KLASIFIKASI TINGKAT KEMISKINAN DI INDONESIA MENGGUNAKAN METODE LOGISTIC REGRESSION BERBASIS GOOGLE COLAB

Abstract

Kemiskinan tetap menjadi masalah utama di Indonesia yang memerlukan analisis berbasis data untuk mendukung formulasi kebijakan yang ditargetkan. Pengembangan metode pembelajaran mesin (machine learning) memberikan peluang untuk melakukan analisis dan klasifikasi tingkat kemiskinan secara lebih sistematis. Studi ini bertujuan untuk mengklasifikasikan tingkat kemiskinan di Indonesia menggunakan metode Regresi Logistik berdasarkan indikator sosioekonomi. Variabel yang digunakan meliputi tingkat kemiskinan, rata-rata tahun sekolah, pengeluaran per kapita, Indeks Pembangunan Manusia (IPM), harapan hidup, tingkat pengangguran, dan akses terhadap air bersih. Tahapan penelitian dimulai dengan proses data, partisi data (data pelatihan dan pengujian), pelatihan model, dan evaluasi kinerja model. menggunakan matriks kebingungan dan laporan klasifikasi. Seluruh proses pemrosesan dan pemodelan dilakukan menggunakan platform Google Colab dengan dukungan perpustakaan scikit-learn. Hasil pengujian menunjukkan bahwa model Regresi Logistik mampu menghasilkan kinerja klasifikasi yang baik. Berdasarkan hasil evaluasi, kelas 0 memperoleh nilai presisi 0.92, recall 1.00, dan skor F1 0.96, sementara kelas 1 memperoleh nilai presisi 1.00, recall 0.50, dan skor F1 0.67. Secara keseluruhan, model menghasilkan skor akurasi sebesar 92,23%, menunjukkan bahwa metode Regresi Logistik cukup efektif dalam mengklasifikasikan tingkat kemiskinan di Indonesia.