Electronic Theses and Dissertation

Kesenjangan antara suatu wilayah dengan wilayah lainnya di Indonesia ditandai dengan adanya istilah daerah tertinggal dan daerah tidak tertinggal. Pemerintah menetapkan status daerah tertinggal setiap lima tahun sekali melalui surat keputusan peraturan presiden. Peraturan presiden no 63 tahun 2020 tentang daerah 3T
(Tertinggal, Terdepan, dan Terluar) menetapkan 62 kabupaten/kota di Indonesia sebagai daerah tertinggal. Penelitian ini melakukan klasifikasi dengan menggunakan algoritma Support Vector Machine (SVM) dengan menggunakan tiga kernel, yaitu kernel linear, kernel polinomial dan kernel Radial Basis Function (RBF). Dimana masing-masing kernel memiliki parameter yang berbeda-beda. Parameter terbaik untuk klasifikasi status kabupaten/kota tertinggal menggunakan kernel linear adalah cost = 0,1. Parameter terbaik yang diperoleh pada kernel polinomial adalah degree = 3 dan cost = 1. Sedangkan parameter terbaik pada kernel RBF adalah gamma = 0,1 dan cost = 1. Hasil penelitian menunjukkan bahwa kernel dan parameter terbaik yang digunakan untuk klasifikasi kabupaten/kota tertinggal di Indonesia adalah kernel linear dengan parameter cost = 0,1. Diperoleh hasil klasifikasi dengan akurasi 0,94, presisi 0,91, recall 0,81, serta f1 score 0,85. Setelah dilakukan klasifikasi dengan model tersebut, terdapat 45 kabupaten/kota yang diklasifikasikan sebagai daerah tertinggal dan 469
kabupaten/kota diklasifikasikan sebagai daerah tidak tertinggal. Berdasarkan klasifikasi tersebut terdapat 29 kabupaten/kota yang memiliki status daerah yang berbeda dengan yang telah ditetapkan sebelumnya oleh pemerintah, dengan rincian 23 kabupaten/kota yang sebelumnya tertinggal berubah menjadi tidak tertinggal dan 6 kabupaten/kota yang sebelumnya tidak tertinggal menjadi tertinggal. Hasil penelitian ini diharapkan dapat membantu pemerintah untuk mengatasi kesenjangan dengan memberi perhatian khusus kepada daerah-daerah tertinggal.

The gap between one region and another in Indonesia is characterized by the terms underdeveloped regions and non-developed regions. The government determines the status of underdeveloped regions every five years through a presidential decree. Presidential regulation no 63 of 2020 concerning 3T regions (Disadvantaged, Frontier, and Outermost) designated 62 districts/cities in Indonesia as disadvantaged regions. This research performs classification using the Support Vector Machine (SVM) algorithm using three kernels, namely the linear kernel, polynomial kernel and Radial Basis Function (RBF) kernel. Where each kernel has different parameters. The best parameter for the classification of underdeveloped district/city status using the linear kernel is cost = 0.1. The best parameters obtained on the polynomial kernel are degree = 3 and cost = 1. While the best parameters on the RBF kernel are gamma = 0.1 and cost = 1. The results showed that the best kernel and parameters used for the classification of underdeveloped districts / cities in Indonesia is a linear kernel with a parameter cost = 0.1. Classification results with accuracy 0.94, precision 0.91, recall 0.81, and f1 score 0.85 were obtained. After classification with the model, there were 45 districts/cities classified as underdeveloped regions and 469 districts/cities classified as nondeveloped regions. Based on this classification, there are 29 districts/municipalities that have a different regional status from that previously determined by the government, with details of 23 districts/municipalities that were previously underdeveloped changing to not underdeveloped and 6 districts/municipalities that were previously not underdeveloped becoming underdeveloped. Through this research, it is hoped that the government can focus on overcoming inequality by giving special attention to underdeveloped regions.