Perbandingan teknik pembelajaran mesin terawasi dalam memprediksi klasifikasi status kesejahteraan rumah tangga

Kemiskinan merupakan permasalahan besar bagi banyak negara di dunia, termasuk Indonesia.Salah satu pendekatan untuk memberantas kemiskinan adalah melalui distribusi merata bantuan sosial untuk rumah tangga sasaran dengan berbasis pada Data Terpadu. Penelitian ini membandingkan antara beberapa teknik Pembelajaran Mesin Terawasi yang umum digunakan, yakni: Naïve Bayes Classifier,Support Vector Machines, K-Nearest Neighbor Classification, C4.5 Algorithm dan Random Forest Algorithm untuk memprediksi status kesejahteraan rumah tangga dengan menggunakan Basis Data Terpadu sebagai studi kasus. Tujuan utama penelitian ini adalah untuk memilih pendekatan super visedmachine learning yang paling baik dalam memprediksi klasifikasi status kesejahteraan rumah tangga berdasarkan atribut dalam Basis Data Terpadu. Hasil penelitian menunjukkan bahwa Random Forest Algorithm adalah yang terbaik.