Perbandingan Prediksi Kemiskinan di Indonesia Menggunakan Support Vector Machine (SVM) dengan Regresi Linear

Abdul Karim

Abstract


Tujuan dari artikel ini yaitu membandingkan hasil prediksi support vector machine (SVM) dengan regresi linear. Data yang digunakan adalah data sekunder dari Badan Pusat Statistik (BPS) Republik Indonesia dimana persentase penduduk miskin sebagai variabel dependen dan indeks pembangunan manusia (IPM) sebagai variabel independen menurut provinsi di Indonesia pada tahun 2018. Hasil analisis regresi linear mengindikasikan bahwa nilai IPM memiliki tanda negatif terhadap persentase penduduk miskin di Indonesia, artinya peningkatan nilai IPM akan berdampak pada penurunan persentase penduduk miskin di Indonesia. Selanjutnya, hasil plot prediksi SVM menunjukkan titik-titik lebih banyak mendekati garis regresi dibandingkan titik-titik amatan regresi linear, selain itu nilai MSE SVM lebih kecil daripada regresi linear. Hal ini dapat disimpulkan bahwa prediksi SVM lebih baik dibandingkan dengan regresi linear.

Full Text:

PDF

References


Kumar, M. D., Saleth, R. M., Foster, J. D., Niranjan, V., & Sivamohan, M. V. K. (2016). Water, Human Development, Inclusive Growth, and Poverty Alleviation: International Perspectives. Rural Water Systems for Multiple Uses and Livelihood Security, 17–47. https://doi.org/10.1016/B978-0-12-804132-1.00002-0

Nakabashi, L. (2018). Poverty and economic development: Evidence for the Brazilian states. EconomiA, 19(3), 445–458. https://doi.org/10.1016/J.ECON.2018.11.002

Olopade, B. C., Okodua, H., Oladosun, M., & Asaleye, A. J. (2019). Human capital and poverty reduction in OPEC member-countries. Heliyon, 5(8), e02279. https://doi.org/10.1016/J.HELIYON.2019.E02279

Walker, M., McLean, M., Dison, A., & Peppin-Vaughan, R. (2009). South African universities and human development: Towards a theorisation and operationalisation of professional capabilities for poverty reduction. International Journal of Educational Development, 29(6), 565–572. https://doi.org/10.1016/J.IJEDUDEV.2009.03.002

Badan Pusat Statistik Republik Indonesia. 2018. Statistics Indonesia 2018. Badan Pusat Statistik: Jakarta

Nugroho, A. S., Witarto, A. B., & Handoko, D. 2003. Support vector machine. Proceeding Indones. Sci. Meeiting Cent. Japan.

James, G., Witten, D., Hastie, T., & Tibshirani, R. 2013. An introduction to statistical learning (Vol. 112, p. 18). New York: Springer.

Meyer, D., Dimitriadou, E., Hornik, K., Weingessel, A., Leisch, F., Chang, C. C., ... & Meyer, M. D. (2019). Package ‘e1071’. The R Journal.

Yasin, H., Prahutama, A., & Utami, T. W. (2014). Prediksi harga saham menggunakan support vector regression dengan algoritma grid search. Media Statistika, 7(1), 29-35.

Senf C., Lakes T. (2012). Comparing Support Vector Regression and Statistical Linear Regression for Predicting Poverty Incidence in Vietnam. In: Gensel J., Josselin D., Vandenbroucke D. (eds) Bridging the Geographic Information Sciences. Lecture Notes in Geoinformation and Cartography. Springer, Berlin, Heidelberg




DOI: http://dx.doi.org/10.24014/jsms.v6i1.9259

Refbacks

  • There are currently no refbacks.


Jurnal JSMS

p-ISSN     : 2460-4542 (print)
e-ISSN     : 2615-8663 (online)
Alamat   : Program Studi Matematika
                   Fakultas Sains dan Teknologi, UIN Suska Riau
                   Jl. H.R Soebrantas, No. 155, Tampan, Pekanbaru.
Website : http://ejournal.uin-suska.ac.id/index.php/JSMS
e-mail    : jsmsfst@uin-suska.ac.id