Claim Missing Document
Check
Articles

Found 11 Documents
Search

PREDICTING SUCCESSFUL TIMELY ORDER COMPLETION IN E-COMMERCE USING XGBOOST AND CATBOOST MODELS Nuryana, Muhammad Risqi; Muhammad Nur Aulia Rahman; Hadikusuma, Ridwan Satrio
Jurnal INSTEK (Informatika Sains dan Teknologi) Vol 11 No 1 (2026): APRIL
Publisher : Department of Informatics Engineering, Faculty of Science and Technology, Universitas Islam Negeri Alauddin, Makassar, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24252/instek.v11i1.63315

Abstract

Keberhasilan penyelesaian pesanan tepat waktu merupakan aspek penting dalam operasional e-commerce karena kinerja pengiriman berpengaruh langsung terhadap kepuasan pelanggan dan kualitas layanan. Penelitian ini bertujuan untuk mengidentifikasi faktor-faktor utama yang memengaruhi ketepatan waktu pengiriman serta mengevaluasi kinerja model XGBoost dan CatBoost dalam melakukan prediksi. Analisis dilakukan menggunakan dataset transaksi e-commerce publik yang mencakup karakteristik produk, waktu pemesanan, dan informasi pengiriman. Tahapan pra-pemrosesan data meliputi penanganan missing values, normalisasi fitur, serta feature engineering berbasis waktu. Optimasi hyperparameter dilakukan menggunakan framework Optuna untuk meningkatkan performa model. Hasil penelitian menunjukkan bahwa product_length_cm, product_weight_g, dan order_purchase_timestamp merupakan fitur yang paling berpengaruh terhadap keberhasilan pengiriman. Model CatBoost lebih sensitif terhadap karakteristik fisik produk, sedangkan XGBoost lebih menekankan pola pemesanan berbasis waktu, khususnya pada skala bulanan. Selain itu, penerapan Optuna terbukti mampu meningkatkan akurasi prediksi kedua model. Temuan ini dapat membantu platform e-commerce dalam mengoptimalkan manajemen persediaan, strategi logistik, dan penjadwalan pengiriman. Penelitian selanjutnya disarankan untuk mempertimbangkan faktor eksternal seperti kondisi cuaca, kepadatan pengiriman, dan lalu lintas guna meningkatkan akurasi prediksi dan efisiensi operasional.