Analisis Spasial dan Model Prediktif Data Geografis-Demografis untuk Prediksi Kelayakan Lokasi Usaha

Abstract

Pemilihan lokasi usaha yang tepat merupakan faktor strategis yang menentukan keberhasilan operasional dan finansial bisnis baru. Permasalahan utama yang dihadapi calon pengusaha adalah sulitnya menentukan kelayakan lokasi secara objektif akibat keterbatasan data primer dan metode analisis yang bersifat intuitif. Penelitian ini bertujuan membangun sistem prediksi kelayakan lokasi usaha dengan mengintegrasikan analisis spasial dan model prediktif berbasis machine learning. Metode yang digunakan adalah algoritma Random Forest yang dilatih menggunakan data primer dari 45 titik lokasi di wilayah urban Makassar yang diperoleh melalui survei lapangan langsung. Variabel input mencakup jumlah penduduk, kepadatan toko kompetitor, ketersediaan fasilitas umum, dan volume lalu lintas. Evaluasi model dilakukan menggunakan metrik Mean Absolute Error (MAE), Root Mean Squared Error (RMSE), dan koefisien determinasi (R²). Hasil penelitian menunjukkan model Random Forest memberikan prediksi jumlah pengunjung dengan nilai R² sebesar 0,72, MAE 450,00, dan RMSE 600,17, serta estimasi pendapatan dengan R² sebesar 0,75, MAE Rp1.412.556, dan RMSE 1.894.958. Kestabilan model dikonfirmasi melalui pengujian 5-Fold Cross-validation dengan rata-rata R² sebesar 0,70. Benchmarking terhadap Linear Regression menunjukkan keunggulan Random Forest dengan peningkatan R² sebesar 50% pada prediksi pengunjung dan 36,4% pada prediksi pendapatan. Analisis feature importance mengungkapkan jumlah penduduk sebagai variabel paling dominan (bobot 0,45), diikuti volume lalu lintas (0,25) dan fasilitas umum (0,15). Secara keseluruhan, sistem ini menyediakan alat bantu estimasi kelayakan lokasi berbasis data geografis dan demografis yang dapat mendukung pengambilan keputusan investasi bagi pelaku usaha baru.