Pengembangan Model Klasifikasi Belanja Pegawai Daerah Tahun Anggaran 2025-2026 Menggunakan Algoritma Support Vector Machine

Abstract

Ketidakefisienan alokasi belanja pegawai menjadi permasalahan kritis di hampir seluruh pemerintah daerah Indonesia, dengan sebagian besar daerah mengalokasikan lebih dari 30% anggaran untuk komponen personnel. Penelitian ini mengembangkan model klasifikasi menggunakan Support Vector Machine (SVM) untuk mengelompokkan tingkat efisiensi belanja pegawai pada 546 pemerintah daerah berdasarkan data Sistem Informasi Pemerintahan Daerah (SIPD) periode Tahun Anggaran 2025-2026. Pra-pemrosesan data mencakup normalisasi Min-Max, rekayasa fitur, dan pembagian data terstratifikasi 80:20. Optimasi hyperparameter melalui Grid Search dengan 5-Fold Stratified Cross Validation menghasilkan konfigurasi optimal: kernel RBF, C=100, gamma=1. Model mencapai akurasi 98,63%, presisi 98,62%, recall 98,63%, dan F1-Score 98,62% pada data pengujian. Analisis kepentingan fitur menunjukkan bahwa rasio belanja pegawai merupakan prediktor paling dominan. Model secara akurat mengidentifikasi 87,4% daerah pada TA 2026 termasuk kategori tidak efisien, memberikan landasan data yang kuat bagi reformasi kebijakan fiskal daerah.