Update Artikelilmiah: 50563

YUDITH NICO PRIAMBODO

NIM

Judul Artikel

Abstrak (Bhs. Indonesia)

Kecamatan Sidareja, Kabupaten Cilacap, menghadapi tantangan dalam pengelolaan data kependudukan, termasuk keterbatasan arsip historis, publikasi data yang tidak efisien (±100 halaman), dan potensi ketidakakuratan akibat perbedaan sumber atau data usang. Penelitian ini mengimplementasikan sistem berbasis website menggunakan framework Streamlit untuk memprediksi pertumbuhan penduduk dengan algoritma Support Vector Machine (SVM). Sistem ini menyediakan repositori data terstruktur (tahun 2016–2024) dan dashboard interaktif yang memvisualisasikan data kependudukan seperti : jumlah penduduk, migrasi, status perkawinan, putus sekolah, dan kepala keluarga beserta hasil prediksinya. Model SVM dievaluasi menggunakan metrik MAPE (Mean Absolute Percentage Error) dan R-squared, menunjukkan akurasi tinggi untuk semua aspek prediksi. Pengembangan sistem mengadopsi metode Agile dengan tahapan perencanaan kebutuhan, desain, pengembangan, pengujian (blackbox testing), dan deployment. Hasilnya, sistem berhasil mengatasi masalah pengarsipan data, menyajikan prediksi pertumbuhan penduduk yang akurat, dan memfasilitasi analisis data secara real-time bagi admin dan pengunjung. Seluruh fungsionalitas terverifikasi beroperasi optimal melalui pengujian.

Abtrak (Bhs. Inggris)

Sidareja Subdistrict, Cilacap Regency, faces challenges in population data management, including limited historical archives, inefficient data publication (±100 pages), and potential inaccuracies due to conflicting sources or outdated data. This research implements a web-based system using the Streamlit framework to predict population growth with a Support Vector Machine (SVM) algorithm. The system provides a structured data repository (2016–2024) and an interactive dashboard that visualizes demographic data, including: population size, migration, marital status, school dropouts, and household heads along with their prediction results. The SVM model was evaluated using MAPE (Mean Absolute Percentage Error) and R-squared metrics, demonstrating high accuracy across all prediction aspects. The system was developed using the Agile methodology, encompassing stages of requirement planning, design, development, testing (black-box testing), and deployment. The results show that the system successfully addresses data archival issues, delivers accurate population growth predictions, and enables real-time data analysis for both administrators and visitors. All functionalities were verified to operate optimally through testing.

Kata kunci

Pembimbing 1

Pembimbing 2

Pembimbing 3

Tahun

Jumlah Halaman