ANALISIS PERBANDINGAN METODE DECISION TREE DAN LOGISTIC REGRESSION DALAM PREDIKSI TINGKAT PENDAPATAN PENDUDUK
Kata Kunci:
Pendidikan, Decision Tree, Logistic Regression, UmurAbstrak
Abstrak
Ada banyak faktor yang mempengaruhi pendapatan seseorang, seperti jenis kelamin, usia, tinggi badan, berat badan, pekerjaan, tingkat pendidikan, status pernikahan, pendapatan, dan warna kesukaan. Penelitian ini bertujuan untuk mengidentifikasi faktor-faktor penentu dalam mencapai pendapatan yang tinggi dengan menggunakan metode decision tree dan Logistic Regression. Kelebihan dari decision tree dan Logistic Regression antara lain adalah kemudahan dalam implementasi dan penyajian dalam bentuk diagram. Dengan mengklasifikasikan faktor-faktor penentu pendapatan menggunakan pohon keputusan, kita dapat melihat dengan jelas faktor mana yang dapat menyebabkan pendapatan yang lebih tinggi. Penelitian ini menghasilkan data yang menunjukkan bahwa atribut umur dan pekerjaan memiliki factor yang dapat mempengaruhi pendapatan tertinggi. Dalam implementasi decision tree dan Logistic Regression dengan menggunakan dataset sebanyak 130 kasus, tingkat akurasi dari pohon keputusan mencapai 96%, sedangkan regresi logistik mencapai 94%. Faktor yang paling signifikan dalam memprediksi pendapatan adalah pendidikan.