Analisis Klasifikasi Pendapatan Petani Mandiri Dengan Atribut Umur, Gender, Wilayah, Tingkat Pendidikan, dan Pemanfaatan Internet di Indonesia Menggunakan Metode Extreme Gradient Boosting

dc.contributor.advisor	Sinta Septi Pangastuti
dc.contributor.advisor	Resa Septiani Pontoh
dc.contributor.author	MUHAMMAD ARDIAN IZZANUR RIZNA
dc.date.accessioned	2024-05-22T02:03:43Z
dc.date.available	2024-05-22T02:03:43Z
dc.date.issued	2023-07-14
dc.description.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%.
dc.identifier.uri	https://repository.unpad.ac.id/handle/kandaga/140610190087
dc.subject	Analisis Klasifikasi
dc.subject	Pendapatan
dc.subject	Petani Mandiri
dc.title	Analisis Klasifikasi Pendapatan Petani Mandiri Dengan Atribut Umur, Gender, Wilayah, Tingkat Pendidikan, dan Pemanfaatan Internet di Indonesia Menggunakan Metode Extreme Gradient Boosting