KLASIFIKASI KEMISKINAN DI PROVINSI BENGKULU MENGGUNAKAN METODE POHON KLASIFIKASI GABUNGAN

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.