Jurnal Statistika Industri dan Komputasi
Vol. 10 No. 01 (2025): Jurnal Statistika Industri dan Komputasi

PENERAPAN SMOTE UNTUK DATA TIDAK SEIMBANG PADA KLASIFIKASI INDEKS PEMBANGUNAN LITERASI MASYARAKAT DI INDONESIA MENGGUNAKAN METODE RANDOM FOREST DAN K-NEAREST NEIGHBORS

Fransiska Maria Indah (Program Studi Statistika, Fakultas Sains dan Teknologi Informasi, Universitas AKPRIND)
Rokhana Dwi Bekti (Program Studi Statistika, Fakultas Sains dan Teknologi Informasi, Universitas AKPRIND)
Maria Titah Jatipaningrum (Program Studi Statistika, Fakultas Sains dan Teknologi Informasi, Universitas AKPRIND)
Febriani Astuti (Program Studi Statistika, Fakultas Sains dan Teknologi Informasi, Universitas AKPRIND)



Article Info

Publish Date
22 Jun 2025

Abstract

Indeks Pembangunan Literasi Masyarakat (IPLM) adalah pengukuran terhadap usaha yang dilaksanakan oleh pemerintah daerah dalam membina dan mengembangkan perpustakaan untuk mencapai budaya literasi Masyarakat. IPLM di tingkat kabupaten/kota menunjukkan perbedaan signifikan sehingga memerlukan klasifikasi untuk mengidentifikasi daerah yang memerlukan perhatian khusus. Penelitian ini menggunakan Random Forest dan K-Nearest Neighbors untuk mengklasifikasikan IPLM berdasarkan lima dan dua kategori, dengan penanganan ketidakseimbangan data menggunakan Synthetic Minority Over-sampling Technique (SMOTE). Variabel bebas yang digunakan adalah Persentase Penduduk Miskin (P0), Pengeluaran per Kapita (PKP), Rata-rata Lama Sekolah (RLS), dan Persentase Perpustakaan Ber-SNP (PSNP). Pada klasifikasi IPLM berdasarkan lima kategori diperoleh model terbaik dari metode Random Forest tanpa SMOTE pada proporsi data 80:20 dengan mtry=1 dan ntree=100 yang menghasilkan nilai akurasi sebesar 62,14% dengan specificity yang tinggi. Pada klasifikasi IPLM berdasarkan dua kategori diperoleh model terbaik dari metode Random Forest dengan SMOTE pada proporsi data 80:20 dengan mtry=4 dan ntree=100 yang menghasilkan nilai akurasi sebesar 77,42% dengan sensitivitas, specificity, dan G-mean yang tinggi. Hasil yang berbeda ini menunjukkan bahwa SMOTE lebih baik digunakan pada data dengan dua kategori karena menghasilkan kinerja klasifikasi yang lebih baik.

Copyrights © 2025






Journal Info

Abbrev

STATISTIKA

Publisher

Subject

Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Mathematics

Description

Jurnal Statistika Industri dan Komputasi memfasilitasi peneliti, baik dosen, mahasiswa, maupun praktisi untuk mempublikasikan hasil penelitian. Selain itu juga memberikan fasilitas bagi peneliti lain untuk mendapatkan referensi-referensi terkait bidang statistika, aplikasi statistika pada industri, ...