Klasifikasi Kabupaten Tertinggal di Kawasan Timur Indonesia dengan Support Vector Machine

Abstract

Kesenjangan pembangunan antar wilayah tampak dari adanya istilah daerah maju dan daerah tertinggal. Pengentasan daerah tertinggal masih menjadi persoalan khususnya di Kawasan Timur Indonesia (KTI). Dari 122 kabupaten yang ditetapkan sebagai daerah tertinggal pada RPJMN 2015-2019, terdapat 54 kabupaten yang menjadi daerah prioritas. Mayoritas wilayah yang terkategori sebagai daerah prioritas ini berada di KTI. Adanya perbedaan karakteristik pada setiap wilayah Indonesia membuat perlunya analisis tersendiri. Salah satu perbedaan karakteristik wilayah dapat dilihat melalui aspek utama ketertinggalan antar kawasan. Pada Kawasan Barat Indonesia (KBI), aspek ketertinggalan wilayah berfokus pada infrastruktur. Sementara, aspek ekonomi dan Sumber Daya Manusia (SDM) merupakan fokus aspek ketertinggalan wilayah di KTI. Sehingga dalam penelitian ini akan dilakukan analisis klasifikasi kabupaten tertinggal di KTI dengan menggunakan metode Support Vector Machine (SVM) berdasarkan indikator ketertinggalan daerah. Hasil dari penelitian ini secara umum kabupaten tertinggal di Kawasan Timur Indonesia memiliki level pembangunan yang lebih rendah dibandingkan kabupaten tidak tertinggal. Dengan menggunakan metode SVM dan fungsi kernel terbaiknya yaitu fungsi kernel linier, kabupaten di KTI mampu diklasifikasikan secara benar sebesar 87,23%. Berdasarkan kurva ROC diperoleh nilai AUC sebesar 0,862 yang artinya kinerja model sudah bagus. Sehingga metode SVM dengan kernel linier dapat menjadi salah satu rekomendasi dalam pengklasifikasian kabupaten tertinggal atau tidak tertinggal