Evaluasi Perfoma Algoritma Logistic Regression Dan Support Vector Machine Classifier Dalam Kasus Perceraian

Abstract

Kasus perceraian yang terus meningkat setiap tahunnya menjadi perhatian penting bagi para peneliti, praktisi hukum, konselor keluarga, hingga pemerintah karena membawa dampak sosial dan psikologis yang signifikan. Penelitian ini bertujuan untuk menganalisis serta memprediksi kemungkinan terjadinya perceraian dengan memanfaatkan pendekatan machine learning. Dua algoritma klasifikasi yang dibandingkan dalam studi ini adalah Logistic Regression dan Support Vector Classifier, yang keduanya dikenal efektif dalam tugas prediksi berbasis data. Dataset penelitian mencakup berbagai indikator kualitas hubungan, antara lain tingkat kepercayaan, pola komunikasi, kepuasan emosional, intensitas konflik, serta variabel lain yang mencerminkan dinamika pasangan. Proses penelitian melibatkan tahapan pra-pemrosesan data, termasuk pembersihan, normalisasi, dan pembagian data latih serta uji. Kinerja kedua algoritma kemudian dievaluasi menggunakan metrik akurasi, presisi, recall, F1-score, dan analisis confusion matrix. Hasil menunjukkan bahwa Logistic Regression berhasil mencapai akurasi 100%, sedangkan Support Vector Classifier memberikan akurasi 97%. Logistic Regression dinilai unggul dari segi interpretabilitas dan efisiensi komputasi, sehingga sangat sesuai untuk model yang membutuhkan penjelasan yang mudah dipahami. Sementara itu, Support Vector Classifier menunjukkan performa yang kuat untuk pola data yang lebih kompleks dan berdimensi tinggi. Dengan demikian, pemilihan algoritma terbaik sangat bergantung pada karakteristik dataset serta tujuan analisis yang ingin dicapai.