PEMODELAN KLASIFIKASI PADA INDEKS KETIMPANGAN GENDER (IKG) TAHUN 2020 DENGAN METODE NAÏVE BAYES

Abstract

Indeks Ketimpangan Gender (IKG) merupakan indikator pendukung pembangunan dalam Tujuan Pembangunan Berkelanjutan pada isu gender. Oleh karenanya peneliti tertarik melakukan kajian pemodelan klasifikasi dengan tujuan melakukan prediksi tingkat IKG menurut kabupaten/kota di Indonesia tahun 2020 menggunakan algoritma machine learning. Algoritma yang diterapkan pada data IKG dan indikatornya adalah metode naïve bayes. Adapun indikator penyusun yang digunakan yaitu proporsi persalinan tidak di fasilitas kesehatan, proporsi perempuan berusia 15-49 tahun yang pernah kawin dan saat melahirkan hidup pertama, persentase keterwakilan di parlemen, proporsi penduduk laki-laki dan perempuan dengan pendidikan minimal SMA, dan tingkat partisipasi angkatan kerja. Analisis dengan metode naive bayes pada empat kategori: rendah, menengah bawah, menengah atas, dan tinggi memberikan hasil klasifikasi yang baik terutama dalam mengklasifikasi kelas positif. Hasil akurasi keseluruhan data training sebesar 82.86 %, sedangkan pada data testing sebesar 83.72 %. Hasil klasifikasi dapat digunakan untuk peramalam IKG dan landasan pengambilan kebijakan dan penyusunan program untuk mengatasi ketimpangan pembangunan berbasis gender di Indonesia.