Data Mining Untuk Mengestimasi Angka Kemiskinan Di Sumatera Utara Menggunakan Metode Regresi Linier Berganda
DOI:
https://doi.org/10.53513/jct.v4i6.4054Abstract
Sejalan dengan pelaksanaan otonomi daerah, pemerintah daerah diharapkan lebih peka dan peduli terhadap masalah kemiskinan sebagai salah satu hal yang paling mendasar dalam penyusunan suatu kebijakan strategis yang berkaitan dengan program pengentasan kemiskinan. Untuk mendukung hal tersebut maka diperlukan data dan informasi kemiskinan yang akurat dan up to date sehingga masalah kemiskinan ini dapat ditangani dengan lebih tepat sasaran. Persentase penduduk miskin di Sumatera Utara mencapai 8,83%, persentase ini menurun dari tahun sebelumnya yang mencapai 9,22%, walaupun menurun jika dibandingkan dengan provinsi lainnya di Indonesia, persentase penduduk miskin di Sumatera Utara masih cukup tinggi dan menempati posisi ke-17 dari 34 provinsi. Persentase penduduk miskin di Indonesia adalah 9,41% dan Sumatera Utara 8,83% Penerapan data mining dianggap dapat membantu untuk menyelesaikan permasalahan ini, dengan menganalisa data-data yang sudah ada maka akan dapat diperoleh suatu persamaan yang nantinya akan digunakan dalam mengestimasi angka kemiskinan di Sumatera Utara. Penerapan Metode Regresi Linier Berganda ini nantinya akan menggali data yang suda ada dan membentuk suatu persamaan regresi , dari persamaan regresi inilah akan didapatkan hasil estimasinya. Hasil dari penelitian ini dihapkan dapat membantu pemerintah atau pihak terkait yang ada di Sumatera Utara dalammengestimasi angka kemiskinan sehingga dapat mengambil langkah awal untuk menentukkan solusi yang tepat kedepannya.ÂReferences
A.S., Rossa, & Shalahuddin, M. 2018. Rekayasa Perangkat Lunak: Terstruktur Dan Berorientasi Objek (Revisi). Bandung: Informatika Bandung.
Badan Pusat Statistik. 2019. Provinsi Sumatera Utara Dalam Angka. Sumatera Utara: BPS Provinsi Sumatera Utara.
Badan Pusat Statistik. 2019. Statistik Indonesia. BPS Sumatera Utara: Badan Pusat Statistik.
Gaya, P., Dan, K., & X, O. P. P. T. (2014). KARYAWAN PADA DIREKTOREAT, 4(1).
Hendini, A. (2016). Pemodelan Sistem Informasi Monitoring Penjualan Dan Stok Barang, IV(2), 107–116.
Informatika, J. K., Sistem, P., Penjualan, I., Hiking, P., Desktop, B., Toko, P., … Email, T. S. (2015). No Title, 3(2), 143–151.
Journal II. IJIS Indonesian Journal on Information System ISSN 2548-6438. 2(April 2017):18-26.
Masjudin, M., Studi, P., Matematika, P., Ikip, F., Email, M., Lombok, P., … Desa, N. T. B. (2016). PEMBUATAN DAN PELATIHAN PENGGUNAAN APLIKASI, 1, 13–19.
Nofriansyah, D., & Nurcahyo, G. W. 2015. Algoritma Data Mining Dan Pengujian. Yogyakarta: Deepublish
Ridwan, M., Suyono, H., & Sarosa, M. (2013). Penerapan Data Mining Untuk Evaluasi Kinerja Akademik Mahasiswa Menggunakan Algoritma Naive Bayes Classifier, 7(1), 59–64.
Ring, J., Utara, R., Catur, C., & Sleman, D. (2013). Aplikasi reservasi ruangan kelas 1, 2013(Sentika).
Suardana, K. A. (2014). PENGARUH CORPORATE GOVERNANCE , PROFITABILITAS DAN KARAKTERISTIK EKSEKUTIF PADA TAX AVOIDANCE PERUSAHAAN MANUFAKTUR Fakultas Ekonomi dan Bisnis Universitas Udayana ( Unud ), Bali , Indonesia Fakultas Ekonomi dan Bisnis Universitas Udayana ( Unud ), Bali , Indonesia hubungan antara berbagai partisipan dalam perusahaan yang menentukan arah kinerja perusahaan-perusahaan publik di Indonesia . Proksi dari corporate governance yang, 2, 525–539.
Suyanto. 2017. Data Mining Untuk Klasifikasi Dan Klastering Data. Bandung: Informatika Bandung.
Syakur, M. L. (2014). Sistem Informasi Penyewaan Lapangan Futsal Pada Grindulu Futsal Pacitan, 3(4), 29–36.
Yuliawati, D., & Saleh, S. (2018). Prototype Pengadaan Dan Distribusi Barang Pada Waralaba Fried Chicken dan Burger lampung, 1(1).
