Aplikasi Pengolahan Data Prediksi Kemiskinan Berbasis E-commerce Menggunakan Decision Tree Dan Wrapper Feature Selection

Abstract

Abstrak Kemiskinan adalah suatu kondisi seseorang yang tidak dapat memenuhi kebutuhannya, baik material maupun non-material. Badan Pusat Statistik menggunakan metode dengan konsep pendekatan kebutuhan dasar atau dapat disebut kemampuan untuk memenuhi kebutuhan dasar untuk mengukur tingkat kemiskinan di suatu daerah. Konsep ini menggunakan pendekatan kebutuhan dasar yang dibutuhkan oleh manusia seperti kebutuhan makanan dan kebutuhan bukan makanan untuk mengukur tingkat kemiskinan di suatu daerah melalui survei sosial ekonomi nasional (SUSENAS). Adapun hambatan yang dilakukan pada saat SUSENAS diperkirakan memakan waktu yang tidak singkat karena dalam kegiatan tersebut diperlukannya tahap wawancara terhadap setiap kepala rumah tangga dengan menggunakan kuesioner oleh karena itu dapat dipastikan membutuhkan biaya yang cukup besar serta para kepala rumah tangga tidak mudah untuk ditemui bahkan menghindar karena para kepala rumah tangga takut jika terjadi penipuan. Metode lain untuk melengkapi hasil survei dan sensus BPS adalah dengan menggunakan machine learning decision tree dan wrapper feature selection dibantu dengan data e-commerce yang diperoleh dari salah satu perusahaan e-commerce di Indonesia untuk mendapatkan data prediksi kemiskinan. Hasil dari eksperimen yang dilakukan dapat disimpulkan bahwa relevan dengan hasil BPS apabila terdapat banyak fitur, jika dengan 10 - 40 dan 80-90 fitur maka hasilnya tidak relevan. Kata Kunci: Kemiskinan, BPS, machine learning, decision tree, wrapper. Abstract Poverty is a problem of someone who cannot meet their needs, both material and non-material. The Central Statistics Agency uses methods with basic needs or can be called needs for basic needs to measure the level of welfare in an area. This concept uses the basic needs needed by humans as food and non-food needs to measure poverty levels in the region through a national socioeconomic survey (SUSENAS). What is done when SUSENAS is estimated not to spend a short amount of time because in these activities interviews are needed for each household using a questionnaire therefore it can be ascertained that it requires a significant amount of money with the heads of households not easy to meet. trouble. Another method for completing the results of BPS surveys and censuses is to use machine learning decision trees and wrapper feature selection assisted with e-commerce data obtained from one e-commerce company in Indonesia to obtain poverty prediction data. The results of the experiments can be concluded that relevant to the results of the BPS estimate there are many features, if the 10-40 and 80-90 features are produced irrelevant. Keywords: Proverty, BPS, machine learning, decision tree, wrapper.