PENERAPAN ALGORITMA RANDOM FOREST REGRESSION UNTUK MEMPREDIKSI PERSENTASE PENDUDUK MISKIN DI INDONESIA

Kemiskinan merupakan masalah sosial dan ekonomi yang kompleks di Indonesia. Penelitian ini bertujuan untuk membangun model prediksi persentase penduduk miskin menggunakan algoritma Random Forest Regression berdasarkan delapan variabel sosial ekonomi. Data yang digunakan diperoleh dari Badan Pusat Statistik tahun 2023 sampai 2025 dan terdiri atas 514 kabupaten/kota. Proses analisis dilakukan dengan membagi data menjadi data latih dan data uji, serta menerapkan algoritma M5 Model Tree sebelum diterapkan Random Forest Regression. Model terbaik diperoleh pada jumlah pohon sebanyak 1000 dengan nilai mean squared error sebesar 2.77 dan koefisien determinasi (R²) sebesar 0.93. Hasil menunjukkan bahwa indeks kedalaman kemiskinan dan keparahan kemiskinan merupakan variabel paling berpengaruh. Model ini menunjukkan kinerja prediksi yang baik dan dapat menjadi alat bantu dalam perumusan kebijakan pengentasan kemiskinan.