Electronic Theses and Dissertation

Kesejahteraan rumah tangga adalah salah satu tujuan penting dari pembangunan berkelanjutan untuk meningkatkan ekonomi masyarakat. Salah satu faktor yang menghambat kesejahteraan adalah kemiskinan. Oleh karena itu, pentingnya bagi pemerintah untuk mengidentifikasi status kesejahteraan rumah tangga secara tepat agar dapat melakukan pengentasan kemiskinan dengan efektif. Data yang digunakan pada penelitian ini yaitu data status kesejahteraan rumah tangga pada kota di Provinsi Aceh tahun 2019. Penelitian ini bertujuan untuk mendapatkan kategori status kesejahteraan yang tepat, mendapatkan performa klasifikasi yang optimal, dan mendapatkan faktor-faktor yang berpengaruh dalam penentuan status kesejahteraan rumah tangga di wilayah kota yang ada di Provinsi Aceh. Data status kesejahteraan rumah tangga dilakukan proses cluster menggunakan metode clustering k-modes sehingga diperoleh 5 cluster sebagai status kesejahteraan baru yang akan dibandingkan ketepatan pengelompokan dengan status kesejahteraan awal. Metode yang digunakan pada penelitian ini adalah metode klasifikasi Naïve Bayes dan Decision Tree karena kedua metode tersebut cocok digunakan untuk data jenis kategorik. Seleksi fitur pada peneletian ini menggunakan information gain untuk mengetahui variabel yang relevansi terhadap kelas. Hasil penelitian menunjukkan metode Decision Tree lebih optimal dibandingkan Naïve Bayes yaitu pada data dengan status kesejahteraan awal menghasilkan nilai akurasi terbaik pada metode Naïve Bayes sebesar 37,06% dan pada metode Decision Tree menghasilkan nilai akurasi sebesar 45,23%. Kemudian hasil klasifikasi menggunakan status kesejahteraan hasil cluster menghasilkan nilai akurasi terbaik pada metode Naïve Bayes sebesar 72,67% dan pada metode Decision Tree menghasilkan nilai akurasi sebesar 97,66%. Terdapat 10 variabel yang berpengaruh dalam penentuan status kesejahteraan rumah tangga di wilayah kota yaitu penggunaan fasilitas BAB (X15), sumber air minum (X10), daya listrik terpasang (X13), Jenis lantai terluas (X4), bahan bakar/energi utama untuk memasak (X14), kepemilikan lemari es/kulkas (X19), cara memperoleh air minum (X11), jenis kloset (X16), jenis dinding terluas (X5), kepemilikan sepeda motor (X26).
Kata kunci: Status kesejahteraan rumah tangga, Klasifikasi, Naïve Bayes, Decision Tree, Provinsi Aceh

Household welfare is one of the key goals of sustainable development for improving community economies. One of the factors hindering welfare is poverty. Therefore, it is important for the government to accurately identify household welfare status to effectively alleviate poverty. The data used in this study are household welfare status data from cities in Aceh Province in 2019. This research aims to obtain the correct categories of welfare status, achieve optimal classification performance, and identify factors influencing household welfare status determination in urban areas in Aceh Province. Household welfare status data underwent clustering using the k-modes clustering method, resulting in 5 clusters as new welfare statuses to be compared with the initial welfare statuses. The methods used in this study are Naïve Bayes and Decision Tree classification methods because both methods are suitable for categorical data. Feature selection in this study uses information gain to determine the relevance of variables to the class. The research results indicate that the Decision Tree method is more optimal compared to Naïve Bayes, particularly in data with initial welfare status. Naïve Bayes resulted in the highest accuracy value of 37.06%, while Decision Tree achieved 45.23%. Furthermore, when classifying using the welfare status resulting from clustering, Naïve Bayes achieved the highest accuracy of 72.67%, whereas Decision Tree yielded an accuracy of 97.66%. There are 10 variables that influence the determination of household welfare status in urban areas, namely the use of toilet facilities (X15), source of drinking water (X10), installed electricity capacity (X13), predominant floor type (X4), main fuel/energy for cooking (X14), ownership of refrigerators (X19), method of obtaining drinking water (X11), type of toilet (X16), predominant wall type (X5), and ownership of motorcycles (X26). Keyword: Household welfare status, Classification, Naïve Bayes, Decision Tree, Aceh Province