Klasifikasi Kabupaten di Provinsi Jawa Timur Berdasarkan Indikator Daerah Tertinggal dengan metode Support Vector Machine (SVM) dan Entropy Based Fuzzy Support Vector Machine (EFSVM)

Jefry Pranata Maulana, Irhamah Irhamah

Abstract


Pemerintah menetapkan 4 Kabupaten dari 29 kabupat-en di Provinsi Jawa Timur masuk dalam kategori dae-rah tertinggal pada tahun 2015. Penelitian ini akan digunakan metode Entropy Based Fuzzy Support Vector Machine (EFSVM) dan Support Vector Machine (SVM) untuk mengklasifikasikan kabupaten di Provinsi Jawa Timur dengan dan tanpa seleksi variabel. Terdapatnya imbalance pada data deerah tertinggal dimana kabu-paten tertinggal jauh lebih sedikit dibandingkan kabu-paten tidak tertinggal memerlukan metode klasifikasi untuk data imbalance, Salah satunya adalah EFSVM. Hasil menunjukan EFSVM memiliki Kinerja yang lebih baik pada AUC dibandingkan dengan SVM.. Seleksi variabel mampu meningkatkan AUC pada EFSVM na-mun tidak meningkatkan AUC pada SVM.

Keywords


Daerah Tertinggal; Data Imbalance; Entropy Fuzzy; Support Vector Machine (SVM)

Full Text:

PDF

References


Badan Pusat Statistik, Statistik Potensi Desa Jawa Timur, Jakarta: Badan Pusat Statistik., 2014.

Dinas Kesehatan Provinsi Jawa Timur, Profil Kesehatan Provinsi Jawa Timur, Surabaya: Dinas Kesehatan Provinsi Jawa Timur, 2014 .

Direktorat Jenderal Perimbangan Keuangan Kementerian Keuangan, Affirmative Policy Dalam Percepatan Pembangunan Daerah Untuk Meningkatkan Kesejahteraan Rakyat., Jakarta: Kementerian Keuangan, 2013.

Q. Fan, Z. Wang, D. Li, D. Gao and H. Zha, "Entropy Based Fuzzy Support Vector Machine for Imbalance Datasets," Knowledge Based System, pp. 87-99, 2017.

S. Gunn, Support Vector Machine for Clasification and Regression, Southamton: University of Southamton, 1998.

N. Hasanah, Analisis Diskriminan untuk Evaluasi status Ketertinggalan Kabupaten, Bogor: Jurusan Statistika Institut Pertanian Bogor, 2009.

W. C. Hsu, C. C. Chang and C. J. Lin, A Practical Guide to Support Vector Machine., Taipei: Departement of Computer Science National Taiwan University, 2004.

K. Desa, Rencana Strategis Direktorat Jenderal Pembangunan Daerah Tertinggal 2015-2019, Jakarta: Kementerian Desa, Pembangunan Daerah Tertinggal dan Transmigrasi, 2015.

V. Lisna, B. Sinaga, M. Firdaus and S. Sutomo, "Dampak Kapasitas Fiskal terhadap Penurunan Kemiskinan: Suatu Analisis Simulasi Kebijakan," Jurnal Ekonomi dan Pembangunan Indonesia, pp. 1-26, 2013.

H. Liu and Y. Lei, "Feature Selection for High Dimensional Data : A Fast Correlation Based Filter Solution," Proceeding of Twentieth International Conference on Machine Learning (ICML-2003), 2003.

T. &. H. Y. Purwandari, Pemodelan Ketertinggalan Daerah, Bandung: Jurusan Statistika, Universitas Padjadjaran, 2017.




DOI: http://dx.doi.org/10.12962/j27213862.v1i1.6715

Refbacks

  • There are currently no refbacks.




Creative Commons License
Inferensi by Department of Statistics ITS is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Based on a work at https://iptek.its.ac.id/index.php/inferensi.

ISSN:  0216-308X

e-ISSN: 2721-3862

Web
Analytics Made Easy - StatCounter View My Stats