Text
PERBANDINGAN KINERJA CART KONVENSIONAL, BAGGING DAN RANDOM FOREST PADA KLASIFIKASI OBJEK
Permasalahan yang selalu dihadapi negara berkembang seperti Indonesia
adalah tingginya angka pengangguran akibat terbatasnya kesempatan kerja.
Tingginya angka pengangguran mengakibatkan partisipasi masyarakat dalam
pertumbuhan ekonomi menjadi rendah yang berdampak pada pembangunan
nasional. Sektor informal dapat menjadi katup pengaman dalam mengatasi
masalah ketenagakerjaan. Sektor informal sering dipandang sebagai sektor
transisi dari tenaga kerja sektor pertanian di desa ke sektor industri di kota.
Namun, kenyataannya sektor informal bukan menjadi sektor transisi, tetapi
menjadi sektor yang dituju oleh pencari kerja dari sektor tradisional (pertanian)
dimana sektor informal dianggap sebagai sumber kesempatan kerja dan
pendapatan yang permanen. Untuk melihat fenomena pekerja sektor informal
yang tinggi di Provinsi Papua dan pekerja sektor informal yang rendah di Provinsi
DKI Jakarta, teknik pengklasifikasian menjadi penting sebagai tolok ukur evaluasi
dan penarikan kesimpulan permasalahan terkait pekerja sektor informal sehingga
kebijakan yang diambil oleh pemerintah dapat tepat sasaran. Metode klasifikasi
dapat dibagi menjadi metode parametrik yang memerlukan berbagai asumsi serta
metode nonparametrik yang terlepas dari berbagai asumsi. Penelitian ini
menggunakan metode klasifikasi Classification and Regression Trees (CART)
dan metode ensemble CART yaitu Bagging, dan Random Forest yang termasuk
metode nonparametrik. Hasil penelitian pada data simulasi dan data Sakemas
Provinsi Papua dan DKI Jakarta menunjukkan bahwa Metode ensemble Random
. Forest dapat meningkatkan ketepatan klasifikasi.
No copy data
No other version available