KLASIFIKASI TINGKAT KEMISKINAN DI INDONESIA MENGGUNAKAN METODE NAÏVE BAYES

Kemiskinan merupakan salah satu masalah sosial yang kompleks di Indonesia dan berdampak luas pada berbagai aspek kehidupan di masyarakat. Menyusun kebijakan yang efektif untuk menanggulangi kemiskinan membutuhkan pemahaman mendalam mengenai karakteristik dan tingkat kemiskinan di setiap daerah. Kesejahteraan merupakan suatu pencapain tatanan dalam kehidupan sosial, material, maupun spiritual yang diliputi oleh rasa keselamatan serta ketentraman lahir batin yang memungkinkan setiap individu masyarakat untuk melakukan usaha-usaha dalam memenuhi kebutuhan hidupnya guna mendapatkan kehidupan yang layak serta mampu mengembangkan dirinya dalam melaksanakan fungsi sosialnya. Dalam penelitian menggunakan metode Naïve Bayes sebagai salah satu teknik pembelajaran mesin (Machine Learning) untuk mengklasifikasikan tingkat kemiskinan berdasarkan data sosial ekonomi di Indonesia. Naïve Bayes di usulkan Thomas Bayes, yang merupakan ilmuwan Inggris, yaitu melakukan prediksi peluang masa depan berdasarkan pengalaman masa lalu dengan menggunakan statistik untuk melakukan perhitungan probabilitas hipotesis. Data yang di pakai dalam penelitian ini di dapatkan dari situs kaggle, jumlah data yang ada sebanyak 514 dengan di lengkapi 12 Atribut serta 1 label yang berisikan nilai 0 dan 1. Ketika menggunakan split validation pembagian data training dan data testing yang memiliki ratio (60:40), (70:30), dan (80:20). Akurasi yang di capai dengan ratio (60:40) sebesar 78%, (70:30) sebesar 77%, serta (80:20) sebesar 79%. Dari ketiga percobaan split validation yang sudah di coba yang memiliki akurasi terbaik pada pembagian data training dan data testing dengan ratio (80:20)