Penerapan Algoritma Random Forest untuk Klasifikasi Risiko Usaha UMKM Berdasarkan Faktor Keuangan, Operasional, dan Pemasaran
DOI:
https://doi.org/10.30865/jurikom.v15i5.10138Keywords:
UMKM, Risiko, Random Rorest, Machine Learning, KlasifikasiAbstract
Usaha Mikro, Kecil, dan Menengah (UMKM) menghadapi risiko usaha yang berkaitan dengan faktor keuangan, operasional, dan pemasaran. Penelitian ini bertujuan mengklasifikasikan risiko usaha UMKM menjadi kategori risiko rendah dan tinggi menggunakan algoritma Random Forest. Data yang digunakan berupa dataset sintetis UMKM dari Kaggle dengan jumlah 150.000 data berdasarkan pembagian data yang dilaporkan. Tahapan prapemrosesan meliputi pemeriksaan nilai yang hilang, transformasi data, serta pembentukan target Risk dari atribut Class. Kategori Growth dan Elite dipetakan sebagai risiko rendah, sedangkan Struggling dan Critical dipetakan sebagai risiko tinggi. Dataset dibagi secara terstratifikasi menjadi 120.000 data latih (80%) dan 30.000 data uji (20%). Model menggunakan 100 pohon keputusan dan dievaluasi melalui akurasi, precision, recall, F1-score, serta confusion matrix. Pengujian awal menghasilkan akurasi sebesar 100%, dengan precision, recall, dan F1-score masing-masing sebesar 1,00 pada kedua kelas. Sebanyak 19.174 data risiko rendah dan 10.826 data risiko tinggi diklasifikasikan dengan benar. Namun, hasil tersebut belum dapat menunjukkan kemampuan generalisasi model karena atribut Class yang membentuk target masih digunakan sebagai prediktor, sehingga terjadi kebocoran informasi target. Oleh karena itu, klaim keberhasilan model belum dapat ditetapkan sebelum pelatihan dan pengujian ulang tanpa atribut Class. Penggunaan data sintetis juga membatasi penerapan temuan, sehingga diperlukan validasi pada data UMKM riil.
References
[1] F. N. Aftitah, J. L. K, K. Hasanah dan N. L. H. F. M, “Pengaruh UMKMTerhadap Pertumbuhan Ekonomi Di Indonesia Pada Tahun 2023,” JKPIM: Jurnal Kajian dan Penalaran Ilmu Manajemen, vol. 3, pp. 32-43, 2025.
[2] A. Nurafifah, A. Soleha dan I. Misra, “PERAN MANAJEMEN KEUANGAN DALAM PENGELOLAAN UMKM UNTUK MENINGKATKAN KEBERLANJUTAN BISNIS,” Opportunity Research and Community Service Journal, vol. 3, pp. 18-41, 2025.
[3] Misna, A. P. Hafiz dan A. Budianto, “Analisis Manajemen Risiko Dalam Meningkatkan Pendapatan Usaha Pada Umkm Kerupuk Amplang Kecamatan Reteh Riau,” Jurnal Makesya, vol. 5, pp. 18-38, 2025.
[4] N. D. Atmini, U. F. Hidayanti dan Y. N. Gunara, “Analisis Manajemen Risiko Keuangan padaUMKM Lela Florist Kota Semarang,” Jurnal Visi Manajemen, vol. 10, pp. 215-226, 2024.
[5] Y. A. Rizky, S. I. Lestari, S. N. Putri dan Hendra, “Penilaian Potensi Investasi Usaha Rintisan (Start-up) melalui Pendekatan Aspek Pasar dan Manajemen Risiko,” An-Najah: Journal of Islamic Economics, vol. 1, pp. 332-341, 2025.
[6] M. Gustin, I. I. Hawa, N. Safitri, E. Elisa dan R. Asytuti, “Analisis Manajemen Risiko dalam Upaya Meningkatkan Keberlangsungan Usaha di Tengah Ketidakpastian Ekonomi,” JKB Jurnal Kewirusahaan dan Bisnis, vol. 8, no. 2, pp. 83-98, 2026.
[7] T. Susilawati dan A. B. Trisnawan, “Pemanfaatan Machine Learninguntuk Peningkatan Akurasi Sistem Pendukung Keputusan Prediktif,” JurnalUnitek, vol. 18, pp. 303-312, 2025.
[8] F. N. Farida, A. Faqih dan S. E. Permana, “PENERAPAN MODEL PREDIKSI PENJUALAN PADA USAHA RUMAH MAKAN MENGGUNAKAN ALGORITMA RANDOM FOREST,” JATI (Jurnal Mahasiswa Teknik Informatika), vol. 9, pp. 5895-5902, 2025.
[9] H. Yuliastuti, F. Melawati, Iwadiah, E. Khairani dan R. Diana, “PENGARUH PENGGUNAAN ARTIFICIAL INTELLIGENCE TERHADAP PENGAMBILAN KEPUTUSAN BISNIS PADA UMKM,” JURNAL LENTERA BISNIS, vol. 15, pp. 4482-4492, 2026.
[10] B. N. Lestaria dan L. Riskaa, “Klasifikasi Keberhasilan Usaha Mikro, Kecil, dan Menengah (UMKM) di Indonesia Menggunakan Algoritma C4.5 dengan Pendekatan Data Mining,” Jurnal Mahkota Bisnis, vol. 5, pp. 75-83, 2026.
[11] P. Periyadi, N. Maulida dan I. Muttaqin, “Pengaruh Pendapatan Biaya Serta Efesiensi Beban Operasional Dalam Mengukur Kinerja Keuangan Perusahaan(Studi Kasus Pada Cv. Intiga Harapan Sukses),” Jurnal Publikasi Ilmu Manajemen, vol. 4, pp. 63-74, 2025.
[12] S. Aisyah, Data Science Teori, Metode, dan Aplikasi, Yogyakarta: PT. Tren Digital Publishing, 2025.
[13] Z. Briliantaman, W. Adriyano dan A. B. Pratama, “Analisis Akurasi Algoritma Random Forest Regression dalam Memprediksi Harga Mobil Bekas,” Journal of Information Systems and Business Technology, vol. 02, pp. 1001-1006, 2026.
[14] Y. A. Singgalen, “Penerapan Metode CRISP-DM dalam Klasifikasi Data Ulasan Pengunjung Destinasi Danau Toba Menggunakan Algoritma Naïve Bayes Classifier (NBC) dan Decision Tree (DT),” Jurnal Media Informatika Budidarma, vol. 7, pp. 1551-1562, 2023.
[15] N. Umar, Data Mining Konsep dan Penerapannya, Jambi: Sonpedia, 2025.
[16] P. K. Sari dan R. R. Suryono, “KOMPARASI ALGORITMA SUPPORT VECTOR MACHINE DAN RANDOM FOREST UNTUK ANALISIS SENTIMENMETAVERSE,” Jurnal MNEMONIC, vol. 7, pp. 31-39, 2024.
[17] R. Amelia, “Analisis Pengaruh Pembagian Data terhadap Kinerja Algoritma Naive Bayesdalam Prediksi Penyakit Diabetes pada Wanita,” POLYSCOPIA, vol. 3, pp. 56-63, 2026.
[18] Febriansyah dan I. Susilawati, “Klasifikasi Tingkat Penghasilan Freelancer Menggunakan Algoritma Random Forest,” Journal Nasional Teknologi Komputer, vol. 6, pp. 1158-1168, 2026.
[19] A. R. Hanum*, I. A. Zetha, J. N. Fajrina, R. A. Wulandari, S. C. Putri, S. P. Andina dan N. Yudistira, “ANALISIS KINERJA ALGORITMA KLASIFIKASI TEKS BERT DALAM MENDETEKSI BERITA HOAKS,” Jurnal Teknologi Informasi dan Ilmu Komputer (JTIIK), vol. 11, pp. 537-546, 2024.
[20] M. R. Romahdoni, Mengenal Algorita Random Forest Cara Mudah Menerapkan Machine Learning di Bisnis UMKM, Payakumbuh: Serasi Media Teknologi, 2025.
