Electronic Theses and Dissertation

Kemiskinan merupakan salah satu permasalahan yang dihadapi secara global termasuk di Indonesia, khususnya Provinsi Aceh. Dalam upaya mengatasi dan mengentaskan kemiskinan, pemerintah telah menerapkan kebijakan program perlindungan sosial. Salah satu bantuan sosial yang diprioritaskan dan ditujukan khusus untuk rumah tangga yaitu Program Keluarga Harapan (PKH). Namun, masih terjadi keterlambatan dalam penetapan penerima PKH. Penelitian ini bertujuan untuk mengklasifikasikan rumah tangga penerima PKH di Provinsi Aceh menggunakan metode Support Vector Machine (SVM) dan mengidentifikasi karakteristik rumah tangga penerima PKH menggunakan analisis Shapley Additive Explanations (SHAP). Data yang digunakan merupakan data Susenas Provinsi Aceh tahun 2022. Pengujian tiga metode kernel SVM pada data yang tidak diseimbangan dan yang diseimbangan menggunakan Synthetic Minority Over-sampling Technique (SMOTE), memperoleh hasil bahwa model terbaik yaitu SVM kernel RBF tanpa penyeimbangan data dengan parameter C = 1 dan γ = 0,05. Model ini berhasil mencapai nilai performa akurasi sebesar 87,46% dan F1-score sebesar 85,99%. Hasil analisis menggunakan SHAP menunjukkan bahwa variabel yang memiliki nilai kontribusi tertinggi yaitu variabel rumah tanggal pemilik KKS, jumlah anggota rumah tangga, jumlah anggota keluarga dengan usia 10 – 17 tahun, penerima BPNT, dan jumlah keluarga. Hal ini menunjukkan bahwa variabel tersebut merupakan variabel penting atau yang menggambarkan karakteristik rumah tangga penerima PKH di Provinsi Aceh.

Poverty is one of the problems faced globally, including in Indonesia, especially Aceh Province. In an effort to overcome and redue poverty, the government has implemented a social assistance program. One of the social assistance programs that is prioritized and specifically aimed at households is the Family Hope Program (PKH). However, there are often delays in determining PKH recipients. This research aims to classify PKH recipient households in Aceh Province using the Support Vector Machine (SVM) method and identify the characteristics of PKH recipient households using Shapley Additive Explanations (SHAP) analysis. The data used is Aceh Province Susenas data in 2022. Based on the results of testing three kernel SVM methods on unbalanced and balanced data using Synthetic Minority Over-sampling Technique (SMOTE), it is known that the best model is the SVM kernel RBF without data balancing with parameters C = 1 and γ = 0, 05. This model succeeded in achieving performance values of accuracy at 87,46% and F1-score of 85,99%. The results of the analysis using SHAP show that the variables that have the highest contribution value are the variables of KKS owners, number of household members, number of family members aged 10–17 years, BPNT recipients, and number of families. This shows that this variable is an important variable or describes the characteristics of PKH recipient households in Aceh Province.