Analisis Klasifikasi Indeks Pembangunan Manusia di Kabupaten/Kota: Pendekatan Random Forest dengan Penanganan Ketidakseimbangan Data Menggunakan SMOTE dan ADASYN

Abstract

Indeks Pembangunan Manusia (IPM) merupakan salah satu alat ukur yang digunakan untuk mengevaluasi tingkat perkembangan kualitas hidup manusia. Salah satu keunggulan utama dari IPM adalah kemampuannya untuk memfasilitasi perbandingan antarwilayah dalam hal perkembangan pembangunan manusia. Variasi yang signifikan dalam IPM antar wilayah menciptakan distribusi yang tidak merata. Ketidakseimbangan ini mencerminkan perbedaan dalam upaya pembangunan manusia di seluruh wilayah tersebut. Tujuan penelitian ini adalah mengetahui perbandingan klasifikasi metode Random Forest dengan tanpa sampling serta penanganan ketidakseimbangan data menggunakan SMOTE dan ADASYN dalam Indeks Pembangunan Manusia di Kabupaten/Kota Indonesia tahun 2022. Hasil analisis penelitian ini menunjukkan bahwa Random Forest dengan ADASYN lebih unggul dibandingkan dengan SMOTE dan tanpa sampling. Model Random Forest dengan ADASYN menghasilkan nilai accuracy sebesar 90% dan nilai AUC sebesar 0.91. Hasil menunjukkan bahwa IPM di Kabupaten/Kota Indonesia pada tahun 2022 dapat diklasifikasikan dengan baik menggunakan metode Random Forest setelah penanganan ketidakseimbangan data dengan ADASYN. Faktor yang paling mempengaruhi IPM berdasarkan feature importance dari kedua model yang telah terbentuk adalah Pengeluaran Perkapita Disesuaikan.