Support Vector Machine dan Shapley Additive Explanations untuk Analisis Kejadian Rawan Pangan di Jawa Timur

Abstract

Pembelajaran mesin adalah metode yang memungkinkan mesin mendapatkan pengetahuan dengan memberikan input berupa data sebagai bahan belajar (training) sebelum diujikan (testing) untuk mendapatkan output yang optimal. Salah satu jenisnya adalah teknik pembelajaran mesin yang terawasi, yang mampu memetakan input ke output yang diinginkan dan mampu menghasilkan model prediktif dengan akurasi model yang sangat baik. Kemampuan pembelajaran mesin dalam model prediktif lebih unggul dari model sederhana tradisional. Terdapat berbagai macam algoritma machine learning, salah satunya adalah Support Vector Machine (SVM). Berdasarkan prinsip Structural Risk Minimization SVM adalah salah satu algoritma pembelajaran mesin yang paling banyak digunakan dan mencapai kinerja generalisasi yang unggul untuk klasifikasi dan regresi. SVM memiliki kelebihan dalam akurasi dan kekurangan dalam interpretasi. Sebagian besar model yang dikembangkan oleh data scientist hanya fokus pada akurasi prediksi sebagai matriks kinerja tetapi jarang menjelaskan prediksi secara bermakna. Pembelajaran mesin terarah secara umum menghasilkan model yang sulit untuk dijelaskan dalam bentuk sederhana. Kesulitan model ini sering disebut dengan black box yaitu model dapat memberikan akurasi yang baik namun tidak mudah dalam melakukan interpretasi. Pendekatan SHapley Additive exPlanations (SHAP) dalam memperoleh tingkat kepentingan variabel merupakan upaya saat ini untuk menginterpretasikan model black box. SHAP terbukti efektif dalam menjelaskan berbagai model pembelajaran terawasi. Penjelasan SHAP yang canggih secara lokal menjelaskan dampak variabel pada prediksi individu dan barubaru ini telah diperluas untuk memberikan penilaian global pada seluruh dataset. Interpretasi dalam model pembelajaran mesin yang terawasi dapat memberikan manfaat tambahan dalam penentuan kebijakan oleh para pengambil kebijakan.

Data yang digunakan merupakan data kejadian rawan pangan berdasarkan manfaat tambahan dalam penentuan kebijakan oleh para pengambil kebijakan. Data yang digunakan merupakan data kejadian rawan pangan berdasarkan Susenas KOR (pengumpulan data yang dilaksanakan tiap tahun) Maret 2021. Terdapat tiga tahapan analisis data, yaitu penyiapan data, pembentukan model klasifikasi, dan interpretasi model klasifikasi. Data pada penelitian ini dibagi menjadi data latih dan data uji dengan perbandingan 70:30 pada dataset rumah tangga rawan pangan, selanjutnya melakukan penyeimbangan data menggunakan teknik SMOTE pada data latih tersebut. Pembentukan model klasifikasi dilakukan pada data yang telah seimbang dengan menggunakan hiperparameter optimum. Pada metode SHAP interpretasi ditampilkan melalui SHAP summary plot dan Shap Hierarchical Clustering. Tujuan dari penelitian adalah menjelaskan model SVM Nonlinier menggunakan Shapley Additive Explanations, mengetahui peran setiap variabel prediktor dari Susenas terhadap kejadian kerawanan pangan, mengkaji pengaruh dari variabel prediktor pada kejadian kerawanan pangan menggunakan Shapley Additive Explanations.

Berdasarkan nilai evaluasi model pada data kejadian rawan pangan Provinsi Jawa Timur memperlihatkan bahwa model SVM mampu bekerja cukup baik dalam mengklasifikasikan rumah tangga rawan pangan. Parameter optimum diperoleh pada kernel radial basis function (rbf). SHAP dengan fungsi interpretasi Permutation Explainer mampu menjelaskan model SVM Nonlinier dengan baik. Interpretasi model SVM Nonlinier menggunakan SHAP menghasilkan urutan variabel penting penciri kejadian rawan pangan Provinsi Jawa Timur yaitu luas lantai, jumlah penabung, pendidikan kepala rumah tangga, jenis lantai, sumber air minum dan akses internet. Analisis interaksi SHAP menghasilkan 2 klaster. Klaster pertama terbentuk oleh variabel jumlah penabung, akses internet, pendidikan kepala rumah tangga, dan jumlah buta huruf. Klaster kedua terbentuk oleh variabel jenis lantai dan jenis dinding. Variabel jumlah penabung dan akses internet memiliki kedekatan yang tinggi pada klaster pertama, sedangkan pada klaster kedua variabel jenis lantai dan jenis dinding memiliki kedekatan yang tinggi.