Klasifikasi Status NEET pada Penduduk Usia Muda di Indonesia dengan SVM dan Random Forest

Abstract

Not in Education, Employment, or Training (NEET) adalah suatu indikator untuk mengetahui tingkat kerentanan penduduk usia muda dalam pengangguran, putus sekolah, serta keputusasaan terhadap pasar tenaga kerja.  Menurut ILO, Indonesia merupakan salah satu negara dengan tingkat NEET tertinggi di Asia sehingga merupakan suatu masalah yang perlu untuk segera diatasi. Salah satu alternatif yang dapat dilakukan untuk mengatasi fenomena tersebut adalah dengan deteksi dini terhadap penduduk yang berisiko menjadi NEET yang dapat dilakukan dengan menggunakan indikator-indikator yang telah melekat dalam individu seperti jenis kelamin, status perkawinan, dan disabilitas. Penelitian ini bertujuan untuk melakukan klasifikasi terhadap status NEET pada penduduk usia muda agar dapat digunakan untuk memprediksi apakah seorang individu termasuk ke dalam NEET dengan menggunakan metode klasifikasi yang meliputi Support Vector Machine (SVM) dan random forest. Data yang digunakan merupakan data sekunder yang diperoleh dari raw data SAKERNAS periode Agustus 2018. Hasil penelitian menunjukkan bahwa metode random forest memberikan hasil akurasi yang lebih tinggi sehingga memiliki kemampuan yang lebih baik dalam mengklasifikasikan penduduk muda menurut status NEET yaitu dengan akurasi sebesar 82,94 persen. Oleh karena itu, metode ini dapat digunakan untuk memprediksi status NEET dalam rangka menunjang pengurangan persentase NEET di Indonesia.