Implementasi Algoritma XGBoost Untuk Prediksi Capaian Bulanan Pendapatan Daerah Kota Bandung

Abstract

Abstrak Pendapatan Asli Daerah (PAD) merupakan komponen utama pembiayaan pembangunan daerah. Di Kota Bandung, ketidaksesuaian antara target dan realisasi PAD masih menjadi tantangan dalam perencanaan fiskal. Penelitian ini bertujuan membangun model prediksi capaian bulanan PAD menggunakan algoritma XGBoost, yang dikenal efektif dalam menangani data non-linear. Data sekunder diperoleh dari Bapenda Kota Bandung, mencakup berbagai jenis pajak daerah tahun 2018–2024. Tahapan penelitian meliputi pembersihan data, rekayasa fitur, pembagian data, pelatihan model, dan evaluasi performa menggunakan metrik MAE, RMSE, dan R². Hasil evaluasi menunjukkan MAE sebesar Rp5,6 miliar, RMSE Rp9,3 miliar, dan R² 73% pada data uji. Validasi silang 5-fold menghasilkan MAE Rp3,49 miliar, RMSE Rp6,65 miliar, dan R² 86%. Hasil ini membuktikan bahwa model memiliki akurasi dan kemampuan generalisasi yang baik. XGBoost dapat digunakan sebagai alat bantu strategis dalam perencanaan anggaran dan penyusunan APBD secara lebih presisi.