Perbandingan Performa Regresi Logistik Ordinal dengan Support Vector Machine pada Pengklasifikasian Indeks Pembangunan Manusia

Abstract

Klasifikasi adalah pendekatan untuk memprediksi sebuah data termasuk pada suatu kategori tertentu. Salah satu permasalahan dalam klasifikasi yaitu banyaknya data yang tidak seimbang antar kategori yang berbeda. Penanganan data tidak seimbang perlu dilakukan agar akurasi yang dihasilkan tidak bias. Indeks Pembangunan Manusia (IPM) kabupaten/kota di Indonesia memiliki empat kategori sehingga dapat dilakukan klasifikasi menggunakan metode regresi logistik ordinal atau Support Vector Machine (SVM). Penelitian ini bertujuan membandingkan performa regresi logistik ordinal dengan metode SVM pada data seimbang hasil Synthetic Minority Oversampling Technique (SMOTE) dalam pengklasifikasian IPM kabupaten/kota di Indonesia tahun 2021. Data yang digunakan pada penelitian ini adalah IPM kabupaten/kota di Indonesia dari BPS tahun 2021 dengan enam peubah penjelas. Metode terbaik adalah metode yang memiliki nilai akurasi, sensitivitas, dan spesifisitas yang tinggi. Hasil penelitian menunjukkan bahwa perbedaan nilai akurasi, sensitivitas, dan spesifisitas pada hasil klasifikasi dengan metode regresi logistik ordinal dan SVM tidak terlalu signifikan.

Classification is a technique to predict the data into a certain category. One of the problems in classification is the amount of imbalanced data in different categories. The imbalanced data needs to be handled so that the accuracy is not biased. Human Development Index (HDI) of the districts/cities in Indonesia has four categories so that it can be classified using the ordinal logistic regression or Support Vector Machine (SVM) methods. This research aims to compare the performance of the classification methods using ordinal logistic regression and SVM on balanced data with Synthetic Minority Oversampling Technique (SMOTE) for classify HDI of the districts/cities in 2021. The data used in this research is the HDI of the districts/cities in Indonesia from the Central Bureau of Statistics’ 2021 with six explanatory variables. The best method is the method that has the highest accuracy, sensitivity, and specificity. The result of the research showed that the differences in accuracy, sensitivity, and specificity in classification results using the ordinal logistic regression and SVM are not very significant.