Performance Analysis of the Random Forest and Logistic Regression Models for Predicting the Effect of the Environment on Land Value Zones (ZNT) in Gorontalo City

Abstract

Zona Nilai Tanah (ZNT) merupakan indikator penting nilai ekonomi regional dan dipengaruhi oleh berbagai faktor lingkungan dan spasial. Studi ini bertujuan untuk membandingkan kinerja model Regresi Logistik Ordinal dan Random Forest dalam memprediksi klasifikasi ZNT di Kota Gorontalo. Studi ini menggunakan data spasial sekunder yang berasal dari peta ZNT tahun 2023 dan 2024, yang terdiri dari 560 sampel. Variabel prediktor meliputi topografi, jarak ke sumber daya alam, ruang terbuka hijau, fasilitas umum, sumber polusi, dan penggunaan lahan, sedangkan variabel respons dikategorikan ke dalam kelas ZNT rendah, menengah, dan tinggi.

Analisis ini melibatkan pra-pemrosesan data, transformasi variabel, dan pembagian data menjadi set pelatihan dan pengujian dengan rasio 80:20. Kedua model dievaluasi menggunakan matriks kebingungan untuk menilai kinerja klasifikasi.  Hasil penelitian menunjukkan bahwa model Regresi Logistik Ordinal dan Random Forest berkinerja sama baiknya dalam mengklasifikasikan Zona Nilai Tanah (LVZ), dengan akurasi tinggi pada data uji. Selain itu, penggunaan lahan dan kedekatan dengan fasilitas umum merupakan faktor yang paling berpengaruh dalam klasifikasi LVZ.

Studi ini menunjukkan bahwa pendekatan statistik dan pembelajaran mesin dapat memberikan prediksi yang akurat dalam analisis nilai lahan berdasarkan faktor lingkungan. Regresi logistik ordinal unggul dalam menafsirkan hubungan antar variabel melalui pengujian statistik, sedangkan Random Forest lebih efektif dalam mengidentifikasi pentingnya variabel melalui analisis kepentingan fitur. Hasil studi ini diharapkan dapat menjadi referensi untuk perencanaan spasial dan pembuatan kebijakan terkait pengelolaan nilai lahan di Kota Gorontalo.