Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Malcom: Indonesian Journal of Machine Learning and Computer Science
Riznov, Briandana
Unknown Affiliation
Computer Science & IT

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

Found 1 Documents
Search

 1 
Pembangunan Model Klasifikasi untuk Menilai Lokasi Strategis Usaha Laundry Berdasarkan Analisis Geospasial dan Data Open-Source: Development of a Classification Model to Evaluate Strategic Laundry Business Locations Using Geospatial and Open-Source Data Riznov, Briandana; Santoso, Bagus Jati
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 6 No. 1 (2026): MALCOM January 2026
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/malcom.v6i1.2358

Abstract

Industri jasa cuci pakaian di Indonesia terus mengalami pertumbuhan pesat seiring perubahan gaya hidup masyarakat urban yang semakin praktis. Namun, banyak pelaku usaha mengalami kegagalan akibat pemilihan lokasi yang kurang tepat, sehingga diperlukan pendekatan berbasis data untuk mengevaluasi kelayakan lokasi usaha secara objektif. Penelitian ini bertujuan untuk mengembangkan model klasifikasi berbasis analisis geospasial dan data open-source guna menilai apakah lokasi usaha laundry eksisting di Surabaya tergolong strategis atau tidak strategis. Data penelitian dikumpulkan dari Google Maps API, OpenStreetMap (OSM), dan Badan Pusat Statistik (BPS), yang mencakup indikator spasial, demografis, dan ekonomi. Proses analisis meliputi pembersihan data, rekayasa fitur, penyeimbangan data dengan SMOTE, serta penerapan lima algoritma klasifikasi Logistic Regression, Decision Tree, Naive Bayes, k-Nearest Neighbor, dan Random Forest dengan evaluasi menggunakan metrik Accuracy, Precision, Recall, F1-score, dan ROC-AUC. Hasil penelitian menunjukkan bahwa algoritma Random Forest memberikan performa terbaik dengan akurasi 90,1% dan ROC-AUC 0,957. Faktor kepadatan penduduk, kedekatan dengan permukiman, dan jumlah kompetitor terbukti paling berpengaruh terhadap tingkat strategis lokasi. Penelitian ini berkontribusi dalam menyediakan kerangka evaluasi berbasis data dan geospasial yang dapat digunakan sebagai dasar pengambilan keputusan bisnis yang lebih objektif, terukur, dan adaptif terhadap dinamika perkotaan.
Co-Authors Santoso, Bagus Jati