Perbandingan Multinomial Logistic Discriminant Analysis (MLgDA), Classification and Regression Trees (CART), dan Algoritme EasyEnsemble (Studi Kasus: Dampak Anak Bekerja di Indonesia, 2018).
View/ Open
Date
2019Author
Al Amri, Muhammad Zulky
Sumertajaya, I Made
Syafitri, Utami Dyah
Metadata
Show full item recordAbstract
Indonesia melalui Kementerian Ketenagakerjaan telah menerbitkan Peta
Jalan (Roadmap) “Menuju Indonesia Bebas Pekerja Anak Tahun 2022”. Namun
data masih mencatat terdapat 7.23 persen anak bekerja pada tahun 2017, lima tahun
menjelang tahun target. Faktanya, temuan tersebut meningkat sejak 2015 yang
hanya mencapai 5.99 persen. Anak bekerja mengalami berbagai dampak
permasalahan, yang paling terlihat jelas adalah mengenai pendidikan dan jumlah
jam kerja. Anak bekerja ada yang terhambat akses pendidikannya, tereksploitasi
secara jam kerja, atau bahkan mengalami kedua dampak tersebut sekaligus. Untuk
itu perlu ditemukan faktor pengklasifikasi pada dampak anak bekerja.
Tujuan utama penelitian ini ialah menentukan metode yang tepat dalam
mengklasifikasikan dampak anak bekerja. Metode yang dicobakan adalah
Multinomial Logistic Discriminant Analysis (MLgDA), Classification and
Regression Trees (CART), dan algoritme EasyEnsemble. Ketiga metode tersebut
sama-sama berguna dalam pengklasifikasian kasus multikelas tidak berorde.
Keunggulan MLgDA antara lain cocok untuk data yang terdiri dari peubah numerik
dan kategorik, formulasinya mudah dipahami, dan cocok untuk berbagai distribusi.
CART efisien dalam mengklasifikasikan sampel baru, telah teruji secara luas
implementasinya dalam perangkat lunak, mampu mengatasi data yang hilang, tidak
terpengaruh adanya pencilan, kolinieritas, dan heteroskedastisitas antar peubahnya,
serta tidak ada trasnformasi data. Algoritme EasyEnsemble merupakan algoritme
terbaik dari beberapa metode ensemble yang pernah dikembangkan saat ini,
memiliki waktu pengolahan yang lebih cepat daripada algoritme lain, serta tahapan
algoritmenya mudah dipahami.
Data penelitian ini bersumber dari Survei Angkatan Kerja Nasional
(Sakernas) 2018. Sebanyak 15.53 % anak bekerja terhambat akses pendidikannya.
Anak bekerja tereksploitasi secara jam kerja sebesar 19.89 %. Anak bekerja
terhambat akses pendidikannya sekaligus tereksploitasi secara jam kerja sebesar
18.89 %. Sementara 45.69 % sisanya anak bekerja tidak mengalami kedua dampak.
Kinerja klasifikasi dampak anak bekerja terbaik dihasilkan oleh MLgDA.
MLgDA memberikan rata-rata nilai akurasi, sensitifitas, dan spesifisitas yang lebih
baik daripada CART dan algoritme EasyEnsemble. Peubah yang berpengaruh nyata
terhadap dampak anak bekerja antara lain hubungan anak dengan kepala rumah
tangga (KRT), tingkat pendidikan anak, kegiatan utama anak seminggu yang lalu,
lapangan pekerjaan utama anak, lama bekerja anak di pekerjaan utama, status
pekerjaan utama anak, upah/gaji/pendapatan bersih sebulan anak, umur KRT,
tingkat pendidikan KRT, jumlah jam kerja seminggu KRT, dan status pekerjaan
utama KRT.