PENERAPAN ALGORITMA NAIVE BAYES UNTUK KLASIFIKASI STATUS KEMISKINAN KABUPATEN/KOTA DI INDONESIA

Proses klasifikasi diawali dengan pembersihan data (data cleaning) untuk memastikan bahwa seluruh atribut numerik, seperti persentase penduduk miskin, pengeluaran per kapita, tingkat pengangguran terbuka, dan Indeks Pembangunan Manusia (IPM), berada dalam format yang sesuai agar dapat diproses optimal menggunakan aplikasi Orange. Setelah data dinyatakan bersih, algoritma Naive Bayes dipilih karena kemampuannya dalam mengolah data secara cepat, efisien, dan memberikan hasil klasifikasi yang kompetitif. Evaluasi model dilakukan menggunakan dua metode, yaitu 5-Fold Cross-Validation dan 10-Fold Cross- Validation, untuk memperoleh hasil yang stabil dan representatif. Berdasarkan evaluasi dari widget Test & Score pada Orange, model Naive Bayes dengan 5-Fold Cross-Validation menghasilkan akurasi 89,8%, AUC 0,938, precision 0,952, recall 0,898, F1-score 0,909, dan MCC 0,652. Sedangkan dengan 10-Fold Cross- Validation, diperoleh akurasi yang sama sebesar 89,8%, AUC 0,936, precision 0,926, recall 0,898, F1-score 0,908, dan MCC 0,612. Hasil ini menunjukkan bahwa performa model relatif stabil, dengan 5-fold memberikan hasil yang sedikit lebih baik pada precision dan MCC. Hasil Confusion Matrix dari pengujian terhadap 364 data uji menunjukkan bahwa model berhasil mengklasifikasikan 291 data “Tidak Miskin” dan 36 data “Miskin” secara benar. Namun, terdapat 32 data “Tidak Miskin” yang salah diklasifikasikan sebagai “Miskin” dan 5 data “Miskin” yang salah diklasifikasikan sebagai “Tidak Miskin”, dengan total kesalahan prediksi 37 data. Akurasi aktual dari pengujian ini adalah 89,8%, sesuai dengan hasil evaluasi cross-validation. Dari keseluruhan hasil tersebut, dapat disimpulkan bahwa algoritma Naive Bayes mampu mengklasifikasikan status kemiskinan dengan performa yang baik, ditunjukkan oleh nilai AUC yang tinggi, precision dan recall yang seimbang, serta akurasi yang konsisten. Oleh karena itu, model ini layak digunakan untuk analisis klasifikasi status kemiskinan pada data yang digunakan dalam penelitian ini.