Analisis Prediksi Investasi dengan Machine Learning dan Determinan Investasi di Tingkat Regional Provinsi Indonesia

Abstract

Sejalan dengan kebijakan pro-investasi pemerintah Indonesia, investasi merupakan salah satu kunci utama dalam menentukan pertumbuhan ekonomi. Tulisan ini bertujuan untuk memprediksi investasi dan mengidentifikasi faktor-faktor yang memengaruhi investasi dalam rangka memberikan masukan untuk formulasi kebijakan pro-investasi yang lebih efektif. Penelitian ini menggunakan dua model, yakni machine learning dan regresi OLS, dengan menggunakan data 34 provinsi di Indonesia selama tahun 2016-2020. Potensi kapabilitas prediksi machine learning dimanfaatkan untuk memprediksi nilai investasi dengan data panel, sedangkan regresi OLS dengan data cross-section digunakan untuk mengidentifikasi determinan. Hasil model Extra Trees Regressor dapat memprediksi investasi dengan R2 sebesar 0,8428. Model tersebut juga menemukan variabel PDRB, belanja pemerintah, jarak ke pusat ekonomi, kependudukan, infrastruktur, kesehatan, kriminalitas, dan sumber daya alam memiliki nilai feature importance yang tinggi dalam memprediksi investasi. Hasil model regresi cross-section mengonfirmasi pengaruh signifikan dari belanja modal, kualitas pelabuhan, jumlah penduduk, dan sumber daya alam (SDA) minyak terhadap investasi di Indonesia.