KLASIFIKASI PROVINSI DI INDONESIA DENGAN METODE CART DAN KNN BERDASARKAN PDRB PER KAPITA

Abstract

Pertumbuhan ekonomi dapat diukur menggunakan Produk Domestik Regional Bruto (PDRB) per kapita dengan menekankan pada kemampuan daerah untuk meningkatkan PDRB melebihi tingkat pertumbuhan penduduk. Dalam penelitian ini dilakukan pengklasifikasian provinsi di Indonesia berdasar Produk Domestik Regional Bruto per kapita per tahun atas harga konstan menggunakan metode Classification and Regression Trees (CART) dan K-Nearest Neighbors (KNN). Variabel yang digunakan meliputi tingkat pengangguran terbuka (X1), upah minimum provinsi (X2), persentase penduduk miskin (X3), rata-rata lama sekolah (X4), dan partisipasi Angkatan kerja (X5). Data diambil dari publikasi Badan Pusat Statistik tahun 2023.  Algoritma CART adalah metode klasifikasi data dengan mengkategorikan data berdasarkan proporsi terbesar pada simpul terminal. Algoritma KNN adalah algoritma klasifikasi data berdasar k tetangga terdekatnya (nearest neighbors).  Dari hasil penelitian ini menunjukkan bahwa hasil prediksi PDRB per kapita per tahun atas harga konstan menggunakan algoritma CART dan KNN memperoleh nilai akurasi yang baik. Diketahui juga bahwa algoritma CART merupakan model terbaik dalam mengklasifikasikan PDRB per kapita per tahun atas harga konstan karena memiliki nilai rata-rata akurasi paling tinggi yaitu sebesar 90,475%.