Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Journal of Informatics and Advanced Computing
Kevin Anugrah Putra Hasibuan
Universitas Krisnadwipayana
Computer Science & IT

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search
Journal : journal of informatics and advanced computing

 1 
Komparasi Algoritma Machine Learning untuk Prediksi Lokasi Strategis UMKM Berbasis Data Spasial dan Sosial-Ekonomi Rizki Hesananda; Kevin Anugrah Putra Hasibuan
Journal of Informatics and Advanced Computing (JIAC) Vol 6 No 2 (2025): Journal of Informatics and Advanced Computing
Publisher : Universitas Pancasila

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35814/9myfj067

Abstract

Penentuan lokasi usaha yang strategis merupakan faktor krusial bagi keberhasilan Usaha Mikro, Kecil, dan Menengah (UMKM). Penelitian ini membahas analisis komparatif tiga algoritma machine learning, yaitu Random Forest, K-Nearest Neighbors (KNN), dan XGBoost, untuk memprediksi kelayakan lokasi UMKM berdasarkan data spasial dan sosial-ekonomi. Dataset terdiri dari 500 sampel dengan lima fitur utama, termasuk jumlah pesaing, jarak ke jalan raya, kepadatan penduduk, dan biaya sewa, serta ditemukan ketidakseimbangan kelas pada variabel target ‘lokasi strategis’  . Metodologi penelitian mencakup imputasi nilai hilang, standardisasi fitur, rekayasa fitur rasio penduduk–pesaing, serta optimasi hyperparameter menggunakan GridSearchCV. Hasil eksperimen menunjukkan bahwa ketiga model mencapai akurasi tinggi (≈90%), tetapi memiliki keterbatasan dalam memprediksi kelas minoritas, ditunjukkan oleh nilai precision dan F1-score yang rendah untuk kelas “Strategis”  . Analisis feature importance menegaskan bahwa jumlah pesaing merupakan faktor paling berpengaruh, disusul kepadatan penduduk dan rasio penduduk–pesaing. Penelitian ini menyimpulkan bahwa meskipun model mampu melakukan klasifikasi dasar dengan baik, penanganan ketidakseimbangan kelas dan penambahan fitur relevan sangat diperlukan untuk meningkatkan akurasi prediksi lokasi strategis UMKM. Temuan ini memberikan kontribusi dalam pengembangan sistem rekomendasi lokasi berbasis data untuk pengambilan keputusan UMKM.
Co-Authors Rizki Hesananda