| dc.description.abstract | Permasalahan yang sering dihadapi suatu negara yaitu masalah
pengangguran. Jika dilihat berdasarkan pendidikan terakhir yang ditamatkan, data
dari Badan Pusat Statistik (BPS) menunjukkan bahwa selama tiga tahun terakhir
Tingkat Pengangguran Terbuka (TPT) tertinggi yaitu pada lulusan Sekolah
Menengah Kejuruan (SMK). Padahal harapan dibentuknya SMK agar lulusannya
langsung menjadi tenaga kerja yang siap pakai di dunia kerja. Pada pelaporan BPS
periode Februari 2020 Provinsi Banten menjadi penyumbang terbanyak
pengangguran di Indonesia (8,01%) dan juga penyumbang terbanyak untuk
pengangguran lulusan SMK (13,13%). Hal ini cukup kontradiktif karena Banten
dikenal dengan wilayah strategis industri dan wilayah yang terkena spasial dari
Provinsi DKI Jakarta. Oleh karena itu penelitian ini bertujuan untuk melakukan
analisis klasifikasi status kerja penduduk lulusan SMK di Provinsi Banten
menggunakan metode K Nearest Neighbor (KNN) dengan perhitungan jarak
Heterogeneous Euclidean-Overlap Metric (HEOM). Dari data yang diperoleh,
kelas pengangguran memiliki jumlah jauh lebih sedikit dibandingkan kelas bukan
pengangguran, yang mengindikasikan terdapat ketidakseimbangan kelas data. Hal
ini dapat membuat model klasifikasi sangat buruk dalam memprediksi objek kelas
pengangguran (minoritas), sehingga dilakukan penanganan ketidakseimbangan
data dengan menggunakan teknik Synthetic Minority Oversampling Technique
(SMOTE) dan Adaptive Synthetic (ADASYN). Nilai evaluasi klasifikasi KNN
dengan oversampling SMOTE memberikan performa model terbaik dengan nilai
sensitivitas, G-mean, dan AUC berturut-turut sebesar 0,69, 0,768, dan 0,773.
Berdasarkan hasil ini maka dapat dikatakan bahwa model klasifikasi sudah cukup
baik dalam mengklasifikasi status kerja terutama pada kelas pengangguran
(minoritas). | en_US |
