Metode Hutan Ordinal untuk Klasifikasi Desa Sesuai dengan Status Indeks Desa Membangun
DOI:
https://doi.org/10.34123/jurnalasks.v15i2.547Keywords:
Hutan ordinal, Naïve Hutan ordinal, Klasifikasi Status IDMAbstract
Metode hutan acak merupakan metode klasifikasi berbasis pohon yang cukup populer. Metode ini jika diterapkan pada peubah respon ordinal akan memberikan hasil yang mengubah karakteristik dari data ordinal itu sendiri. Dalam tulisan ini akan dibahas kinerja dari metode hutan ordinal dan hutan ordinal Naïve untuk klasifikasi status berbagai desa sesuai dengan Indeks Desa Membangun (IDM) di kabupatenTasikmalaya dan Indramayu. Hasilnya memperlihatkan bahwa untuk Kabupaten Tasikmalaya kinerja metode hutan ordinal mengungguli kinerja hutan ordinal Naïve dengan rataan akurasi sebesar 73.8% dan rataan nilai kappa sebesar 0.18 sedangkan pada Kabupaten Indramayu kinerja metode hutan ordinal naïve yang justeru mengungguli metode hutan ordinal dengan rataan akurasi sebesar 51.6 % dan rataan nilai kappa sebesar 0.162. Selain itu ditunjukkan pula bahwa peubah yang penting dalam proses klasifikasi status IDM di Kabupaten Tasikmalaya dan Kabupaten Indramayu adalah peubah Jumlah Koperasi dan Jarak terdekat ke rumah sakit.
Downloads
References
Agustine, P. Y. (2019). Penerapan Random Forest Ordinal dalam Menentukan Mutu Penciri Akreditasi SMA berdasarkan Indikator Pemetaan Mutu Pendidikan. (Thesis, IPB University).
Badan Pusat Statistik Provinsi Jawa Barat. (n.d.). Retrieved March 18, 2023, from https://jabar.bps.go.id/publication/2022/08/29/132e723cf83a810777bc74a1/perkembangan-tingkat-kemiskinan-provinsi-jawa-barat-maret-2022.html
Breiman, L. (2001). Random forests. Machine Learning, 45(1), 5–32. https://doi.org/10.1023/A:1010933404324/METRICS
Dewi, N. K., Syafitri, U. D., & Mulyadi, S. Y. (2011). Penerapan Metode Random Forest dalam Driver Analysis. FORUM STATISTIKA DAN KOMPUTASI, 16(1), 35–43. https://jurnal.ipb.ac.id/index.php/statistika/article/view/5443
Hanibal, H. (2015). Indeks Desa Membangun.
Hornung, R. (2017). Ordinal Forests.
Hornung, R. (2019): ordinalForest: Ordinal Forests: Prediction and Variable Ranking with Ordinal Target Variables, URL https://CRAN.R-project.org/package= ordinalForest, r package version 2.3-1
Hornung, R. (2020). Ordinal Forests. Journal of Classification, 37(1), 4–17. https://doi.org/10.1007/S00357-018-9302-X/METRICS
Hothorn, T., Hornik, K., & Zeileis, A. (2006). Unbiased Recursive Partitioning: A Conditional Inference Framework. Http://Dx.Doi.Org/10.1198/106186006X133933, 15(3), 651–674. https://doi.org/10.1198/106186006X133933
Irawan, H. (2019). Faktor-Faktor Rumah Tangga yang Mencirikan Tingkat Kerawanan Pangan. (Thesis, IPB University).
Janitza, S., Tutz, G., & Boulesteix, A. L. (2016). Random forest for ordinal responses: Prediction and variable selection. Computational Statistics & Data Analysis, 96, 57–73. https://doi.org/10.1016/J.CSDA.2015.10.005
Kuhn, M., Wing, J., Weston, S., Williams, A., Keefer, C., Engelhardt, A., ... & Team, R. C. (2020). Package ‘caret’. The R Journal, 223(7).
Nisa, Z. I., Soleh, A. M., & Wijayanto, H. (2021). Identifikasi Faktor-Faktor yang Memengaruhi Prestasi Mahasiswa Menggunakan Regresi Logistik Ordinal dan Random Forest Ordinal: Studi Kasus Mahasiswa FMIPA IPB Angkatan 2015-2017. Xplore: Journal of Statistics, 10(1), 88-101.
Setyowati, E. (2019). Tata Kelola Pemerintahan Desa Pada Perbedaan Indeks Desa Membangun (IDM): Studi Tiga Desa Di Kabupaten Malang. In JISPO (Vol. 9, Issue 2).
Sim, J., & Wright, C. C. (2005). The Kappa Statistic in Reliability Studies: Use, Interpretation, and Sample Size Requirements. Physical Therapy, 85(3), 257–268. https://doi.org/10.1093/PTJ/85.3.257
Sriningsih, S., Astuti, E., Ismiwati, B., Ekonomi, F., & Bisnis, D. (2020). Implementasi PERMENDESAPDTTRANS NO. 2 Tahun 2016 Terkait Status Desa di Desa Sukarara Lombok Tengah. In Jurnal Kompetitif?: Media Informasi Ekonomi Pembangunan (Vol. 6, Issue 1). http://www.keuangandesa.com.
Zulhartati, S. (2010). Peranan Koperasi Dalam Perekonomian Indonesia. Guru Membangun, 25(3). https://doi.org/10.26418/GM.V25I3.233
