Evaluating The Socio-Economic Sustainability Indicators For District And Cities Surrounding ‘Nusantara’, Indonesia’s New Capital In East Kalimantan Using Machine Learning

Dewi, Netanya Xaviera (2025) Evaluating The Socio-Economic Sustainability Indicators For District And Cities Surrounding ‘Nusantara’, Indonesia’s New Capital In East Kalimantan Using Machine Learning. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 5003211046-Undergraduate_Theses.pdf - Accepted Version Restricted to Repository staff only Download (2MB) | Request a copy

Abstract

Dalam beberapa tahun belakangan ini, penggunaan indikator berkelanjutan semakin banyak digunakan di kalangan administrator publik dan para pembuat kebijakan sebagai upaya untuk menilai sejauh mana tujuan yang direncanakan telah tercapai, serta untuk meningkatkan strategi dan rencana pelaksanaan. Dalam studi ini, penulis telah memilih sejumlah indikator dan mengelompokkannya ke dalam dua pilar utama, yaitu pilar sosial dan pilar ekonomi. Tujuan utama dari penelitian ini adalah memanfaatkan machine learning untuk memprediksi sustainability atau keberlanjutan dari kabupaten dan kota yang berada di Provinsi Kalimantan Timur berdasarkan indikator sosial-ekonomi yang relevan. Model machine learning yang digunakan dalam studi ini adalah Logistic Regression dan Classification and Regression Trees (CART). Hasil perbandingan indikator sosial dan ekonomi menunjukkan bahwa terdapat adanya kesenjangan yang signifikan di seluruh wilayah Kalimantan Timur, mencerminkan tidak meratanya kondisi antar kabupaten dan kota. Evaluasi terhadap model machine learning menunjukkan bahwa Logistic Regression memiliki kinerja yang lebih baik, dengan tingkat akurasi yang mencapai 80%. Selain itu, analisis feature importance berhasil mengidentifikasi indikator sosial-ekonomi yang paling berpengaruh terhadap keberlanjutan provinsi Kalimantan Timur. Memfokuskan perhatian pada indikator-indikator yang memiliki dampak besar terhadap keberlanjutan dari provinsi akan memberikan persiapan yang lebih efektif dalam menghadapi tantangan dan peluang yang muncul seiring dengan Pembangunan Ibu Kota Nusantara.
===========================================================================================================================================
In the past decade, the use of sustainable development indicators has gained popularity among public administrators and policymakers to determine what has been achieved upon the proposed objectives and, subsequently, to enhance strategies and execution plans. This study previously chose several indicators and divided them into social and economic pillars. The primary goal of this study is to utilize machine learning to predict the sustainability of the districts and cities located in East Kalimantan province based on the relevant socio-economic indicators. The classification models used in this study are Logistic Regression and Classification and Regression Trees (CART). The comparison of socio-economic indicators revealed a significant disparity across East Kalimantan, highlighting the diverse conditions within its districts and cities. The evaluation of machine learning models showed that Logistic Regression had a high performance, achieving a classification accuracy of 80%. In addition, the feature importance analysis identifies the key socio-economic indicators that most affect the province’s sustainability predictions. Focusing on these key indicators with a higher impact on sustainability can more effectively prepare for the challenges and opportunities that will come with Nusantara’s development.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Sustainability, Machine Learning, Socio-Economic Indicators, East Kalimantan, Nusantara, Keberlanjutan, Indikator Sosial-Ekonomi, Kalimantan Timur
Subjects:	Q Science > Q Science (General) > Q325.5 Machine learning. Support vector machines. Q Science > QA Mathematics > QA278.2 Regression Analysis. Logistic regression
Divisions:	Faculty of Science and Data Analytics (SCIENTICS) > Statistics > 49201-(S1) Undergraduate Thesis
Depositing User:	Netanya Xaviera Dewi
Date Deposited:	05 Aug 2025 07:12
Last Modified:	05 Aug 2025 07:12
URI:	http://repository.its.ac.id/id/eprint/126753

Actions (login required)

View Item