PERBANDINGAN METODE RANDOM FOREST DAN ADAPTIVE BOOSTING PADA KLASIFIKASI INDEKS PEMBANGUNAN MANUSIA DI INDONESIA

Abstract

Indeks Pembangunan Manusia (IPM) merupakan pengukuran capaian pembangunan manusia berbasis sejumlah komponen dasar kualitas hidup. Penentuan program pembangunan yang dilaksanakan pemerintah daerah harus tepat sasaran dan sesuai dengan prioritas kabupaten/kota berdasarkan kategori IPM yang dimilikinya. Oleh karena itu, perlu adanya suatu sistem keputusan yang dapat menentukan klasifikasi kategori IPM di masing-masing kabupaten/kota di Indonesia secara akurat. Penelitian ini melakukan klasifikasi menggunakan metode Random Forest dan Adaptive Boosting. Penelitian ini menggunakan data sekunder yang bersumber dari Badan Pusat Statistik (BPS). Variabel yang digunakan yaitu Indeks Pembangunan Manusia (IPM), Umur Harapan Hidup saat lahir (UHH), Harapan Lama Sekolah (HLS), Rata-rata Lama Sekolah (RLS), Pengeluaran per Kapita disesuaikan (PPD), dan Persentase Penduduk Miskin (P0). Semua data adalah data cross-section yaitu kumpulan data dari 514 Kabupaten/Kota pada 34 Provinsi di Indonesia tahun 2022. Hasil analisis menunjukkan bahwa metode Adaptive Boosting lebih baik dari pada metode Random Forest dalam melakukan klasifikasi. Di mana tingkat akurasi klasifikasi metode Adaptive Boosting adalah 96,08% lebih besar dari tingkat akurasi klasifikasi metode Random Forest yaitu 95,10%. Hasil klasifikasi IPM diperoleh 41 kabupaten/kota yang termasuk IPM sangat tinggi, diantaranya Kota Yogyakarta. Kemudian 233 kabupaten/kota termasuk dalam klasifikasi IPM tinggi, diantaranya Kota Probolinggo. Terdapat 221 kabupaten/kota termasuk dalam klasifikasi IPM sedang, diantaranya Kabupaten Simeulue. Sedangkan 19 kabupaten/kota termasuk klasifikasi IPM rendah, diantaranya Kabupaten Nduga. Kabupaten/kota termasuk klasifikasi IPM rendah mayoritas berada di Provinsi Papua. Adapun peran variabel terhadap klasifikasi dari yang terbesar secara berurutan adalah PPD, RLS, UHH, HLS,
dan P0.