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