LLDIKTI10LLDIKTI10

SAINS DAN INFORMATIKA : RESEARCH OF SCIENCE AND INFORMATICSAINS DAN INFORMATIKA : RESEARCH OF SCIENCE AND INFORMATIC

IPM merupakan indikator penting untuk mengukur keberhasilan pembangunan kualitas hidup manusia pada suatu wilayah. Pulau Jawa merupakan pusat ekonomi serta penduduk terpadat di Indonesia namun antar kabupaten/kota masih menunjukkan ketimpangan nilai IPM yang relatif besar. Penelitian ini bertujuan untuk mengetahui faktor-faktor infrastruktur kesehatan dan pendidikan yang memiliki pengaruh besar terhadap IPM di Pulau Jawa. Hasil penelitian ini dapat digunakan sebagai bahan masukan dan pertimbangan dalam pembuatan kebijakan khususnya di Pulau Jawa. Metode yang digunakan adalah variable importance berdasarkan 5 model pembelajaran mesin yaitu forward-selection dan LASSO menggunakan nilai absolut koefisien regresi, serta model random forest, extra trees dan gradient boosting menggunakan nilai MDI. Teknik bootstrap akan diterapkan pada semua model dengan tujuan untuk memperluas ruang sampel dan menghasilkan indikator yang lebih akurat. Hasil penelitian dari lima model pembelajaran mesin menunjukkan faktor jumlah dokter dan dokter gigi per 1000 penduduk merupakan faktor yang paling mempengaruhi nilai IPM di Pulau Jawa. Sementara itu, model extra trees memberikan performa terbaik berdasarkan nilai RMSE yang terkecil serta interval yang lebih pendek dibandingkan model lainnya.

Penelitian ini menyimpulkan bahwa jumlah dokter dan dokter gigi per 1000 penduduk merupakan faktor terpenting dalam menentukan nilai IPM di Pulau Jawa.Selain itu, jumlah sekolah dasar (SD) per 1000 penduduk dan proporsi desa yang menjadikan sungai sebagai tempat pembuangan sampah juga memiliki pengaruh signifikan.Model extra trees menunjukkan performa terbaik dalam memprediksi IPM berdasarkan nilai RMSE yang paling rendah dan interval yang lebih pendek dibandingkan model lainnya.

Penelitian lanjutan dapat dilakukan dengan mempertimbangkan pengaruh faktor geografis dan perubahan waktu (spatio-temporal) terhadap data IPM untuk mendapatkan pemahaman yang lebih komprehensif. Selain itu, eksplorasi penggunaan data dari sumber lain, seperti data sosial-ekonomi dan data lingkungan, dapat memperkaya model prediksi IPM. Pengembangan model yang mampu mengidentifikasi interaksi antar variabel, seperti interaksi antara infrastruktur kesehatan dan tingkat pendidikan, juga dapat memberikan wawasan yang lebih mendalam tentang faktor-faktor yang mempengaruhi IPM. Terakhir, penelitian dapat difokuskan pada analisis dampak kebijakan publik terhadap perubahan IPM di berbagai wilayah di Pulau Jawa, dengan mempertimbangkan karakteristik unik masing-masing daerah. Dengan demikian, hasil penelitian dapat memberikan rekomendasi kebijakan yang lebih tepat sasaran dan efektif dalam meningkatkan kualitas hidup masyarakat.

  1. Variable Importance Kesehatan dan Pendidikan dalam Pembentukan IPM dengan Algoritme Machine Learning... doi.org/10.22216/jsi.v8i2.1623Variable Importance Kesehatan dan Pendidikan dalam Pembentukan IPM dengan Algoritme Machine Learning doi 10 22216 jsi v8i2 1623
  2. SISTEM PENUNJANG KEPUTUSAN PELAYANAN KESEHATAN (PADANG HEALTH) DENGAN METODE AHP (STUDI KASUS : PELAYANAN... publikasi.lldikti10.id/index.php/jsi/article/view/724SISTEM PENUNJANG KEPUTUSAN PELAYANAN KESEHATAN PADANG HEALTH DENGAN METODE AHP STUDI KASUS PELAYANAN publikasi lldikti10 index php jsi article view 724
  3. Fusion of Five Satellite-Derived Products Using Extremely Randomized Trees to Estimate Terrestrial Latent... mdpi.com/2072-4292/12/4/687Fusion of Five Satellite Derived Products Using Extremely Randomized Trees to Estimate Terrestrial Latent mdpi 2072 4292 12 4 687
Read online
File size767.88 KB
Pages9
DMCAReport

Related /

ads-block-test