POHAN, RIZQI ANANDA (2026) PENERAPAN ALGORITMA DOUBLE RANDOM FOREST UNTUK PREDIKSI STATUS KERAWANAN PANGAN RUMAH TANGGA DI KOTA LANGSA. S1 thesis, Universitas Malikussaleh.

	Text Rizqi Ananda_210170149_Cover.pdf Download (185kB)
	Text Rizqi Ananda_210170149_Abstrak.pdf Download (215kB)
	Text Rizqi Ananda_210170149_Bab1.pdf Download (212kB)
	Text Rizqi Ananda_210170149_Daftar Pustaka.pdf Download (187kB)
	Text Rizqi Ananda_210170149_PENERAPAN ALGORITMA DOUBLE RANDOM FOREST UNTUK PREDIKSI STATUS KERAWANAN PANGAN RUMAH TANGGA DI KOTA LANGSA .pdf Restricted to Registered users only Download (3MB)

Abstract

ABSTRAK Kerawanan pangan rumah tangga di Kota Langsa, Aceh, masih memerlukan sistem deteksi yang akurat untuk mendukung perumusan kebijakan intervensi yang tepat sasaran. keterbatasan sumber daya dan ketimpangan akses pangan antarwilayah menuntut pendekatan berbasis data yang mampu mengidentifikasi rumah tangga rentan secara efisien dan objektif. Tujuan penelitian ini adalah menerapkan dan membandingkan performa algoritma Double Random Forest (DRF) dengan Random Forest (RF) konvensional serta RF yang dikombinasikan dengan EasyEnsemble dalam memprediksi status kerawanan pangan rumah tangga. Data bersumber dari Survei Sosial Ekonomi Nasional (SUSENAS) tahun 2023 untuk wilayah Kota Langsa, mencakup 2.057 rumah tangga dengan 13 variabel prediktor sosial-ekonomi, sementara variabel target berupa label biner yang dibentuk dari tiga indikator berat Food Insecurity Experience Scale (FIES), menghasilkan distribusi 36,7 persen rumah tangga rawan pangan dan 63,3 persen tidak rawan. Ketiga model dilatih dan diuji pada 618 data uji, kemudian stabilitasnya diverifikasi melalui 50 kali repetisi dengan uji ANOVA satu arah. Hasil pengujian menunjukkan performa yang relatif setara antar ketiga model, dengan DRF mencatat AUC tertinggi sebesar 0,8758, diikuti RF+EasyEnsemble sebesar 0,8711 dan RF baseline sebesar 0,8696, sementara RF+EasyEnsemble unggul pada sensitivitas (76,65 persen) dan akurasi (79,61 persen). Uji ANOVA mengonfirmasi bahwa selisih performa antar model tidak signifikan secara statistik (F=1,9263; p=0,1493). Analisis Feature Importance menunjukkan status penerima bantuan sosial rutin sebagai variabel paling dominan, berkontribusi 41,05 persen terhadap klasifikasi. Temuan ini menegaskan bahwa akses terhadap program perlindungan sosial menjadi determinan utama kerawanan pangan rumah tangga, dan pemilihan algoritma sebaiknya mempertimbangkan kebutuhan praktis di lapangan alih-alih semata keunggulan statistik.

Item Type:	Thesis (S1)
Subjects:	Q Science > QA Mathematics Q Science > QA Mathematics > QA75 Electronic computers. Computer science T Technology > T Technology (General)
Divisions:	Fakultas Teknik > 55201 - Jurusan Teknik Informatika
Depositing User:	Rizqi Ananda Pohan
Date Deposited:	09 Sep 2026 06:04
Last Modified:	09 Sep 2026 06:04
URI:	https://rama.unimal.ac.id/id/eprint/22690

Actions (login required)

View Item