TRUNOJOYO-Tugas Akhir-39513-Abstract.pdf
Restricted to Repository staff only
Download (177kB)
TRUNOJOYO-Tugas Akhir-39513-Cover.pdf
Restricted to Repository staff only
Download (2MB)
TRUNOJOYO-Tugas Akhir-39513-Chapter1.pdf
Restricted to Repository staff only
Download (230kB)
TRUNOJOYO-Tugas Akhir-39513-Chapter2.pdf
Restricted to Repository staff only
Download (420kB)
TRUNOJOYO-Tugas Akhir-39513-Chapter3.pdf
Restricted to Repository staff only
Download (754kB)
TRUNOJOYO-Tugas Akhir-39513-Chapter4.pdf
Restricted to Repository staff only
Download (5MB)
TRUNOJOYO-Tugas Akhir-39513-Conclusion.pdf
Restricted to Repository staff only
Download (151kB)
TRUNOJOYO-Tugas Akhir-39513-References.pdf
Restricted to Repository staff only
Download (190kB)
TRUNOJOYO-Tugas Akhir-39513-Appendices.pdf
Restricted to Repository staff only
Download (736kB)
Abstract
Usaha Mikro, Kecil, dan Menengah (UMKM) di Kecamatan Sampang memiliki peran penting dalam pertumbuhan ekonomi daerah, penyerapan tenaga kerja, dan peningkatan kesejahteraan masyarakat. Namun, perbedaan karakteristik usaha seperti omzet, aset, kapasitas produksi, jumlah tenaga kerja, legalitas usaha, serta pemanfaatan teknologi digital menyebabkan identifikasi potensi UMKM masih sulit dilakukan secara objektif. Kondisi ini mengakibatkan program pembinaan dan bantuan usaha belum sepenuhnya tepat sasaran. Penelitian ini bertujuan melakukan segmentasi dan klasifikasi potensi UMKM menggunakan algoritma K-Means dan XGBoost dengan pendekatan CRISP-DM yang meliputi business understanding, data understanding, data preparation, modeling, evaluation, dan deployment. Data yang digunakan merupakan data sekunder sebanyak 1.056 UMKM yang diperoleh dari Dinas Koperasi, Perindustrian, dan Perdagangan Kabupaten Sampang. Variabel penelitian meliputi omzet per tahun, aset, jumlah tenaga kerja, kapasitas produksi per tahun, NIB/SKU, penggunaan media sosial, kehadiran di marketplace, dan kepemilikan lahan. Hasil penelitian menunjukkan bahwa segmentasi terbaik diperoleh pada jumlah cluster k 8 dengan nilai Silhouette Coefficient sebesar 0,7867 yang menunjukkan kualitas cluster baik. Pada tahap klasifikasi, model XGBoost Baseline dan model XGBoost dengan tambahan informasi cluster memperoleh nilai akurasi yang sama sebesar 0,9670. Namun, model baseline memberikan hasil lebih baik pada recall macro sebesar 0,9613 dan F1-score macro sebesar 0,9641, sedangkan model dengan tambahan cluster memperoleh recall macro 0,9601 dan F1-score macro 0,9636. Berdasarkan hasil tersebut, algoritma K-Means efektif digunakan untuk segmentasi potensi UMKM, sedangkan XGBoost Baseline menjadi model terbaik untuk klasifikasi potensi UMKM. Hasil penelitian ini diharapkan dapat mendukung pengambilan keputusan yang lebih tepat sasaran dalam pembinaan dan pengembangan UMKM di Kecamatan Sampang.
| Item Type | Thesis (Skripsi) |
|---|---|
| Thesis Type | S1 |
| Creators | Creators NIM AKHMAD SULTHON RABBANI |
| Department | Sistem Informasi |
| Uncontrolled Keywords | UMKM, K-Means, XGBoost, segmentasi, klasifikasi. |
| Divisions | Fakultas Teknik > S1 - Sistem Informasi |
| Additional Information | elib mass import |
| Depositing User | Unnamed user with email library@trunojoyo.ac.id |
| Date Deposited | 17 Oct 2026 19:23 |
| Last Modified | 24 Oct 2026 17:18 |
| URI | https://repository.trunojoyo.ac.id/id/eprint/28231 |
