Prediksi Angka Perceraian Menggunakan Machine Learning

Abstract

Peningkatan jumlah perceraian telah menjadi masalah sosial yang signifikan di berbagai negara, termasuk Indonesia dan Malaysia. Berdasarkan laporan Badan Pusat Statistik Indonesia, terdapat 516.334 kasus perceraian pada tahun 2022, yang meningkat sebesar 15,3% dibandingkan 447.743 kasus pada tahun 2021. Penelitian ini bertujuan untuk mengembangkan model prediksi jumlah perceraian di Indonesia menggunakan metode Long Short-Term Memory (LSTM), yang dikenal dengan kemampuannya dalam menangkap pola temporal pada data berurutan. Dataset penelitian mencakup data selama 10 tahun (2015–2024) yang diperoleh dari Pengadilan Agama Tanjung Pati dan Badan Pusat Statistik, meliputi empat variabel utama: Upah Minimum Regional (UMR), harga beras, perkara cerai talak, dan perkara cerai gugat. Data diproses menggunakan MinMaxScaler dan dibagi menjadi data latih (80%) dan data uji (20%). Model LSTM dibangun dengan 64 unit pada layer LSTM dan 32 unit pada dense layer, serta dilatih selama 100 epoch. Hasil penelitian menunjukkan bahwa model LSTM mencapai Mean Squared Error (MSE) sebesar 0,00002033 ,yang merupakan performa terbaik dibandingkan metode lainnya. Support Vector Regression (SVR) menghasilkan MSE sebesar 0,01022, diikuti oleh Multilayer Perceptron (MLP) dengan MSE 0,01144, dan Extreme Learning Machine (ELM) dengan MSE 0,02969. Penelitian sebelumnya oleh Aimran et al. juga menunjukkan bahwa Decision Tree (C5.0) memiliki akurasi sebesar 77,96%,Penelitian ini menyimpulkan bahwa LSTM adalah pendekatan yang sangat menjanjikan untuk memprediksi angka perceraian di Indonesia, dengan potensi untuk diterapkan pada dataset yang lebih besar dan seimbang. Hasil ini memberikan kontribusi penting dalam analisis data sosial dan dapat menjadi dasar dalam perencanaan kebijakan untuk mengatasi peningkatan angka perceraian.