Analisis Status Migran Risen Masuk pada Penduduk di Provinsi DKI Jakarta Menggunakan Metode Regresi Logistik Biner dengan Pendekatan SMOTE

Az-Zahra, Putri Nisrina (2024) Analisis Status Migran Risen Masuk pada Penduduk di Provinsi DKI Jakarta Menggunakan Metode Regresi Logistik Biner dengan Pendekatan SMOTE. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 5003201158-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 April 2026. Download (8MB) | Request a copy

Abstract

Perubahan jumlah penduduk disebabkan oleh peristiwa kelahiran, kematian, dan perpindahan penduduk. Perpindahan penduduk dengan banyaknya faktor penarik di daerah tujuan pindah menjadi salah satu penyebab terjadinya ketimpangan kepadatan penduduk di Indonesia. Ibu Kota Negara Indonesia menjadi tujuan berbagai kalangan sehingga provinsi ini menjadi wilayah dengan kepadatan penduduk tertinggi. Penelitian ini membahas terkait migran risen yang masuk ke DKI Jakarta dengan kategori pada status anggota rumah tangga, yaitu migran risen dan bukan migran risen. Metode regresi logistik biner digunakan untuk menganalisis karakteristik sosial demografi dan ekonomi anggota rumah tangga terhadap status migran risen di DKI Jakarta. Data yang digunakan berasal dari hasil Survei Sosial Ekonomi Nasional (SUSENAS) tahun 2022, dengan 373 penduduk termasuk migran risen dan 17.011 penduduk bukan termasuk migran risen. Penduduk yang pada 5 tahun lalu bukan berada di Provinsi DKI Jakarta saat ini mayoritas sudah berstatus kawin dan 40,5% yang melakukan migrasi adalah KRT. Hampir separuh dari penduduk yang termasuk migran merupakan lulusan SD sampai SMP sederajat dan terdapat 87,4% migran yang sedang tidak bersekolah. Sebanyak 52,8% migran saat ini statusnya bekerja dan sebanyak 54,2% rumah tempat tinggalnya bukan milik sendiri. Variabel status perkawinan, pendidikan tertinggi, status bersekolah, status kepemilikan rumah, hubungan dengan KRT, umur, dan jumlah anggota rumah tangga berpengaruh terhadap status migran risen masuk di Provinsi DKI Jakarta. Model regresi logistik biner yang terbentuk memiliki nilai spesifisitas model sebesar 0,0% dan AUC sebesar 48,9% sehingga diperlukan metode Synthetic Minority Oversampling Technique (SMOTE) karena hasil pemodelan mengklasifikasikan seluruh pengamatan ke dalam kategori kelas minor yang disebabkan adanya ketidakseimbangan dalam data. Model regresi logistik biner dengan penanganan SMOTE yang terbaik memiliki nilai spesifisitas model yang lebih baik sebesar 79,9% dan AUC sebesar 72,4% sehingga model regresi logistik biner dengan penanganan SMOTE lebih baik dalam memprediksi status migran risen yang masuk ke Provinsi DKI Jakarta. =================================================================================================================================
Population change is caused by the ocation of birth, death, and population movement. Population movement, with many attractive factors in the destination area is one of the causes of population density inequality in Indonesia. The capital city of Indonesia has become a destination for various groups, making this province to the region with the highest population density. This research discusses about the status of household members in DKI Jakarta with the categories of recent migrants and non-recent migrants as the response variable. Binary logistic regression with Synthetic Minority Oversampling Technique (SMOTE) approach was used to analyze the socio-demographic and economic characteristics of household members recent migrants status in DKI Jakarta. Data from the 2022 National Socio-Economic Survey (SUSENAS), involving 373 migrants and 17.011 non-migrants. Most residents who weren't in DKI Jakarta 5 years ago are now married and 40,5% of those who migrated are the head of the household. Almost half of the population that is included in the migrant is a graduate of elementary school to junior high school and there are 87,4% of migrants who are not in school. 52,8% of migrants are currently working and as many as 54,2% of their homes are not owned by themselves. The variables of marital status, highest education, school status, home ownership status, relationship with head of the household, age, and number of household members affect the status of risen migrants entering DKI Jakarta Province. The binary logistic regression model has a model specificity value of 0.0% and AUC of 48.9%, so the Synthetic Minority Oversampling Technique (SMOTE) method is needed because the modeling results classify all observations into the minority class category due to imbalance in the data. The best binary logistic regression model with SMOTE handling has a better model specificity value of 79.9% and AUC of 72.4%, so the binary logistic regression model with SMOTE handling is better to predicting the status of risen migrants entering the DKI Jakarta Province.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Binary Logistic Regression, DKI Jakarta, Migration, SMOTE, DKI Jakarta, Migrasi, Regresi Logistik Biner, SMOTE
Subjects:	Q Science > QA Mathematics > QA278.2 Regression Analysis. Logistic regression Q Science > QA Mathematics > QA401 Mathematical models.
Divisions:	Faculty of Science and Data Analytics (SCIENTICS) > Statistics > 49201-(S1) Undergraduate Thesis
Depositing User:	Putri Nisrina Az-Zahra
Date Deposited:	06 Feb 2024 07:40
Last Modified:	06 Feb 2024 07:40
URI:	http://repository.its.ac.id/id/eprint/106307

Actions (login required)

View Item