Penerapan SMOTE pada KNN dan CART untuk Klasifikasi Sektor Pekerja di Provinsi Nusa Tenggara Timur

Abstract

Kemajuan perekonomian suatu wilayah dapat ditunjukkan dengan adanya transformasi pekerjaan dari sektor informal ke sektor formal. Oleh karena itu, akan lebih baik jika diketahui karakteristik dari pekerja sektor formal dan pekerja sektor informal. Salah satu cara untuk mengetahuinya yaitu dengan analisis klasifikasi. Analisis klasifikasi yang dapat digunakan pada penelitian ini adalah KNearest Neighbor (KNN) dan Classification and Regression Tree (CART). Kebaikan suatu model dapat dilihat dari nilai akurasi, sensitivitas, dan spesifitas. Akan tetapi ketidakseimbangan data dapat menyebabkan rendahnya nilai sensitivitas. Salah satu metode untuk menangani masalah ketidakseimbangan data adalah Synthetic Minority Oversampling Technique (SMOTE). Hasil evaluasi menunjukkan bahwa metode SMOTE mampu meningkatkan nilai sensitivitas pada metode KNN dan CART. SMOTE pada CART memberikan hasil yang lebih baik dibandingkan metode lainnya dengan nilai akurasi sebesar 80.29%, sensitivitas sebesar 81.15%, dan spesifisitas sebesar 79.44%. Pohon klasifikasi yang terbentuk dari CART dengan SMOTE menghasilkan 8 simpul terminal dengan 5 peubah penjelas, yaitu tingkat pendidikan (X5), daerah tempat tinggal (X7), status dalam keluarga (X4), status perkawinan (X3), dan usia (X1).