Selvia Katiara Primary Author mixed material bibliography Banda Aceh Fakultas mipa 2025

Skripsi

Peningkatan data yang dihasilkan pada era big data telah menghadirkan tantangan baru sekaligus peluang dalam pengembangan dan penerapan teknologi machine learning. Penelitian ini bertujuan untuk membandingkan performa tiga metode feature selection, yaitu filter method, wrappers method, dan embedded method pada model random forest untuk mengklasifikasikan rumah tangga rawan pangan di Provinsi Aceh tahun. Hasil penelitian menunjukkan bahwa model klasifikasi random forest dengan embedded method pada rasio data 90:10 memiliki performa tertinggi. Model ini menghasilkan nilai accuracy sebesar 78,35%, nilai precision sebesar 81,46%, recall sebesar 96,64%, dan f1-score sebesar 87,55%. Kemudian, hasil feature importance dari model terbaik mengidentifikasikan lima variabel dengan tingkat kepentingan tertinggi dalam menentukan status rawan pangan, yaitu pendidikan Kepala Rumah Tangga (KRT), sumber air minum, jumlah rumah tangga usia 0-14 tahun. Kebiasaan merokok, dan status bangunan tempat tinggal. Hasil penelitian menunjukkan bahwa embedded method merupakan metode feature selection terbaik yang dapat meningkatkan nilai accuracy model klasifakasi random forest dan memberikan wawasan penting terkait variabel-variabel yang berkontribusi terhadap status rumah tangga rawan pangan di Provinsi Aceh tahun 2022. Kata kunci: Feature Selection, Filter Method, Wrappers Method, Embedded Method, Klasifakasi Random Forest, Rawan Pangan, Aceh. 0 ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala 162763 2025-07-17 12:29:18 2025-07-17 14:21:51 machine generated