Sinta Septi PangastutiResa Septiani PontohMUHAMMAD ARDIAN IZZANUR RIZNA2024-05-222024-05-222023-07-14https://repository.unpad.ac.id/handle/kandaga/140610190087Sektor 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%.Analisis KlasifikasiPendapatanPetani Mandiri