Dian Ayu Puspitasari, 4112320036 (2023) Implementasi Metode Random Forest untuk Memprediksi Indeks Pembangunan Manusia di Provinsi Jawa Tengah. Diploma thesis, UNNES.

	PDF - Published Version Download (934kB)
	PDF - Published Version Restricted to Repository staff only Download (2MB) | Request a copy
	PDF - Published Version Download (238kB)
	PDF - Published Version Download (223kB)
	PDF - Published Version Download (217kB)
	PDF - Published Version Restricted to Repository staff only Download (493kB) | Request a copy

Abstract

IPM digunakan sebagai alat untuk mengukur keberhasilan pembangunan manusia di suatu wilayah. Status IPM di Provinsi Jawa Tengah termasuk ke dalam kategori tinggi. Serta tingkat penyebaran kabupaten/kota status nilai IPM tergolong bervariasi. Oleh karena itu, upaya Pemerintah Jawa Tengah dalam menanggulangi ketidaksamaan tingkat IPM di kabupaten/kota maka dilakukan prediksi dengan metode regresi random forest dan decision tree yang tepat. Penelitian ini bertujuan untuk mengetahui hasil perbandingan dan implementasi metode random forest regression dan decision tree regression serta faktor yang mempengaruhi IPM di Jawa Tengah dengan bantuan software python. Kedua metode penelitian yang digunakan pada penelitian ini merupakan algoritma machine learning yang memiliki dua fungsi penyelesaian masalah yaitu regresi dan klasifikasi. Metode regresi digunakan ketika variabel dependen berskala kontinu atau numerik. Pengukuran performa dan kualitas model prediksi pada penelitian ini menggunakan metrik evaluasi R-Square, MAPE, RMSE. Selain itu, untuk menentukan seberapa penting atau berpengaruhnya suatu variabel terhadap hasil prediksi model dapat dilihat dari nilai variable importance. Penelitian ini menggunakan data IPM di Provinsi Jawa Tengah tahun 2022 berdasarkan kabupaten/kota. Variabel yang digunakan yaitu usia harapan hidup, harapan lama sekolah, rata-rata lama sekolah, dan pengeluaran perkapita yang disesuaikan. Hasil evaluasi model yang diperoleh dari nilai metrik evaluasi didapatkan nilai R-Square sebesar sebesar 0,953, MAPE sebesar 0,657 atau 65,7% serta RMSE sebesar 0,881 untuk metode random forest. Serta untuk metode decision tree diperoleh nilai R-Square sebesar 0,843, MAPE sebasar 1,544 atau 154,4% serta RMSE sebesar 1,610. Nilai R-Square yang tinggi menjelaskan variasi data serta untuk MAPE dan RMSE memiliki nilai yang relatif rendah menunjukkan model berkinerja baik dalam memprediksi nilai aktual. Oleh karena itu, metode terbaik yang dapat digunakan untuk memprediksi data IPM di Provinsi Jawa Tengah yaitu menggunakan metode random forest regression. Selain itu, Variabel dengan kepentingan terbesar yang mampu mempengaruhi nilai prediksi IPM adalah variabel rata-rata lama sekolah dengan nilai sebesar 0,972. Artinya bahwa variabel rata-rata lama sekolah memiliki dampak yang signifikan dalam menentukan nilai IPM, semakin tinggi nilai variabel rata-rata lama sekolah maka semakin tinggi pula kemungkinan nilai prediksi IPM.

Actions (login required)

View Item