran. Penelitian ini bertujuan untuk memprediksi tingkat kemiskinan berdasarkan dua faktor utama, yaitu Rata-Rata Lama Sekolah (RLS) dan Tingkat Pengangguran Terbuka (TPT), dengan menggunakan algoritma decision tree. Sumber data yang digunakan diperoleh dari publikasi Badan Pusat Statistik (BPS) Provinsi Jawa Timur tahun 2020–2024. Penelitian ini menggunakan pendekatan kuantitatif prediktif dengan menerapkan algoritma decision tree C4.5 yang diimplementasikan dengan Python dan menggunakan parameter gain ratio sebagai citeration, dengan max depth 3. Dataset dibagi menjadi 2, yaitu data training dan data testing dengan rasio 90:10. Hasil evaluasi model menunjukkan akurasi mencapai 65% dengan nilai performa yang cukup baik pada kategori kemiskinan kelas rendah dan tinggi, namun kurang optimal pada kategori sedang. Model berhasil memprediksi bahwa faktor pendidikan (RLS) terbukti berperan signifikan dalam menurunkan kemiskinan, sedangkan TPT berkontribusi dalam mengidentifikasi kerentanan ekonomi suatu wilayah. Penelitian ini diharapkan dapat menjadi dasar dalam penyusunan kebijakan strategis untuk menekan angka kemiskinan melalui evaluasi pada bidang pendidikan dan upaya penurunan angka pengangguran di Provinsi Jawa Timur menggunakan decision tree sebagai implementasi dari machine learning.]]>
Copyrights © 2025
