Permodelan Spasial UMKM Berbasis Smart Economy Menggunakan Hybrid Variational Graph Autoencoder dan K-Means dengan WebGIS

Abstract

Usaha Mikro, Kecil, dan Menengah (UMKM) merupakan penggerak utama perekonomian Indonesia. Namun, ketidakmerataan sebaran spasialnya menjadi tantangan kritis dalam penentuan kebijakan pemerintah yang tepat sasaran. Untuk mengatasi masalah tersebut, penelitian ini mengusulkan pendekatan pemodelan spasial hybrid yang mengintegrasikan Variational Graph Autoencoder (VGAE) dan K-Means Clustering untuk memetakan potensi UMKM di Kecamatan Kemang, Kabupaten Bogor. Data yang digunakan meliputi atribut profil UMKM dan ketersediaan fasilitas desa pendukung. Pada tahap pemodelan, arsitektur VGAE mengenkode struktur graf ketetanggaan spasial node UMKM ke dalam ruang laten berdimensi 8 guna mempertahankan relasi topologisnya. Representasi laten tersebut kemudian dipartisi oleh algoritma K-Means ke dalam 4 cluster optimal berdasarkan Elbow Method. Hasil pengujian menunjukkan bahwa model hybrid ini mencapai Silhouette Score sebesar 0,5659 dan Davies-Bouldin Index (DBI) sebesar 0,7698, mengungguli performa baseline K-Means konvensional (0,4169 dan 1,0122). Berdasarkan hasil klasterisasi tersebut, dilakukan perhitungan Indeks Kapasitas Ekonomi (IKE) dan Indeks Kapasitas Wilayah (IKW) untuk mengkategorikan desa ke dalam empat kategori status prioritas: Stabil (Kemang, Semplak Barat), Penyangga (Pabuaran, Tegal), Waspada (Pondok Udik, Bojong), dan Darurat (Jampang, Atang Senjaya, Parakan Jaya). Hasil pemetaan wilayah ini selanjutnya divisualisasikan melalui platform Sistem Informasi Geografis berbasis web (WebGIS). Implementasi WebGIS ini secara praktis memungkinkan pemangku kepentingan pemerintah untuk mengidentifikasi wilayah intervensi ekonomi secara objektif, yang dikhususkan untuk mewujudkan ekosistem smart economy berbasis UMKM yang berkelanjutan.