<![CDATA[Abstrak. Kemiskinan merupakan masalah multidimensi yang tidak hanya diukur dari persentase penduduk miskin, tetapi juga ketimpangan pengeluaran di antara mereka, yang direpresentasikan oleh Indeks Keparahan Kemiskinan (P2). Penelitian ini bertujuan untuk memprediksi nilai P2 pada 27 kabupaten/kota di Provinsi Jawa Barat menggunakan algoritma Random Forest. Data yang digunakan merupakan data sekunder dari BPS Provinsi Jawa Barat periode 2015–2025 dengan 297 observasi. Tujuh variabel prediktor sosial ekonomi digunakan, termasuk persentase penduduk miskin dan PDRB. Metodologi yang digunakan adalah CRISP-DM. Proses pemodelan melibatkan hyperparameter tuning menggunakan GridSearchCV. Model terbaik (RF_Tuning_n500_depth5_feat7_split2_leaf6) menghasilkan nilai Mean Absolute Error (MAE) sebesar 0,0690, Root Mean Squared Error (RMSE) sebesar 0,0918, dan Koefisien Determinasi (R²) sebesar 0,6542. Analisis feature importance menunjukkan bahwa persentase penduduk miskin memberikan kontribusi terbesar (85,05%) terhadap model. Hasil penelitian menunjukkan bahwa algoritma Random Forest terbukti efektif dalam memprediksi tingkat keparahan kemiskinan]]>
Copyrights © 2026
