Perbandingan Kinerja Random Forest dan Extra Trees Regression dalam Prediksi Produk Domestik Regional Bruto Provinsi di Indonesia

Abstract

Produk Domestik Regional Bruto (PDRB) merupakan indikator penting dalam mengukur pertumbuhan dan aktivitas ekonomi daerah. Penelitian ini bertujuan membandingkan kinerja metode Random Forest (RF) dan Extra Trees Regression (ETR) dalam memprediksi PDRB provinsi di Indonesia serta mengidentifikasi faktor-faktor dominan yang memengaruhinya. Data yang digunakan berupa data cross section tahun 2025 dari 38 provinsi di Indonesia yang diperoleh dari Badan Pusat Statistik (BPS). Penelitian menggunakan 15 variabel prediktor sosial-ekonomi. Tahapan analisis meliputi preprocessing data, transformasi logaritma natural pada PDRB, pembagian data latih dan data uji, hyperparameter tuning menggunakan GridSearch dengan 5-Fold Cross Validation, serta evaluasi model menggunakan RMSE, MAE, dan MAPE. Hasil penelitian menunjukkan bahwa Extra Trees Regression memiliki performa lebih baik dibandingkan Random Forest dengan nilai RMSE sebesar 0.638, MAE sebesar 0.453, dan MAPE sebesar 3.776. Analisis feature importance menunjukkan bahwa penanaman modal dalam negeri merupakan faktor paling dominan dalam memengaruhi PDRB. Selain itu, jumlah sarana kesehatan dan pengeluaran per kapita juga menjadi variabel penting dalam model Extra Trees Regression.