SHOFIA TURSINA Primary Author mixed material bibliography Banda Aceh Fakultas MIPA (S1) 2025

Skripsi

Kesenjangan antar wilayah di Indonesia ditandai dengan adanya pengelompokan daerah menjadi tertinggal dan tidak tertinggal, sebagaimana ditetapkan setiap lima tahun melalui peraturan presiden. Berdasarkan Peraturan Presiden Nomor 63 Tahun 2020 tentang daerah 3T (Tertinggal, Terdepan, dan Terluar), sebanyak 62 kabupaten/kota diklasifikasikan sebagai daerah tertinggal. Penelitian ini menggunakan metode klasifikasi XGBoost dan Artificial Neural Network (ANN) untuk mengidentifikasi status daerah secara otomatis dan akurat. Selain itu, diterapkan metode SHAP (SHapley Additive exPlanations) untuk memahami kontribusi setiap variabel dalam proses klasifikasi. Hasil penelitian menunjukkan bahwa ANN memberikan performa terbaik dengan akurasi 0,9870, mengungguli XGBoost yang memperoleh akurasi 0,9615 setelah tuning hyperparameter menggunakan random search. Klasifikasi akhir menghasilkan akurasi sebesar 0,9786, dengan presisi 0,96, recall 0,94, dan f1-score 0,95. Sebanyak 59 kabupaten/kota diklasifikasikan sebagai daerah tertinggal, sementara 455 sebagai tidak tertinggal. Terdapat 11 kabupaten/kota yang hasil klasifikasinya berbeda dari penetapan resmi, terdiri atas 7 yang sebelumnya tertinggal menjadi tidak tertinggal, dan 4 yang sebelumnya tidak tertinggal diklasifikasikan tertinggal. Variabel dengan kontribusi terbesar terhadap status daerah tertinggal adalah persentase sumber penerangan listrik PLN (Nilai SHAP 0,05), diikuti oleh persentase penduduk miskin (Nilai SHAP 0,04), umur harapan hidup (Nilai SHAP 0,02), rata-rata pengeluaran makanan (Nilai SHAP 0,02), dan indeks keparahan kemiskinan (Nilai SHAP 0,01). Penelitian ini diharapkan dapat menjadi referensi dalam pengambilan kebijakan bagi pemerintah untuk mengurangi kesenjangan antar daerah. Kata kunci: Klasifikasi, XGBoost, Artificial Neural Network (ANN), SHapley Additive exPlanations (SHAP), daerah tertinggal 0 ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala 159745 2025-07-10 13:58:27 2025-07-10 14:18:51 machine generated