Klasifikasi Tingkat KemiskinandDi Indonesia Menggunakan Algoritma Decision Tree

Abstract

Poverty is a complex economic and social issue in Indonesia that requires special attention to address. The main problem is the lack of effective data-driven approaches to classify poverty levels in Indonesia. This research aims to classify poverty levels in Indonesia using the decision tree algorithm. Data related to poverty levels are analyzed using the decision tree algorithm to identify the features most related to poverty issues in Indonesia. The problem-solving process involves collecting data related to poverty levels in Indonesia, data preprocessing, modeling, and model testing. The research results show that the decision tree algorithm can classify poverty levels with high accuracy. This algorithm identifies features such as education level and access to basic facilities as key factors influencing poverty. The classification results show a model accuracy of 0.93, with a precision value of 0.94, recall 0.98, and F1 score of 0.96 for classification 1, but low with precision, recall, and F1 score of 0.00 for classification 0.

Abstrak

Kemiskinan merupakan permasalahan ekonomi dan sosial yang kompleks di Indonesia yang memerlukan perhatian khusus untuk mengatasinya.Masalah utamanya adalah kurangnya pendekatan berbasis data yang efektif untuk mengklasifikasikan tingkat kemiskinan di Indonesia.Penelitian ini bertujuan untuk mengklasifikasikan tingkat kemiskinan di Indonesia menggunakan algoritma pohon keputusan.Data terkait tingkat kemiskinan dianalisis menggunakan algoritma pohon keputusan untuk mengetahui fitur yang paling berelasi dengan masalah kemiskinan di Indonesia. Penyelesaian masalah dilakukan dengan mengumpulkan data terkait tingkat kemiskinan di Indonesia, preprocessing data, modeling dan pengujian model.Hasil penelitian menunjukkan bahwa algoritma pohon keputusan mampu mengklasifikasikan tingkat kemiskinan dengan akurasi yang tinggi.Algoritma ini mengidentifikasi fitur seperti tingkat pendidikan dan akses terhadap fasilitas dasar sebagai faktor kunci yang mempengaruhi kemiskinan.Hasil klasifikasi menunjukkan akurasi model sebesar 0,93, dengan nilai presisi 0,94, recall 0,98, dan skor F1 0,96 untuk klasifikasi 1. namun rendah dengan nilai presisi,recall dan skor F1 nya adalah 0,00 untuk klasifikasi 0.

Kata Kunci: Klasifikasi, Decision Tree,Tingkat Kemiskinan