<![CDATA[Kemiskinan merupakan permasalahan sosial yang kompleks di Provinsi Sumatera Selatan. Meskipun mengalami penurunan, persentase kemiskinan masih berada di atas rata-rata nasional, sehingga diperlukan analisis yang lebih mendalam terhadap faktor-faktor yang memengaruhinya. Dalam era digital, analisis kemiskinan tidak cukup hanya dengan mengandalkan metode tradisional, tetapi perlu melibatkan pendekatan berbasis teknologi informasi dan analisis data untuk mengungkap pola ekonomi sosial yang mendasarinya. Penelitian ini bertujuan untuk menganalisis faktor dominan yang memengaruhi kemiskinan. Data yang digunakan bersumber dari Badan Pusat Statistik (BPS) Provinsi Sumatera Selatan periode 2020 hingga 2024 dengan total 85 data dari 17 kabupaten/kota, mencakup indikator pendidikan, kesehatan, ekonomi, dan demografi. Analisis dilakukan melalui tahapan pra-pemrosesan data, analisis korelasi, serta pemodelan prediktif menggunakan algoritma Machine Learning. Algoritma XGBoost digunakan pada tahap awal pemodelan, namun hasil evaluasi menunjukkan kinerja yang kurang optimal. Oleh karena itu, dilakukan perbandingan dengan algoritma Random Forest yang menghasilkan performa lebih baik dibandingkan XGBoost dengan nilai R² sebesar 0.654, sehingga ditetapkan sebagai model akhir. Interpretasi menggunakan metode SHAP mengidentifikasi bahwa peningkatan Umur Harapan Hidup (UHH), PDRB per kapita, Rata-rata Lama Sekolah, Harapan Lama Sekolah, dan Indeks Pembangunan Manusia (IPM) berkontribusi menurunkan prediksi kemiskinan, sedangkan variabel Jumlah Penduduk dan Pengeluaran per kapita berkontribusi meningkatkan prediksi kemiskinan. Temuan ini diharapkan dapat menjadi bahan pertimbangan bagi pemerintah daerah dalam merancang kebijakan serta program yang lebih tepat sasaran.]]>
Copyrights © 2026
