KLASIFIKASI ANGKA TINGKAT PENGANGGURAN DI INDONESIA ALGORITMA DECISION TREE TAHUN 2025
Keywords:
Pengangguran, Klasifikasi, Decision Tree, Data MiningAbstract
Penelitian ini bertujuan untuk melakukan klasifikasi tingkat pengangguran di Indonesia pada tahun 2025 dengan memanfaatkan algoritma Decision Tree sebagai metode analisis data. Masalah pengangguran merupakan isu strategis yang berdampak pada kondisi sosial, ekonomi dan pembangunan nasional. Oleh karena itu, diperlukan pendekatan berbasis data untuk mengidentifikasi pola dan faktor-faktor yang memengaruhi tingginya tingkat penggangguran di berbagai wilayah. Data sekunder yang digunakan dalam penelitian ini diperoleh dari publikasi resmi pemerintah dan lembaga statistik yang mencakup variabel-variabel seperti tingkat pendidikan, jumlah angkatan kerja, tingkat partisipasi kerja dan distribusi sektor ekonomi. Algoritma Decision Tree dipilih karena mampu menghasilkan model klasifikasi yang mudah dipahami serta dapat menampilkan hubungan hierarkis antar variabel secara visual. Hasil penelitian menunjukkan bahwa model Decision Tree memiliki tingkat akurasi yang baik dalam mengklasifikasi kategori tingkat pengangguran, serta mengidentifikasi variabel pendidikan dan struktur lapangan kerja sebagai faktor yang paling berpengaruh. Temuan ini diharapkan dapat menjadi bahan pertimbangan bagi pembuat kebijakan dalam merumuskan strategi penurunan pengangguran yang lebih tepat sasaran. Hasil akurasi mencapai 78,95%, yang menunjukkan bahwa sebagian besar data berhasil diklasifikasikan dengan benar.
References
Ardiyanto, A., & Siregar, M. H. (2025). Prediksi Jumlah Pengangguran Terbuka Tahun 2025 Berdasarkan Pendidikan Tertinggi Menggunakan Algoritma Decision Tree. Jurnal Komputer Antartika, 2(4), 1–8.
Danil, S., Rahaningsih, N., Dana, R. D., & Mulyawan. (2025). Peningkatan Model Klasifikasi Pada Kab/Kota Di Indonesia Menggunakan Metode Decision Tree. Jurnal Informatika Dan Teknik Elektro Terapan (JITET), 13(2), 829–835.
Fatika, I., Suryowati, K., Pratiwi, N., & Sholeh, M. (2022). Klasifikasi Tingkat Pengangguran Terbuka Di Indonesia Dengan Algoritma Classification And Regression Tree (CART) Dan C4.5. Jurnal Statistika Industri Dan Komputasi, 07(2), 77–85.
Kahfi, M. D., Umbara, F. R., & Ashaury, H. (2022). Prediksi Pengangguran Menggunakan Decision Tree Dengan Algoritma C5.0 Pada Data Penduduk Kecamatan Caringin Kabupaten Bogor. Jurnal Informatics And Digital Expert, 4(2), 75–80.
Nabila, I., Sumertajaya, I. M., & Raharjo, M. (2022). Penerapan Metode CART pada Pengklasifikasian Bekerja dan Pengangguran di Kabupaten Subang. Xplore: Journal of Statistics, 11(2), 120–129.
Prasetyo, T. L., Ramadhan, M. R., Fadhil, M. R., Wicaksono, D. M., Ilham Nurhakim, L., & Supiyan, D. (2025). Klastering Data Kemiskinan Diindonesia Dari Tahun 2007-2017, Menggunakan Kmeans Dan Decision Tree Python. Journal of Artificial Intelligence and Digital Business (RIGGS), 4(2), 5062–5066.
Sutoyo, I. (2018). Implementasi Algoritma Decision Tree Untuk Klasifikasi Data Peserta Didik. Jurnal Pilar Nusa Mandiri, 14(2), 217–224.
Yulistiani, R., Putra, N. C., Said, Q., & Ernawati, I. (2020). Klasifikasi Dan Prediksi Tingkat Pengangguran Terbuka Di Indonesia Menggunakan Metode Classification And Regression Tree (CART). Seminar Nasional Mahasiswa Ilmu Komputer Dan Aplikasinya (SENAMIKA), 123–130.
