Analisis Klasifikasi Pendapatan Petani Mandiri Dengan Atribut Umur, Gender, Wilayah, Tingkat Pendidikan, dan Pemanfaatan Internet di Indonesia Menggunakan Metode Extreme Gradient Boosting
No Thumbnail Available
Date
2023-07-14
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
Abstract
Sektor pertanian yang menyerap tenaga kerja terbanyak di Indonesia, belum memiliki
pendapatan yang optimal, terutama pada petani mandiri yang mayoritas memiliki pendapatan
dibawah UMP. Penelitian ini akan menjelaskan bagaimana Algoritma XGBoost digunakan untuk
melakukan analisis klasifikasi pendapatan petani mandiri berdasarkan atribut umur, gender,
wilayah, tingkat pendidikan, dan pemanfaatan internet di Indonesia. Algoritma XGBoost
memiliki performa yang baik dalam akurasinya ataupun komputasinya untuk menangani
imbalanced class dengan parameter objective function yang digunakan adalah [`logloss`, `error`],
max depth sebesar 2, min child weight sebesar 3, n estimator sebanyak 100, learning rate sebesar
0.3, gamma sebesar 0, dan reg alpha sebesar 0, sehingga menghasilkan nilai akurasi sebesar 73%,
weighted average f1-score sebesar 78%.
Description
Keywords
Analisis Klasifikasi, Pendapatan, Petani Mandiri