Prediksi Jumlah Kendaraan Bermotor Berbasis Data Provinsi Indonesia Menggunakan Linear Regression dan Random Forest

Abstract

Penelitian ini membahas pemodelan prediksi jumlah kendaraan bermotor di Indonesia berdasarkan variabel jumlah penduduk, kepadatan penduduk, dan panjang jalan. Tujuan penelitian ini adalah untuk membandingkan kinerja dua model regresi dalam memprediksi jumlah kendaraan serta menganalisis tren pertumbuhan kendaraan hingga tahun 2026. Metode yang digunakan meliputi penerapan model Linear Regression dan Random Forest Regressor dengan pembagian data latih dan data uji sebesar 80:20. Evaluasi kinerja model dilakukan menggunakan metrik MAE, RMSE, dan R² Score untuk mengukur tingkat kesalahan dan akurasi prediksi. Selain itu, dilakukan analisis visual untuk melihat kesesuaian antara nilai aktual dan nilai prediksi serta peramalan jumlah kendaraan pada tahun 2026. Hasil penelitian menunjukkan bahwa Random Forest Regressor memiliki performa yang lebih baik dibandingkan Linear Regression dengan nilai MAE sebesar 7.18×10⁵, RMSE sebesar 1.75×10⁶, dan R² sebesar 0.945. Model Random Forest juga mampu menjelaskan sekitar 94,5% variasi data dan menunjukkan pola prediksi yang lebih mendekati nilai aktual. Hasil prediksi tahun 2026 menunjukkan bahwa provinsi di Pulau Jawa masih mendominasi jumlah kendaraan tertinggi, dengan Jawa Barat sebagai peringkat pertama. Secara keseluruhan, model Random Forest dinilai lebih akurat dan stabil dalam memprediksi jumlah kendaraan bermotor di Indonesia.