Pemodelan kemiskinan Provinsi Jawa Timur menggunakan Metode Classification and Regression Trees dan Bootstrap Aggregating

ABSTRAK

Kemiskinan merupakan salah satu problematika dalam perekonomian Indonesia yang terbilang komplek dan mendasar. Upaya pencarian solusi untuk mengatasi sebuah kemiskinan menjadi hal yang rumit serta menjadi salah satu program prioritas dari pemerintah dimana penduduk miskin yang besar akan menjadi beban bagi kemajuan sebuah negara. Provinsi Jawa Timur memiliki tingkat kemiskinan yang cukup tinggi, dimana pada tahun 2018 jumlah penduduk miskin menurut BPS Provinsi Jawa Timur adalah sebanyak 4332,59 jiwa dimana telah mengalami penurunan dari tahun sebelumnya, akan tetapi masih diperlukan solusi untuk mengetahui variabel apa yang mempengaruhi untuk terjadinya kemiskinan tersebut. Tujuan dari penelitian ini adalah untuk mengetahui pemodelan kemiskinan di Provinsi Jawa Timur berdasarkan variabel yang sangat berpengaruh dalam terbentuknya sebuah kemiskinan di sebuah daerah dengan menggunakan metode statistik nonparametrik Classification And Regression Trees dan Bootstrap Aggregating. Hasil dari penelitian menunjukkan bahwa metode yang dimiliki oleh metode Bootstrap Aggregating lebih tinggi dari pada keakuratan dari metode Classification And Regression Trees. Metode Bootstrap Aggregating memperoleh nilai RMSE sebesar 2,881789 dan nilai RMSE yang diperoleh dari metode Classification And Regression Trees adalah sebesar 3,498211. Variabel yang mempengaruhi terjadinya kemiskinan di Provinsi Jawa Timur pada tahun 2018 menurut metode Classification And Regression Trees pada urutan pertama yaitu variabel PDRB dan urutan pertama pada metode Bootstrap Aggregating adalah variabel IPM.

ABSTRACT

Poverty is one of the problems in the Indonesian economy which is fairly complex and fundamental. The efforts to find solutions to alleviate poverty are complicated and one of the priority programs of the government where a large number of poor people will become a burden for the progress of a country. East Java Province has a fairly high poverty rate, wherein 2018 the number of poor people according to the BPS of East Java Province was 4332.59 people which has decreased from the previous year, but solutions are still needed to find out what variables affect poverty. The purpose of this study was to determine poverty modeling in East Java Province based on variables that are very influential in the formation of poverty in an area using non-parametric statistical methods Classification And Regression Trees and Bootstrap Aggregating. The results of the study indicate that the method owned by the Bootstrap Aggregating method is higher than the accuracy of the Classification and Regression Trees method. The Bootstrap Aggregating method obtains a RMSE value of 2,881789 and the RMSE value obtained from the Classification and Regression Trees method is equal to 3,498211. The variables that affect the occurrence of poverty in East Java Province in 2018 according to the Classification and Regression Trees method in the first place, namely the PDRB variable and the first order in the Bootstrap Aggregating method is the IPM variable.

مستخلص البحث

من إحدى المشكلات العامة التى تحدث في بلادنا إندونيسيا هي الفقر. والحلول لتلك المشكلة هو من وظيفة بلاد إندونيسيا، لأن تلك المشكلة تكون مانعة و نهضة لتقدم البلاد. ويفوق الفقر في ولاية جاوى الشرقية لأن المساكين فيها في سنة 2018 عند BPS 4332.59 التى تنزل من قبلها. لكن يطلب سبب ذلك. والهدف من هذه البحث ليعلم مثال المسكين فيها بطريقة Classification And Regression Trees و Bootstrap Aggregating. و نتائج البحث هو أن الطريقة المملوكة لطريقة Bootstrap Aggregating أدقّ من طريقة Classification And Regression Trees. حصلت طريقة تجميع Bootstrap على قيمة RMSE تبلغ 2.881789 وكانت قيمة RMSE التي تم الحصول عليها من Classification And Regression Trees 3.498211. والمتقلب المؤثر من الفقر في جاوى الشرقية سنة 2018 عند طريقة Classification And Regression Trees في دربة الأولى متقلب PDRB و عند Bootstrap Aggregating هي متقلب IPM.