<![CDATA[Penelitian ini bertujuan untuk mengidentifikasi faktor serta mengklasifikasi tingkat pendapatan freelancer melalui pengembangan model Machine Learning. Pendapatan dikelompokkan ke dalam empat kategori, yaitu Rendah (Low), Menengah (Medium), Tinggi (High), dan Sangat Tinggi (Very High). Metode yang digunakan adalah algoritma Random Forest, yang diterapkan pada dataset berisi 1.950 data freelancer. Tahap pra-pengolahan data meliputi feature engineering yang bersifat inovatif salah satunya pembuatan variabel Marketing Ratio (perbandingan biaya pemasaran terhadap pendapatan) serta proses hyperparameter tunning secara menyeluruh menggunakan RandomizedSearchCV. Hasil evaluasi menunjukkan bahwa model Random Forest yang telah dioptimalkan mencapai performa klasifikasi yang sangat baik, dengan nilai akurasi 0.9103 (91.03%) pada data uji, dan mampu mengungguli model-model alternatif lainnya. Selain itu, analisis Feature Importance menegaskan bahwa Marketing Ratio (53.2%) dan Marketing Spend (39.9%) merupakan prediktor terkuat. Hal ini mengindikasikan bahwa efektivitas pemasaran dan pengelolaan anggaran yang tepat memiliki pengaruh lebih besar terhadap peningkatan pendapatan freelancer dibandingkan aspek konvensional seperti pengalaman atau rating klien. Dengan demikian, model yang dikembangkan tidak hanya memberikan akurasi prediksi yang tinggi, tetapi juga menawarkan wawasan bisnis yang bernilai, terutama mengenai pentingnya optimalisasi Return on Investment (ROI) pemasaran bagi freelancer maupun platform terkait. ]]>
