Penerapan Algoritma J48 Decision Tree Untuk Analisis Tingkat Kemiskinan di Indonesia

Fergie Joanda Kaunang

Abstract


Kemiskinan telah menjadi masalah sosial dan tantangan bagi masyarakat di seluruh dunia yang terus dicari penyelesaiannya. Berdasarkan identifikasi dari Badan Program Pembangunan PBB (UNDP) yang bekerjasama dengan Oxford Poverty and Human Development Initiative (OPHI), 1.3 miliar penduduk dunia teridentifikasi sebagai penduduk miskin pada bulan September tahun 2018. Di tingkat nasional, Indonesia, tingkat kemiskinan tertinggi terjadi pada tahun 1999 dengan persentase sebesar 23.43%. Berdasarkan data dari Badan Pusat Statistik Indonesia (BPS), penduduk miskin di Indonesia mencapai 25.95 juta orang dengan persentase 9.82% pada tahun Maret 2018. Oleh karena itu penelitian ini bertujuan untuk menganalisis tingkat kemiskinan menggunakan dimensi dasar dari indeks pembangunan manusia (IPM) menggunakan metode data mining dan machine learning yakni algoritma J48 Decision Tree. Akurasi dari model prediksi yang telah dibuat menunjukan hasil yang baik yakni sebesar 88.6% dimana dengan kata lain model prediksi yang dikembangkan dapat digunakan untuk membantu para pembuat kebijakan maupun para pemangku kepentingan untuk mengambil keputusan.

 

Kata kunciAngka Kemiskinan, Indeks Pembangunan Manusia, Algoritma J48 Decision Tree, Data Mining, Machine Learning


Full Text:

PDF

References


BPS. (2018, December 5, 2018). Kemiskinan dan Ketimpangan. Available: https://www.bps.go.id/subject/23/kemiskinan-dan-ketimpangan.html

OPHI. (2018, December 6, 2018). Global MPI 2018. Available: https://ophi.org.uk/multidimensional-poverty-index/global-mpi-2018/

A. Shah. (2011, December 6, 2018). Poverty Around The World. Available: http://www.globalissues.org/article/4/poverty-around-the-world

BPS. (2018, December 5, 2018). Persentase penduduk miskin Maret 2018 turun menjadi 9,82 persen. Available: https://www.bps.go.id/pressrelease/2018/07/16/1483/persentase-penduduk-miskin-maret-2018-turun-menjadi-9-82-persen.html

H.-J. Kao, S.-L. Weng, K.-Y. Huang, F. J. Kaunang, J. B.-K. Hsu, C.-H. Huang, et al., "MDD-carb: a combinatorial model for the identification of protein carbonylation sites with substrate motifs," BMC systems biology, vol. 11, p. 137, 2017.

A. V. D. Sano and H. Nindito, "Application of K-Means Algorithm for Cluster Analysis on Poverty of Provinces in Indonesia," ComTech: Computer, Mathematics and Engineering Applications, vol. 7, pp. 141-150, 2016.

N. Jean, M. Burke, M. Xie, W. M. Davis, D. B. Lobell, and S. Ermon, "Combining satellite imagery and machine learning to predict poverty," Science, vol. 353, pp. 790-794, 2016.

BPS. (2018, December 4, 2018). Indeks Pembangunan Manusia. Available: https://www.bps.go.id/subject/26/indeks-pembangunan-manusia.html#subjekViewTab1

J. Dougherty, R. Kohavi, and M. Sahami, "Supervised and unsupervised discretization of continuous features," in Machine Learning Proceedings 1995, ed: Elsevier, 1995, pp. 194-202.

A. Raditya, "Implementasi data mining classification untuk mencari pola prediksi hujan dengan menggunakan algoritma C4. 5," 2012.

D. T. Bui, T. C. Ho, I. Revhaug, B. Pradhan, and D. B. Nguyen, "Landslide susceptibility mapping along the national road 32 of Vietnam using GIS-based J48 decision tree classifier and its ensembles," in Cartography from pole to pole, ed: Springer, 2014, pp. 303-317.

G. Kaur and A. Chhabra, "Improved J48 classification algorithm for the prediction of diabetes," International Journal of Computer Applications, vol. 98, 2014.

S. Drazin and M. Montag, "Decision tree analysis using weka," Machine Learning-Project II, University of Miami, pp. 1-3, 2012.

J. Han, J. Pei, and M. Kamber, Data mining: concepts and techniques: Elsevier, 2011.

A. K. Sharma and S. Sahni, "A comparative study of classification algorithms for spam email data analysis," International Journal on Computer Science and Engineering, vol. 3, pp. 1890-1895, 2011.

T. R. Patil and S. Sherekar, "Performance analysis of Naive Bayes and J48 classification algorithm for data classification," International journal of computer science and applications, vol. 6, pp. 256-261, 2013.




DOI: http://dx.doi.org/10.31154/cogito.v4i2.141.348-357

Refbacks

  • There are currently no refbacks.


CogITo Smart Journal
A publication of Fakultas Ilmu Komputer, Universitas Klabat
In partnership with Coris and IndoCEISS
Telpon: +62 (431) 891035
email: editorial.cogito@unklab.ac.id | web: http://cogito.unklab.ac.id/index.php/cogito
 
Free counters!
View CogITo Smart Journal Stats

CogITo Smart Journal is indexed by:
  DOAJ    SINTA     Indonesia OneSearch by Perpusnas    Crossref    Google Scholar      Base Search PKP Index    neliti    EBSCO Information Science    mendeley          scilit    road    worldcat    DRJI    OpenAIREplus    copac    Gent University Library Stanford Library    Harvard Library    Leiden University Libraries    The University of Sheffield    Boston University Library    University of Manchester    University of Oxford    CORE    Livivo
 



CogITo Smart Journal is licensed under a Creative Commons Attribution 4.0 International License.