Penentuan Variabel-Variabel Rumah Tangga Miskin Dengan Menggunakan Decision Tree (Algoritma ID3)

Abstract

Data mining merupakan suatu proses penemuan pengetahuan dalam suatu basis data. Tujuan utama dari data mining adalah menemukan pola-pola tersembunyi dalam suatu sumber informasi data dan berfungsi untuk mengorganisasikan data, sehingga data dapat digunakan dan dianalisis dengan mudah. Salah satu teknik dari data mining adalah proses klasifikasi. Proses klasifikasi juga menganalisis data dan membuat suatu model untuk setiap kelas. Model tersebut disebut dengan decision tree. Salah satu algoritma yang sering digunakan untuk membuat pohon keputusan (decision tree) adalah algoritma ID3. Penelitian ini memilih variabel-variabel yang akan digunakan untuk klasifikasi rumah tangga pada data hasil survey BPS dari 7 propinsi yang dilakukan pada tahun 2002 dengan menggunakan algoritma ID3 pada model decision tree. Hasil pemilihan variabel kemiskinan menggunakan algoritma ID3 diperoleh tujuh variabel, yaitu luas lantai perkapita, jenis lantai, fasilitas air bersih. kepemilikan asset, variasi makan, pembelian pakaian dan kehadiran sosial. Ketujuh variabel ini selanjutnya digunakan untuk proses klasifikasi rumah tangga miskin yang dibagi menjadi empat kelompok yaitu sangat miskin, miskin, kaya dan sangat kaya. Berdasarkan ketujuh variabel terpilih dan interval skor yang muncul dari variabel tersebut maka didapatkan total rumah tangga yang dikategorikan sangat miskin sebanyak 6.19%, miskin sebanyak 32.40%, kaya sebanyak 45.01% dan sangat kaya sebanyak 16.41%. Rumah tangga yang dikategorikan sangat miskin dan miskin banyak terdapat di Propinsi Kalimantan Barat dan rumah tangga sangat kaya banyak terdapat di Propinsi Nusa Tenggara Barat, rumah tangga kaya banyak terdapat di Propinsi Sumatera Selatan dan DKI Jakarta. Tingkat kesesuaian variabel klasifikasi rumah tangga miskin antara metode BPS dan algoritma ID3 adalah sebanyak tujuh variabel dari delapan variabel terpilih. Sedangkan untuk keakuratan hasil klasifikasi berdasarkan variabel terpilih dari kedua metode tidak berbeda begitu nyata.