Bootstrap Aggregating Multivariate Adaptive Regression Splines (Bagging MARS) untuk Mengklasifikasikan Rumah Tangga Miskin di Kabupaten Jombang

Abstract

Kemiskinan merupakan masalah sosial utama setiap negara, terutama negara berkembang termasuk Indonesia. Fokus penelitian ini adalah pada kemiskinan di Kabupaten Jombang karena peningkatan IPM dan ekonomi Kabupaten Jombang tidak disertai penurunan angka kemiskinan pada tahun 2009 sampai dengan tahun 2011, hal ini diduga karena pemberian bantuan untuk rumah tangga miskin di Kabupaten Jombang belum tepat sasaran, sehingga perlu adanya metode pengklasifikasian bantuan yang diharapkan rumah tangga miskin agar bantuan dapat tepat sasaran. MARS merupakan salah satu metode klasifikasi yang difokuskan untuk mengatasi permasalahan dimensi tinggi dan diskontinuitas pada data.Ketepatan atau tingkat akurasi klasifikasi metode MARS dapat ditingkatkan menggunakan metode resampling yaitu bagging.Penelitian ini akan menerapkan MARS bagging dalam mendapatkan model pengkla-sifikasian rumah tangga miskin berdasarkan bantuan yang diharapkan di Kabupaten Jombang. Hasil pemodelan MARS disimpulkan bahwa probabilitas rumah tangga miskin di Kabupaten Jombang yang membutuhkan bantuan primer sebesar 0,789 dan probabilitas membu-tuhkan bantuan sekunder sebesar 0,211, serta terdapat 14 variabel yang mempengaruhi bantuan yang diharapkan rumah tangga miskin di Kabupaten Jombang. Keakuratan klasifikasi metode MARS sebesar 69,40 persen, sedangkan keakuratan metode bagging MARS terbaik diantara 25, 50, 100, 150, 200, 250, dan 500 replikasi adalah 69,63 persen. Sehingga dalam penelitian ini, metode bagging MARS lebih tepat digunakan untuk mengklasifikasikan bantuan yang diharapkan rumah tangga miskin di Kabupaten Jombang.