Aritana Udju Dima
Program Studi Statistika, Fakultas Sains dan Teknologi Informasi, Universitas AKPRIND

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

Found 1 Documents
Search

PENGKLASIFIKASIAN INDEKS KEYAKINAN KONSUMEN DI INDONESIA TAHUN 2022 MENGGUNAKAN METODE SUPPORT VECTOR MACHINE Aritana Udju Dima; Yudi Setyawan; Rokhana Dwi Bekti; Febriani Astuti
Jurnal Statistika Industri dan Komputasi Vol. 9 No. 2 (2024): Jurnal Statistika Industri dan Komputasi
Publisher : Program Studi Statistika, Fakultas Sains dan Teknologi Informasi, Universitas AKPRIND Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34151/statistika.v9i2.4852

Abstract

Indeks keyakinan konsumen (IKK) adalah salah satu indikator utama dalam menilai kinerja perekonomian. IKK memberikan indikasi perkembangan konsumsi dan tabungan rumah tangga di masa mendatang, berdasarkan jawaban mengenai situasi keuangan yang mereka harapkan, sentimen mereka tentang situasi ekonomi secara umum, pengangguran dan kemampuan menabung. Survei Konsumen Februari 2023 mengindikasikan optimisme konsumen terhadap kondisi ekonomi, hal tersebut terindikasi dari Indeks Keyakinan Konsumen Februari 2023 sebesar 122.4, tetap terjaga pada level optimis (IKK > 100). Data yang digunakan adalah data 18 kota/provinsi yang berada di Indonesia yang bersumber dari Bank Indonesia (BI) yang diakses pada bulan Februari tahun 2023. Pada penelitian kali ini menggunakan dua kernel dari metode Support vector machine yaitu kernel RBF dan kernel Polinomial untuk melakukan pengklasifikasian terhadap indeks keyakainan konsumen pada tahun 2022, dengan membagi data ke dalam tiga proporsi yaitu 60:40, 75:25, dan 80:20 dan dilakukan tiga kali pengacakan untuk data training yaitu set.seed (159, 57 dan 143) serta dengan menggunakan nilai cost sebesar 0.1, 1, 10 dan 100. Dengan Gamma 1 serta nilai derajat parameter sebesar 2 dan dilakukan pengacakan akurasi kembali untuk data testing sebanyak tiga puluh kali diperoleh nilai interval akurasi untuk RBF yaitu 88.01% sampai 88.92%, Jadi dapat disimpulkan bahwa akurasi kernel RBF sedikit lebih bagus dibandingkan kernel polinomial yang memiliki nilai sekitar 87.36%.