ANALISIS PERBANDINGAN PREDIKSI TINGKAT KEMISKINAN MENGGUNAKAN METODE XGBOOST DAN RANDOM FOREST REGRESSION SKRIPSI

Arafat Febriandirza; Isnan Wisnu Prastiyo;

Analisis perbandingan prediksi tingkat kemiskinan menggunakan metode

XGBoost dan Random Forest Regression

Isnan Wisnu Prastiyo

Penelitian ini bertujuan untuk membandingkan kinerja dua algoritma prediksi, XGBoost Regression dan
Random Forest Regression, dalam memprediksi tingkat kemiskinan di wilayah DKI Jakarta. Untuk penelitian
ini peneliti memperoleh data dari Badan Pusat Statistik (BPS) DKI Jakarta yang mencakup periode tahun 2010
hingga 2023. Metode pengujian yang digunakan melibatkan pengukuran Mean Squared Error (MSE) dan Mean
Absolute Percentage Error (MAPE) untuk menilai keakuratan prediksi dari kedua algoritma. Temuan
menunjukkan bahwa algoritma Random Forest Regression umumnya menghasilkan prediksi yang lebih akurat
dibandingkan dengan algoritma XGBoost Regression terlihat dari hasil pengujian pada (MSE) dan (MAPE)
pada untuk sebagian besar wilayah yang dianalisis. Seperti pada MAPE ini untuk wilayah Jakarta Barat hasil
pengujiannya pada XGBoost Regression ini sebesar 1,43 sementara Random Forest Regression menghasilkan
1,42 maka lebih baik Random Forest Regression dari pada XGBosst Regression. Akan tetepi pada Kepulauan
Seribu ini MAPE untuk XGBoost lebih baik dengan nilai sebesar 4,49 dari pada Random Forest Regression
yang nilai sebesar 4,56. Lalu pada MSE Random Forest lebih baik dari pada XGBoost ini dalam pengujian
prediksi ini. Seperti pada wilayah Jakarta Pusat dengan nilai sebesar 0,02 untuk XGBoost Regression ini,
sementara Random Forest Regression mempunyai hasil pengujian lebih kecil dengan nilai 0,01. Dengan contoh
hasil prediksi untuk algoritma random forest pada 6 bulan pertama dari bulan juni sampai desember 2024 untuk
jumlah penduduk yang kemungkinan akan terkena dampak kemiskinan di wilayah kepulauan Seribu mencapai
2.590 jiwa, Jakarta Selatan 644.360 jiwa, Jakarta Timur 993.405 jiwa, Jakarta Pusat 283.592 jiwa, Jakarta Barat
713.976 jiwa, dan untuk Jakarta Utara 341.370 jiwa, jadi total keseluruhan penduduk yang ada di DKI Jakarta
yang akan terkena dampak kemiskinan mencapai 2.868.929 jiwa.
Kata kunci: Prediksi, XGBoost Regression, Random Forest Regression, Tingkat Kemiskinan, DKI
Jakarta, MSE, MAPE
Comparative analysis of predictions of poverty levels using the XGBoost and
Random Forest Regression methods

Isnan Wisnu Prastiyo

The study aims to compare the performance of two prediction algorithms, XGBoost Regression and Random
Forest Regression, in predicting poverty levels in the DKI Jakarta region. For this research, the researchers
obtained data from the DKI Jakarta Central Bureau of Statistics (BPS) covering the period from 2010 to 2023.
The testing methods used involve measuring Mean Squared Error (MSE) and Mean Absolute Percentage Error
(MAPE) to assess the prediction accuracy of both algorithms. The findings show that the Random Forest
Regression algorithm generally produces more accurate predictions compared to the XGBoost Regression
algorithm, as seen from the testing results on MSE and MAPE for most of the analyzed areas. For instance, in
the MAPE test for West Jakarta, the XGBoost Regression resulted in a value of 1.43, while the Random Forest
Regression produced a value of 1.42, indicating that Random Forest Regression is better than XGBoost
Regression. However, in the Thousand Islands, the MAPE for XGBoost is better with a value of 4.49 compared
to Random Forest Regression, which has a value of 4.56. In terms of MSE, Random Forest performed better
than XGBoost in this prediction test. For example, in Central Jakarta, the XGBoost Regression value is 0.02,
while the Random Forest Regression has a smaller test result with a value of 0.01. With an example of
prediction results for the random forest algorithm for the first 6 months from June to December 2024, the
number of people likely to be affected by poverty in the Thousand Islands region reaches 2,590 people, South
Jakarta 644,360 people, East Jakarta 993,405 people, Central Jakarta 283,592 people, West Jakarta 713,976
people, and for North Jakarta 341,370 people, making a total of 2,868,929 people in DKI Jakarta who will be
affected by poverty.
Keywords: Prediction, XGBoost Regression, Random Forest Regression, Poverty level, DKI
Jakarta, MSE, MAPE