Penerapan Machine Learning Algortima Random Forest untuk Prediksi Keberhasilan UMKM

Abstract

UMKM memiliki peranan penting dalam perekonomian Indonesia, khususnya dalam menciptakan lapangan kerja dan meningkatkan kesejahteraan masyarakat. Namun demikian, tidak semua UMKM mampu bertahan dan berkembang di tengah persaingan bisnis yang semakin ketat. Berbagai faktor seperti manajemen keuangan yang kurang optimal, strategi pemasaran yang lemah, hingga keterbatasan akses terhadap data dan informasi yang akurat sering kali menjadi penyebab utama kegagalan UMKMPenelitian dilakukan melalui proses yang sistematis dan terarah guna menyelesaikan permasalahan yang dikaji. Langkah-langkah penelitian diawali dengan dataset, kemudian dilanjutkan dengan tahap preprocessing, yang bertujuan untuk membersihkan serta mempersiapkan data sebelum dilakukan analisis. Selanjutnya implementasi Random Forest, di mana algoritma diterapkan untuk membangun model prediksi, model akan melalui tahap pengujian dan evaluasi di mana performa model diukur berdasarkan akurasi.Hasil implementasi algoritma Random Forest dalam prediksi keberhasilan UMKM menunjukkan kinerja yang sangat baik dengan tingkat akurasi 86,4%, F1-score 0.862, Precision 0.861, dan Recall 0.864. Hal ini membuktikan bahwa Random Forest mampu menggeneralisasi data dengan baik dan memberikan prediksi yang andal, menjadikannya metode yang layak digunakan dalam pengembangan model prediksi keberhasilan UMKM.Beberapa aspek masih dapat ditingkatkan dalam penelitian lanjutan Salah satu perbaikan yang dapat dilakukan adalah optimasi parameter model melalui hyperparameter tuning, seperti Grid Search atau Random Search, guna mencari kombinasi jumlah pohon keputusan dan atribut terbaik untuk meningkatkan performa prediksi. Selain itu, pengujian dengan dataset yang lebih besar