KLASIFIKASI DESA TERTINGGAL DI INDONESIA DENGAN

ALGORITME POHON KEPUTUSAN

DAN REGRESI LOGISTIK
(STUDI KASUS: POTENSI DESA 2011)

YUANDRI TRISAPUTRA & OKTARINA SAFAR NIDA

SIAP 16

INSTITUT PERTANIAN BOGOR

 LATAR BELAKANG

KLASIFIKASI DESA
POTENSI DESA TERTINGGAL/
TIDAK

PEMBANGUN DESA TEPAT

SASARAN?
dengan
PERPRES NO 12
TAHUN 2015
POHON KEPUTUSAN
&
REGRESI LOGISTIK
 TUJUAN

Menerapkan algoritme pohon keputusan dan regresi logistik untuk klasifikasi desa tertinggal.

Mengidentifikasi peluang sebuah desa menggunakan algoritme pohon keputusan dan regresi
logistik.

Menentukan peluang sebuah desa masuk dalam kategori tertinggal dengan menggunakan
kombinasi regresi logistik dan peluang aturan pohon keputusan.

Membuat program untuk klasifikasi desa tertinggal berbasis web.

 TINJAUAN PUSTAKA

KLASIFIKASI DAN PREDIKSI

ALGORITMA J48 REGRESI LOGISTIK BINER

K-CROSS
VALIDATION

CONFUSION
MATRIKS
 METODE

Proses Data,
Pembentukan Implementasi
Akusisi Data Dataset
Model, dan program
Evaluasi Model

77,961 desa dan

77,961 desa dan
1501 variabel
205 fitur
utama
 LINGKUNGAN PENGEMBANGAN

MICROSOFT
EMEDITOR IBM SPSS 23
EXCEL 2013
 HASIL DAN PEMBAHASAN

AKURASI (POHON
FITUR YANG
VALIDASI SELEKSI FITUR KEPUTUSAN,
DIGUNAKAN
REGLOG)
10 Fold Cross Validation 205 Fitur 74.8%, 66%
Tidak

train 80%, test 20% 60%, 59%

SubSetEval BestFirst 7 Fitur

train 80%, test 20% Ranker InfoGain 7 Fitur

74%, 63%

train 80%, test 20% Ranker Correlation 7 Fitur 64%, 63%

CONFUSION MATRIX POHON KEPUTUSAN
POHON KEPUTUSAN DENGAN KEDALAMAN 1
CONFUSION MATRIX REGRESI LOGISTIK
KOMBINASI PELUANG POHON KEPUTUSAN DAN REGRESI LOGISTIK

Akurasi yang didapat menggunakan kombinasi ini

sebesar 77%.
IMPLEMENTASI PROGRAM
IMPLEMENTASI PROGRAM
IMPLEMENTASI PROGRAM
 SIMPULAN

Klasifikasi menggunakan pohon keputusan dengan algoritma J48 menghasilkan akurasi sebesar
74.8%. Sementara itu, klasifikasi menggunakan regresi logistik didapatkan akurasi sebesar
66.6%

Peluang sebuah desa dapat diidentifikasi menggunakan algoritme pohon keputusan dan
regresi logistik.

Penggunaan kombinasi peluang regresi logistik dan pohon keputusan menghasilkan akurasi
yang lebih baik, yaitu sebesar 77%

Sistem berbasis web dibuat untuk klasifikasi desa tertinggal di Indonesia dengan menggunakan
kombinasi regresi logistik dan pohon keputusan.