Penerapan Naive Bayes dalam Memprediksi Tingkat Kemiskinan di Kabupaten Toraja Utara

Abstract

Kemiskinan merupakan tantangan serius yang dihadapi oleh banyak negara, termasuk Indonesia. Meski kaya akan warisan budaya dan keindahan alam, Kabupaten Toraja Utara juga tidak luput dari masalah kemiskinan. Dalam upaya memahami akar masalah kemiskinan di wilayah tersebut, analisis faktor-faktor penyebab kemiskinan menjadi langkah awal yang penting. Algoritma Naive Bayes dalam machine learning telah diaplikasikan sebagai alat untuk memprediksi tingkat kemiskinan di Kabupaten Toraja Utara. Dalam analisis tahun 2024, hasil menunjukkan tingkat kemiskinan rendah, dipengaruhi oleh variabel seperti jumlah penduduk miskin, garis kemiskinan, pengangguran terbuka, dan pengeluaran per kapita. Prediksi ini diharapkan dapat menjadi landasan untuk pengambilan kebijakan yang lebih tepat dan efektif dalam menangani kemiskinan di wilayah tersebut.

Poverty is a serious challenge faced by many countries, including Indonesia. Despite its rich cultural heritage and natural beauty, North Toraja Regency is not immune to the issue of poverty. In an effort to understand the root causes of poverty in the region, analyzing the factors that contribute to poverty is an important first step. The Naive Bayes algorithm in machine learning has been applied as a tool to predict the poverty rate in North Toraja Regency. The 2024 analysis shows a low poverty rate, influenced by variables such as the number of poor people, the poverty line, open unemployment, and per capita expenditure. This prediction is expected to serve as a foundation for more appropriate and effective policy-making in addressing poverty in the region.