Electronic Theses and Dissertation

Kesenjangan pembangunan antarwilayah menimbulkan tantangan dalam pemerataan kesejahteraan dan pembangunan. Berdasarkan Peraturan Presiden Nomor 63 Tahun 2020, sebanyak 55 (88,71%) dari total 62 kabupaten yang ditetapkan sebagai daerah tertinggal di Indonesia berada di Kawasan Timur Indonesia (KTI). Penelitian ini menggunakan data sekunder tahun 2023 dengan metode Random Forest untuk melakukan klasifikasi status kabupaten/kota di KTI. Metode ini memungkinkan untuk sekaligus menganalisis kepentingan variabel melalui nilai Mean Decrease in Impurity (MDI). Hasil penelitian menunjukkan bahwa Random Forest dengan parameter default menunjukkan kinerja model terbaik pada rasio 70:30 yaitu dengan akurasi sebesar 87,50%, presisi 86%, recall 82%, dan f1-score 84%. Sementara itu, Random Forest dengan tuning hyperparameter menggunakan metode random search dengan pengaturan jumlah n_estimators adalah 352, dengan max_features adalah “auto”, max_depth adalah 69, min_samples_split adalah 7, dan min_samples_leaf adalah 1 menunjukkan peningkatan kinerja model pada rasio 90:10 dengan akurasi mencapai 89,47%, presisi 92%, recall 88%, dan f1-score 89%, sehingga menjadikannya sebagai Random Forest terbaik untuk melakukan prediksi status daerah tertinggal di KTI. Berdasarkan hasil klasifikasi, 182 dari 185 kabupaten/kota berhasil diklasifikasikan dengan benar, sisanya 3 kabupaten yaitu Belu, Sigi, dan Nabire diprediksi berubah status menjadi tidak tertinggal untuk periode 2025-2029. Faktor-faktor yang memiliki kontribusi signifikan terhadap status daerah tertinggal adalah persentase penduduk miskin, persentase rumah tangga dengan sumber penerangan utama listrik PLN, indeks kedalaman kemiskinan, umur harapan hidup, pengeluaran per kapita, indeks keparahan kemiskinan, persentase rumah tangga dengan sanitasi layak, Produk Domestik Regional Bruto (PDRB) dan persentase rumah tangga dengan air minum layak. Penelitian ini diharapkan dapat menjadi informasi tambahan dalam perencanaan dan pembangunan wilayah.

The gap in development between regions poses challenges to equitable distribution of welfare and development. Based on Presidential Regulation Number 63 of 2020, 55 (88,71%) out of a total of 62 districts designated as underdeveloped areas in Indonesia are located in the Eastern Indonesia Region (KTI). This research uses secondary data of 2023 and utilizes Random Forest to classify the status of districts/cities in KTI while also analyzing the importance of variables through the Mean Decrease in Impurity (MDI) value. The research results show that Random Forest with default parameters achieved the highest performance at a 70:30 ratio, with accuracy of 87,50%, precision of 86%, recall of 82%, and an f1-score of 84%. Meanwhile, the Random Forest with hyperparameter tuning using the random search method, with the settings of n_estimators is 352, max_features is “auto”, max_depth is 69, min_samples_split is 7, and min_samples_leaf is 1, shows improved performance at the 90:10 ratio with accuracy of 89,47%, precision of 92%, recall of 88%, and f1-score of 89%, making it the best Random Forest for predicting the status of underdeveloped areas in KTI. Based on the classification results, 182 out of 185 districts/cities were correctly classified according to their actual status, while the remaining 3 districts, namely Belu, Sigi, and Nabire, are predicted to change status to be developed areas in the 2025-2029 period. The factors that have significant contribution to the status of underdeveloped areas in the classification are percentage of poor population, percentage of households with the main source of lighting from PLN electricity, poverty depth index, life expectancy, per capita expenditure, poverty severity index, percentage of households with proper sanitation, Regional Gross Domestic Product (PDRB), and percentage of households with access to clean drinking water. This research is expected to provide additional information on regional planning and development.