Klasifkasi Daerah Miskin di Pulau Jawa dengan Support Vector Machine dan Seleksi Faktor Kemiskinan Menggunakan Least Absolute Shrinkage and Selection Operator

Abstract

Kemiskinan merupakan suatu kondisi ketika seseorang atau sekelompok masyarakat tidak mampu untuk memenuhi kebutuhan hidup dengan layak dari segi budaya, sosial, maupun kebutuhan primer. Angka kemiskinan di Indonesia masih cukup mengkhawatirkan terutama pada daerah di Pulau Jawa yang menjadi pusat perekonomian di Indonesia. Maka dari itu, penelitian ini dilakukan guna memberitahu gambaran daerah yang masih pada kelompok miskin serta faktor apa saja yang berpengaruh terhadap kemiskinan di daerah tersebut. Data yang digunakan bersumber pada publikasi BPS terkait data dan informasi kemiskinan kabupaten/kota tahun 2023. Metode penelitian yang digunakan yaitu penggabungan Support Vector Machine untuk klasifikasi daerah miskin dan Least Absolute Shrinkage and Selection Operator untuk seleksi variabel. Pemodelan menggunakan metode splitting tanpa memperhatikan proporsi tiap provinsi dan dengan memperhatikan proporsi tiap provinsi. Pengukuran keakuratan menggunakan threshold metrics terdiri dari precision, recall, accuracy, dan f1-score sehingga menghasilkan model dan variabel yang terbaik dalam klasifikasi daerah miskin di Pulau Jawa. Hasil klasifikasi dengan metode splitting tanpa memperhatikan proporsi tiap provinsi menunjukkan sebagian besar daerah diklasifikasikan pada daerah miskin dengan nilai metrik accuracy 58%. Sedangkan hasil klasifikasi dengan metode splitting dengan memperhatikan proporsi tiap provinsi menunjukkan sebagian besar daerah diklasifikasikan pada daerah tidak miskin dengan nilai metrik accuracy 88%. Faktor kemiskinan yang memiliki pengaruh besar dalam menentukan daerah miskin di Pulau Jawa yaitu pendidikan terakhir, pengeluaran untuk makanan, sektor pekerjaan, serta akses terhadap sanitasi dan air layak.