Perbandingan Algoritma Naive Bayes dan SVM untuk Klasifikasi Baku Lapangan Usaha Indonesia (KBLI) UMKM Berdasarkan Deskripsi Produk - Studi Kasus Inkubator UMKM Makassar

Latar Belakang. Usaha Mikro, Kecil, dan Menengah (UMKM) berkontribusi lebih dari 60% terhadap PDB nasional dan menyerap 97% tenaga kerja non-pertanian. Namun, kesalahan dalam klasifikasi Klasifikasi Baku Lapangan Usaha Indonesia (KBLI) saat pendaftaran Nomor Induk Berusaha (NIB) sering terjadi akibat variasi deskripsi produk, yang berdampak pada efektivitas kebijakan pemberdayaan. Penelitian ini membandingkan performa algoritma Naive Bayes dan Support Vector Machine (SVM) dalam mengklasifikasikan kode KBLI berdasarkan deskripsi produk UMKM di Kota Makassar pada sektor Food & Beverage, Crafting, dan Jasa. Metode. Dataset terdiri atas 1.117 data dengan 10 kategori KBLI dan dibagi 90:10 untuk pelatihan dan pengujian. Proses dilakukan melalui tahapan preprocessing teks dan pembobotan TF-IDF, kemudian model dievaluasi menggunakan metrik akurasi, presisi, recall, dan F1-score dengan validasi 5-fold cross-validation. Hasil. Hasil menunjukkan bahwa SVM (kernel linear) memberikan performa terbaik dengan akurasi 91,07%, sedangkan Naive Bayes mencapai 89,29%. Uji validasi menunjukkan konsistensi tinggi dan kesesuaian hasil dengan penilaian ahli sebesar 94%. Kesimpulan. Disimpulkan bahwa SVM unggul dan lebih stabil dibandingkan Naive Bayes dalam klasifikasi KBLI berbasis deskripsi produk UMKM. Model ini berpotensi meningkatkan ketepatan proses perizinan serta kualitas data yang mendukung kebijakan pengembangan UMKM.