Article Per Year (5 Year)
p-Index From 2019 - 2024
0.23
P-Index
This Author published in this journals
All Journal Jurnal Aplikasi Statistika & Komputasi Statistik
Winalia Agwil
Bengkulu University
Computer Science & IT Decision Sciences, Operations Research & Management Mathematics

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
KLASIFIKASI KEMISKINAN DI PROVINSI BENGKULU MENGGUNAKAN METODE POHON KLASIFIKASI GABUNGAN Winalia Agwil; Agustina; Herlin Fransiska
Jurnal Aplikasi Statistika & Komputasi Statistik Vol 14 No 1 (2022): Jurnal Aplikasi Statistika dan Komputasi Statistik
Publisher : Pusat Penelitian dan Pengabdian kepada Masyarakat Politeknik Statistika STIS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34123/jurnalasks.v14i2.348

Abstract

Kemiskinan merupakan permasalahan global yang menjadi perhatian dunia. Hal ini dapat dilihat dari deklarasi SDGs yang menjadikan permasalahan kemiskinan sebagai prioritas utama. Penanganan kemiskinan yang baik akan membantu penyelesaian permasalahan dunia yang lain seperti permasalahan kelaparan, kesehatan, kesejahteraan, pendidikan, air bersih dan sanitasi. Untuk mencapai tujuan penanganan kemiskinan dengan cepat dan maksimal, tentunya dibutuhkan analisis yang dapat mengidentifikasi rumah tangga miskin dengan tepat sehingga dapat dirancang suatu program tepat sasaran sesuai karakteristik rumah tangga tergolong miskin. Salah satu metode statistika yang dapat dilakukan untuk melihat karakteristik tersebut adalah pohon klasifikasi seperti Classification and Regression Tree (CART). Namun metode ini memiliki kelemahan jika terdapat ketikseimbangan kelas data (unbalanced dataset), sehingga ditanggulangi dengan metode SMOTE. Selain metode CART, akan dilakukan pengklasifikasian dengan Random Forest dan Xgboost. Hasil menunjukkan bahwa pada data yang telah seimbang, model random forest CART memiliki nilai AUC yang paling tinggi. Hal ini mengindikasikan metode ini lebih baik dibandingkan yang lainnya. Berdasarkan pemodelan dengan random forest diperoleh tiga variabel paling menentukan rumah tangga miskin yaitu jumlah anggota rumah tangga, ijazah terakhir kepala rumah tangga dan luas lantai rumah.
Co-Authors Agustina Herlin Fransiska