Klasifikasi Kemiskinan Kabupaten dan Kota di Indonesia Berdasarkan Indikator Sosial Ekonomi Menggunakan Algoritma C4.5
DOI:
https://doi.org/10.71302/jbidai.v8i2.80Kata Kunci:
algoritma c4.5, data mining, pengeluaran per kapita, pohon keputusanAbstrak
Kemiskinan masih menjadi permasalahan sosial utama di Indonesia sehingga analisis faktor penyebabnya sangat diperlukan untuk membantu pemerintah dalam mengambil keputusan yang tepat. Penelitian ini bertujuan untuk melakukan klasifikasi tingkat kemiskinan menggunakan algoritma C4.5 dengan memanfaatkan dataset yang berisi berbagai indikator sosial-ekonomi seperti tingkat pendidikan, pengangguran, dan pengeluaran per kapita. Tahapan penelitian dimulai dari pengumpulan dan pembersihan data, transformasi, pembagian dataset menjadi data latih dan uji, serta pembangunan model klasifikasi. Hasil penelitian menunjukkan bahwa algoritma C4.5 mampu mengklasifikasikan tingkat kemiskinan secara efektif dan menghasilkan pola pohon keputusan yang jelas. Berdasarkan model yang terbentuk, variabel pengeluaran per kapita teridentifikasi sebagai faktor dominan yang paling mempengaruhi status kemiskinan di suatu wilayah. Model ini diharapkan dapat menjadi dasar dalam penyusunan kebijakan yang lebih tepat sasaran untuk mengurangi tingkat kemiskinan di Indonesia.
Referensi
[1] P. : Amset, I. Batusangkar, I. B. Press, N. Putu, N. Hendayanti, and M. Nurhidayati, “SAINSTEK : JURNAL SAINS DAN TEKNOLOGI Regresi Logistik Biner dalam Penentuan Ketepatan Klasifikasi Tingkat Kedalaman Kemiskinan Provinsi-Provinsi di Indonesia Article History,” 2020.
[2] M. Martin and L. Nilawati, “Comparison of C4.5 and Naïve Bayes Algorithms for Assessment of Public Complaints Services,” JOURNAL OF INFORMATICS AND TELECOMMUNICATION ENGINEERING, vol. 5, no. 1, pp. 101–111, Jul. 2021, doi: 10.31289/jite.v5i1.5292.
[3] P. Ramadani, R. Fadillah, Q. Adawiyah, and B. Restu Al Ghazali, “JURNAL MEDIA INFORMATIKA [JUMIN] Perbandingan Algoritma Naïve Bayes, C4.5, dan K-Nearest Neighbor untuk Klasifikasi Kelayakan Program Keluarga Harapan,” 2019.
[4] G. A. D. Santosa, B. Santosa, L. P. Sumirat, and L. P. Sumirat, “Sistem Pendukung Keputusan Penetuan Penerima BLT-DD Menggunakan Algoritma C4.5,” MALCOM: Indonesian Journal of Machine Learning and Computer Science, vol. 4, no. 3, pp. 1177–1188, Jul. 2024, doi: 10.57152/malcom.v4i3.1579.
[5] R. Girsang, E. Fahmi Ginting, M. Hutasuhut, S. Informasi, and S. Triguna Dharma, “Penerapan Algoritma C4.5 Pada Penentuan Penerima Program Bantuan Pemerintah Daerah,” 2022, [Online]. Available: https://ojs.trigunadharma.ac.id/index.php/jsi
[6] S. Lestari and S. Agustiansyah, “Implementasi Data Mining Clustering Data Penduduk Miskin Menggunakan Metode Algoritma C4.5 Untuk Merekomendasikan Bantuan Sosial Pada RT. 05/01 Kelurahan Jati Mekar Kecamatan Jati Asih Kota Bekasi,” Jurnal Teknik Elektro dan Komputasi (ELKOM), vol. 5, no. 1, pp. 95–104, Mar. 2023, doi: 10.32528/elkom.v5i1.8339.
[7] S. Saputra, N. Suarna, I. Ali, and D. Solihudin, “Journal of Artificial Intelligence and Engineering Applications Improving the Classification Model of Smart Indonesia Program Recipients in Koorwilbidikcam Sumber Using the C4.5 Algorithm,” 2025. [Online]. Available: https://ioinformatic.org/
[8] S. F. Damanik, A. Wanto, and I. Gunawan, “Penerapan Algoritma Decision Tree C4.5 untuk Klasifikasi Tingkat Kesejahteraan Keluarga pada Desa Tiga Dolok.” [Online]. Available: https://ejournal.catuspata.com/index.php/jkdn/index
[9] Y. Mardi, “Jurnal Edik Informatika Data Mining : Klasifikasi Menggunakan Algoritma C4.5 Yuli Mardi,” 2017.
[10] I. Clement, O. Putra, and H. Wijaya, “PENERAPAN ALGORITMA C4.5 DALAM DATA MINING UNTUK IDENTIFIKASI FAKTOR RISIKO STROKE PADA DATASET MEDIS.”
Unduhan
Diterbitkan
Cara Mengutip
Terbitan
Bagian
Lisensi
Artikel ini berlisensiCreative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
