Prediksi Volume Penjualan Gadget Berdasarkan Promo dan Channel Penjualan Menggunakan Random Forest
DOI:
https://doi.org/10.70609/jusifor.v4i1.6962Kata Kunci:
Prediksi Volume Penjualan, Random Forest, Machine Learning, Channel PenjualanAbstrak
Volume penjualan gadget dipengaruhi oleh berbagai faktor seperti harga, rating pengguna, keberadaan promo, serta channel distribusi yang digunakan. Pemahaman terhadap pengaruh faktor-faktor tersebut sangat penting untuk merumuskan strategi pemasaran yang efektif. Penelitian ini bertujuan untuk memprediksi volume penjualan gadget menggunakan algoritma Random Forest berdasarkan fitur promo dan channel penjualan. Data yang digunakan merupakan catatan transaksi aktual dari sebuah toko gadget yang melayani penjualan secara online dan offline di wilayah Jabodetabek dalam periode tertentu. Tahapan penelitian meliputi data preprocessing, pembentukan target klasifikasi volume penjualan menjadi tiga kategori (rendah, sedang, dan tinggi), pelatihan model Random Forest, serta evaluasi performa model menggunakan metrik akurasi, precision, recall, dan F1-score. Pembagian data latih dan data uji dilakukan dengan teknik stratified sampling untuk menjaga keseimbangan distribusi kelas. Hasil evaluasi menunjukkan bahwa model Random Forest mencapai akurasi sebesar 49,5%, dengan performa terbaik dalam mengklasifikasikan kategori volume penjualan "sedang". Angka ini mengindikasikan bahwa akurasi prediksi model masih terbatas, dengan hanya sekitar separuh dari keseluruhan data uji yang dapat diprediksi dengan benar. Meskipun demikian, temuan ini menunjukkan bahwa penerapan algoritma machine learning, khususnya Random Forest, berpotensi mendukung pengambilan keputusan berbasis data dalam meningkatkan efektivitas penjualan gadget.
Referensi
[1] International Data Corporation (IDC), “Worldwide Smartphone Forecast Update, 2024–2028,” Framingham, MA, Jan. 2024.
[2] Brownlee J, Ensemble Learning Algorithms With Python. Machine Learning Mastery, 2021.
[3] M. Putra and E. Harahap, “Machine Learning pada Prediksi Kelulusan Mahasiswa Menggunakan Algoritma Random Forest ,” Jurnal Riset Mahasiswa , vol. 4, no. 2, 2024.
[4] L. Breiman, “Random Forests,” 2001.
[5] Kumar S, Choudhury S, and Verma A, “Sales forecasting for retail chains using ensemble models,” Procedia Comput Sci, vol. 167, pp. 2400–2409, 2020.
[6] Wu Y, Chen Q, and Zhang L, “Customer Segmentation Based on RFM and Machine Learning,” Journal of Retailing and Consumer Services, vol. 45, pp. 162–172, 2018.
[7] Suryawanshi M, “Predicting Customer Churn Using Random Forest,” Int J Comput Appl, 2019.
[8] Chen T and Guestrin C, “XGBoost: A scalable tree boosting system,” 2016, pp. 785–894.
[9] A. Hayat, M. U. Ashraf, M. Sajawal, S. Usman, and H. S. Alshaikh, “Predictive Analysis of Retail Sales Forecasting using Machine Learning Techniques,” 2023, doi: 10.54692/lgurjcsit.2022.06004399.
[10] L. Budianti and Suliadi, “Metode Weighted Random Forest dalam Klasifikasi Prediksi Kelangsungan Hidup Pasien Gagal Jantung ,” BCSS, vol. 2, no. 2, 2022.
[11] Y. Priantama and T. A. Y. Siswa, “Optimasi Correlation-Based Feature Selection untuk Random Forest Classifier ,” JIKO, vol. 6, no. 2, 2022.
[12] R. Rindiyani, A. Primadewi, Maimunah, and A. H. Purwantini, “Klasifikasi Penjualan Berdasarkan Platform pada UMKM Omah Branded ,” JURIKOM, vol. 9, no. 5, 2022.
[13] R. Verdiyanto, D. Hartanti, and E. Purwanto, “Pengembangan Aplikasi Point of Sales untuk Prediksi Penjualan Harian ,” Jurnal Ilmu dan Teknologi (JIT) , vol. 8, no. 1, 2025.
[14] T. A. Marzuqi, E. Kristiani, and Marcel, “Prediksi Mahasiswa Drop-Out di Universitas XYZ ,” JTI&IK , 2024.
[15] Z. Zhou and Y. Ding, “Improving Robustness of Random Forest Under Label Noise ,” in Proceedings of the IEEE Winter Conference on Applications of Computer Vision (WACV), Waikoloa Village, Hawaii, USA: IEEE, Jan. 2019, pp. 1170–1178.
[16] P. Sejati, M. Munawar, M. Pilliang, and H. Akbar, “Studi Komparasi Naive Bayes, K-Nearest Neighbor, dan Random Forest untuk Prediksi Calon Mahasiswa ,” JTI&IK , 2022.
Unduhan
Diterbitkan
Terbitan
Bagian
Lisensi
Hak Cipta (c) 2025 Alvi Agustina, Tukino Tukino, Baenil Huda, Elfina Novalia
Artikel ini berlisensiCreative Commons Attribution-ShareAlike 4.0 International License.
