PEMODELAN PREDIKTIF POTENSI UMKM DI KABUPATEN PONOROGO MENGGUNAKAN RANDOM FOREST

Abstract

Usaha Mikro, Kecil, dan Menengah (UMKM) memiliki peran vital dalam perekonomian Indonesia, termasuk di Kabupaten Ponorogo. Namun, distribusi dan potensi UMKM tidak merata antar kecamatan, sehingga diperlukan pemetaan berbasis data untuk mendukung perencanaan strategis. Penelitian ini bertujuan mengidentifikasi potensi UMKM di Ponorogo dengan menggunakan algoritma Random Forest sebagai metode pemodelan prediktif. Data penelitian diperoleh dari publikasi resmi BPS dan Profil Kabupaten Ponorogo, mencakup indikator sosial-ekonomi dan infrastruktur seperti jumlah penduduk, kepadatan penduduk, luas wilayah, serta jumlah UMKM/Koperasi. Data diolah melalui tahapan pra-pemrosesan, pembagian data latih dan uji, serta pemodelan dengan parameter tertentu. Hasil evaluasi menunjukkan bahwa model Random Forest mampu memprediksi kategori potensi UMKM dengan tingkat akurasi yang baik, di mana kepadatan penduduk muncul sebagai variabel paling berpengaruh, diikuti jumlah penduduk dan luas wilayah. Visualisasi peta tematik juga memperlihatkan konsentrasi UMKM di kecamatan pusat kota, sementara wilayah pinggiran masih tertinggal. Temuan ini menegaskan bahwa strategi pengembangan UMKM perlu disesuaikan dengan karakteristik wilayah, yakni penguatan daya saing di kecamatan padat penduduk serta intervensi infrastruktur dan pemberdayaan di kecamatan berpotensi tetapi belum berkembang. Dengan demikian, penelitian ini memberikan kontribusi akademis berupa penerapan machine learning dalam analisis ekonomi lokal, sekaligus kontribusi praktis bagi pemerintah daerah dan investor dalam merumuskan kebijakan berbasis data.