TINJAUAN SISTEMATIS METODE LINEAR REGRESSION, K-NEAREST NEIGHBOR DAN RANDOM FOREST UNTUK PREDIKSI TINGKAT KEMISKINAN

Borianto Borianto, Billy Hendrik

Abstract


Tinjauan sistematis terhadap metode prediksi tingkat kemiskinan bertujuan untuk memberikan gambaran menyeluruh mengenai pendekatan, metode, dan hasil penelitian terdahulu di bidang ini. Berbagai algoritma machine learning, seperti regresi linear, K-Nearest Neighbor (KNN), dan Random Forest, telah digunakan dalam studi untuk memprediksi tingkat kemiskinan berdasarkan faktor-faktor sosial, ekonomi, dan demografi. Penelitian ini juga mengeksplorasi peran penting data mining, preprocessing data, serta Tingkat akurasi dalam menentukan performa model prediksi. Hasil kajian menunjukkan bahwa pemilihan metode yang tepat sangat bergantung pada karakteristik data, seperti linearitas hubungan antar variabel dan kompleksitas dataset. Literature review ini diharapkan dapat menjadi dasar untuk pengembangan model prediksi yang lebih akurat dan efektif dalam membantu pengambilan kebijakan pengentasan kemiskinan.

Full Text:

PDF


DOI: http://dx.doi.org/10.36723/juri.v16i2.720

Refbacks

  • There are currently no refbacks.


Lisensi Creative Commons
Ciptaan disebarluaskan di bawah Lisensi Creative Commons Atribusi-NonKomersial 4.0 Internasional.

 

 

 

 

 

View My Stats