Pengembangan Aplikasi Machine Learning Menggunakan Algoritma Support Vector Regression Dan Statistical-based Feature Selection Untuk Memprediksi Kemiskinan

Abstrak Masalah yang terjadi di setiap negara adalah kemiskinan yang bahkan terjadi di Indonesia. Setiap negara telah mengembangkan teknologi untuk memprediksi tingkat kemiskinan di setiap daerahnya. Salah satu cara yang dipakai untuk memprediksi kemiskinan di Indonesia adalah dengan melakukan survey. Akan tetapi proses survey memakan waktu yang cukup lama dan akan menggunakan sumber daya manusia yang cukup banyak. Maka dikembangkanlah aplikasi prediksi kemiskinan menggunakan data salah satu e-commerce yang ada di Indonesia dengan memanfaatkan data transaksi yang terjadi di dalamnya. Dengan bantuan machine learning aplikasi ini akan dapat memprediksi tingkat kemiskinan dari data e-commerce. Algoritma machine learning yang digunakan adalah Support Vector Machine dan seleksi fitur yang digunakan untuk memilih fitur yang relevan untuk di prediksi adalah dengan menggunakan seleksi fitur Statistical-Based Aplikasi ini akan membantu melengkapi data survey yang dilakukan oleh Badan Pusat Statistik dalam menangani survey angka kemiskinan di Indonesia dengan cara yang lebih efisien memiliki keakuratan cukup akurat. Kata Kunci: Machine Learning, Kemiskinan, E-Commerce, Prediksi Abstract The problem that occurs in every country is poverty which even occurs in Indonesia. Each country has developed technology to predict poverty levels in each region. One of the methods used to predict poverty in Indonesia is conduct a survey. However, the survey process takes a long time and use a lot of human resources. Then a poverty prediction application were developed using data from one of the e-commerce sites in Indonesia by utilizing transaction data that occurs in it. By using one of machine learning algorithm this application will be able to predict poverty levels from e-commerce data. The chosen machine learning algorithm is Support Vector Machine and feature selection that used to select relevant features for predictions is StatisticalBased feature selection. This application will help complete the survey data conducted by the Badan Pusat Statistik in handling poverty survey in Indonesia in a more efficient way with more accurate result. Keywords: Machine Learning, Poverty, E-Commerce, Prediction.