Penerapan Machine Learning dan Big Data dalam Analisis Penduduk Putus Sekolah pada Kementerian Sosial

Abstract

Permasalahan putus sekolah masih menjadi tantangan utama dalam pembangunan sumber daya manusia di Indonesia, khususnya bagi kelompok masyarakat rentan yang menjadi sasaran program Kementerian Sosial Republik Indonesia. Tingginya angka putus sekolah dipengaruhi oleh berbagai faktor kompleks, seperti kondisi ekonomi, akses pendidikan, lingkungan sosial, dan faktor geografis. Penelitian ini bertujuan untuk menerapkan teknologi machine learning dan big data dalam menganalisis serta memprediksi pola penduduk putus sekolah guna mendukung pengambilan kebijakan yang lebih tepat sasaran. Data yang digunakan mencakup data kependudukan, data bantuan sosial, data pendidikan, serta variabel sosial ekonomi lainnya yang diolah dalam skala besar. Metode yang digunakan meliputi algoritma klasifikasi seperti Random Forest, Support Vector Machine (SVM), dan Logistic Regression untuk mengidentifikasi faktor-faktor dominan yang berkontribusi terhadap putus sekolah. Hasil penelitian menunjukkan bahwa pendekatan berbasis machine learning mampu mengungkap pola tersembunyi dan memberikan prediksi dengan tingkat akurasi yang baik. Selain itu, analisis big data memungkinkan integrasi berbagai sumber data sehingga menghasilkan insight yang lebih komprehensif. Implementasi model ini diharapkan dapat membantu pemerintah dalam merumuskan kebijakan intervensi yang lebih efektif, menekan angka putus sekolah, serta meningkatkan kualitas pendidikan secara berkelanjutan.