PERBANDINGAN KINERJA CART KONVENSIONAL, BAGGING DAN RANDOM FOREST PADA KLASIFIKASI OBJEK
No Thumbnail Available
Date
2018-01-10
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
Abstract
Permasalahan yang selalu dihadapi negara berkembang seperti Indonesia adalah tingginya angka pengangguran akibat terbatasnya kesempatan kerja. Tingginya angka pengangguran mengakibatkan partisipasi masyarakat dalam pertumbuhan ekonomi menjadi rendah yang berdampak pada pembangunan nasional. Sektor informal dapat menjadi katup pengaman dalam mengatasi masalah ketenagakerjaan. Sektor informal sering dipandang sebagai sektor transisi dari tenaga kerja sektor pertanian di desa ke sektor industri di kota. Namun, kenyataannya sektor informal bukan menjadi sektor transisi, tetapi menjadi sektor yang dituju oleh pencari kerja dari sektor tradisional (pertanian) dimana sektor informal dianggap sebagai sumber kesempatan kerja dan pendapatan yang permanen. Untuk melihat fenomena pekerja sektor informal yang tinggi di Provinsi Papua dan pekerja sektor informal yang rendah di Provinsi DKI Jakarta, teknik pengklasifikasian menjadi penting sebagai tolok ukur evaluasi dan penarikan kesimpulan permasalahan terkait pekerja sektor informal sehingga kebijakan yang diambil oleh pemerintah dapat tepat sasaran. Metode klasifikasi dapat dibagi menjadi metode parametrik yang memerlukan berbagai asumsi serta metode nonparametrik yang terlepas dari berbagai asumsi. Penelitian ini menggunakan metode klasifikasi Classification and Regression Trees (CART) dan metode ensemble CART yaitu Bagging, dan Random Forest yang termasuk metode nonparametrik. Hasil penelitian pada data simulasi dan data Sakernas Provinsi Papua dan DKI Jakarta menunjukkan bahwa Metode ensemble Random Forest dapat meningkatkan ketepatan klasifikasi.
Description
Keywords
CART, Bagging, Random Forest