<![CDATA[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.]]>
Copyrights © 2025
