PREDIKSI KEBERHASILAN UMKM MENGGUNAKAN ARTIFICIAL NEURAL NETWORK

Usaha Mikro, Kecil, dan Menengah (UMKM) memiliki peran penting dalam perekonomian Indonesia, namun masih menghadapi tingkat kegagalan usaha yang tinggi. Selain itu, data numerik yang dimiliki UMKM umumnya belum dimanfaatkan secara optimal sebagai dasar pengambilan keputusan. Penelitian ini bertujuan membangun model prediksi keberhasilan UMKM menggunakan model Artificial Neural Network (ANN), mengevaluasi kinerja model, serta mengidentifikasi fitur-fitur yang paling berpengaruh terhadap hasil prediksi. Penelitian menggunakan dataset UMKM sebanyak 250 data yang diperoleh dari Kaggle yang terdiri atas 13 variabel yang meliputi 12 variabel independen dan 1 variabel target. Tahapan penelitian meliputi penginputan data UMKM, preprocessing data, pembagian data dengan rasio 80:20, pelatihan model ANN, evaluasi model menggunakan confusion matrix dan classification report dengan metrik accuracy, precision, recall dan F1-score, membandingkan kinerja model pada data training dan data testing, serta menganalisis fitur yang paling berpengaruh menggunakan Permutation Feature Importance. Hasil pengujian menunjukkan bahwa model ANN mampu menghasilkan accuracy sebesar 94%, precision sebesar 90,9%, recall sebesar 83,3% dan F1-score sebesar 87%. Hasil analisis Permutation Feature Importance menunjukkan bahwa variabel Internet_Usage, Financial_Record_Keeping, Initial_Capital, Business_Plan, dan Industry_Experience merupakan variabel yang paling berpengaruh terhadap proses prediksi. Berdasarkan hasil yang diperoleh, penelitian ini menunjukkan bahwa model ANN dapat diterapkan untuk memprediksi keberhasilan UMKM sekaligus memberikan informasi mengenai fitur-fitur penting yang mendukung pengambilan keputusan berbasis data