Prediksi Angka Kemiskinan Di Kabupaten Ogan Komering Ulu Menggunakan Metode Data Mining Berbasis SVM, Neural Network & SGD
DOI:
https://doi.org/10.47701/44a6x132Keywords:
Prediksi, Kemiskinan, Orange, Data Mining, SVM, Neural Network, Stochatic Gradient DescentAbstract
Kemiskinan adalah masalah kompleks yang dipengaruhi oleh berbagai faktor ekonomi, sosial, dan demografi yang saling berkaitan. Sudah menjadi tugas kebijakan ekonomi yang signifikan, oleh karena itu, dalam hal tersebut, untuk mengidentifikasi segala faktor yang relevan dan signifikan serta menguraikan efeknya terhadap tingkat kemiskinan, kita menggunakan data sekund er yang diperoleh dari Badan Pusat Statistik dan sumber-sumber kemiskinan lainnya yang memengaruhi periode penelitian yang spesifik. Penelitian ini bertujuan untuk mengeksplorasi penerapan Algoritma SVM (Support Vector Machine), Neural Network, Stochatic Gradient Descent. dengan menggunakan aplikasi Orange untuk memprediksi angka kemiskinan yang ada di Kabupaten OKU. Metodologi penelitian melibatkan tahapan pengumpulan data, pemrosesan, dan implementasi menggunakan metode SVM(Support Vector Machine), Neural Network, Stochatic Gradient Descent. melalui platform Orange. Hasil penelitian ini dapat memberikan wawasan mendalam mengenai kemampuan SVM(Support Vector Machine), Neural Network, Stochatic Gradient Descent. dalam memprediksi angka kemiskinan untuk hasil dari perhitungan yang sudah di dapatkan adalah Jumlah prediksi tahun 2025 = 72.42 sedangkan Jumlah prediksi tahun 2026 = 70.15 di Kabupaten OKU.
References
[1] Khalim, K. A., Hayati, U., & Bahtiar, A. (2023). Perbandingan Prediksi Penyakit Hipertensi Menggunakan Metode Random Forest Dan Naïve Bayes. JATI (Jurnal Mahasiswa Teknik Informatika), 7(1), 498-504.
[2] Kusuma, F., Ahsan, M., & Syahminan, S. (2021). Prediksi Jumlah Penduduk Miskin Indonesia menggunakan Metode Single Moving Average dan Double Moving Average. Jurnal Informatika dan Rekayasa Perangkat Lunak, 3(2), 105-109.
[3] Ridwan, M., Suyono, H., & Sarosa, M. (2013). Penerapan data mining untuk evaluasi kinerja akademik mahasiswa menggunakan algoritma naive bayes classifier. jurnal EECCIS, 7(1), 59-64.
[4] Rosida, P. L., Nurmalasari, M., Hosizah, H., & Krismawati, D. (2024). Implementasi Decision Tree untuk Prediksi Kelahiran Bayi Prematur. Jurnal Manajemen Informatika (JAMIKA), 14(2), 178-186.
[5] Arifin, J. (2020). Budaya kemiskinan dalam penanggulangan kemiskinan di Indonesia. Sosio Informa, 6(2), 114-132.
[6] Tisniwati, B. (2012). Analisis faktor-faktor yang mempengaruhi tingkat kemiskinan di Indonesia. Jurnal Ekonomi Pembangunan, 10(1), 33-46.
[7] Sinaga, L. M., & Sipayung, S. P. (2024). Analisis dan Prediksi Persentase Angka Kemiskinan di Indonesia menggunakan Metode Regresi Linier Berganda. KAKIFIKOM (Kumpulan Artikel Karya Ilmiah Fakultas Ilmu Komputer), 116-125.
[8] Yallah, H., Darwis, M., & Henrowati, R. (2024). PENERAPAN ALGORITMA ID3 MELALUI APLIKASI ORANGE UNTUK PREDIKSI AKURASI AKREDITASI SEKOLAH DASAR DI
DEPOK. Jurnal Manajemen Informatika dan Sistem Informasi, 7(2), 131-141.
[9] Haryati, S., Sudarsono, A., & Suryana, E. (2015). implementasi data mining untuk memprediksi masa studi mahasiswa menggunakan algoritma c4. 5 (studi kasus: universitas dehasen bengkulu). Jurnal Media Infotama, 11(2).
[10] Aprilia, K., & Sembiring, F. (2021, September). Analisis Garis Kemiskinan Makanan Menggunakan Metode Algoritma K-Means Clustering. In Prosiding Seminar Nasional Sistem Informasi Dan Manajemen Informatika Universitas Nusa Putra (Vol. 1, pp. 1- 10).
[11] Fauzi, R. N., Febriani, R. K., & Desmawan, D. (2022). Pengaruh Laju Pertumbuhan Penduduk Terhadap Kemiskinan Di Indonesia. Jurnal Ekonomi, Bisnis Dan Manajemen, 1(1), 118- 122.
[12] Ginting, R., & Humaira, C. (2021, October). Penerapan Data Mining: Prediksi Penjualan Mobil Toyota Menggunakan Artificial Neural Network pada Software Orange. In Talenta Conference Series: Energy and Engineering (EE) (Vol. 4, No. 1).
[13] Muharrom, M. (2023). Analisis Komparasi Algoritma Data Mining Naive Bayes, K-Nearest Neighbors dan Regresi Linier Dalam Prediksi Harga Emas. Bulletin of Information Technology (BIT), 4(4), 430-438.
[14] Prasetya, R. (2020). Penerapan Teknik Data Mining Dengan Algoritma Classification Tree Untuk Prediksi Hujan. Jurnal Widya Climago, 2(2).
[15] Soedjarwanto, N., & Prayoga, J. (2025). ANALISIS PERBANDINGAN TEMPERATURE WINDING PADA MOTOR SEPARATOR AREA RAW MILL DAN CEMENT MILL DI PT SEMEN BATURAJA Tbk. Jurnal Informatika dan Teknik Elektro Terapan, 13(1).
