<![CDATA[Penelitian ini bertujuan untuk menganalisis tingkat akurasi metode Naive Bayes dan Random Forest dalam prediksi penjualan emas, yang memainkan peran penting dalam perencanaan investasi dan strategi bisnis di sektor pertambangan, terutama dalam menghadapi volatilitas pasar yang tinggi. Metode penelitian yang digunakan adalah narrative literature review, yang berfokus pada perbandingan dan analisis teori-teori yang ada sebelumnya. Pendekatan ini memungkinkan peneliti untuk mengevaluasi, mengidentifikasi, dan menganalisis literatur yang relevan serta menyarikan temuan-temuan penting yang dapat memberikan wawasan lebih dalam tentang topik yang dikaji. Dalam konteks ini, Naive Bayes dan Random Forest digunakan untuk meramalkan fluktuasi harga emas dan perilaku pembelian produk, dengan fokus pada pengoptimalan strategi pemasaran. Hasil analisis menunjukkan bahwa Naive Bayes efektif dalam mengidentifikasi produk yang diminati dan memfasilitasi perencanaan pemasaran. Namun, Random Forest menunjukkan keunggulan dalam prediksi yang lebih kompleks, seperti perilaku repeat order pelanggan, berkat kemampuannya untuk menangani data variatif dan mengurangi risiko overfitting melalui pendekatan ensemble yang menggabungkan banyak pohon keputusan. Meskipun terdapat sedikit penurunan akurasi pada data pengujian, Random Forest tetap dapat menghasilkan prediksi yang akurat dan robust. Oleh karena itu, kedua metode ini memberikan kontribusi signifikan dalam merancang strategi bisnis dan keputusan investasi yang lebih akurat, dengan Random Forest lebih unggul dalam menghadapi data yang lebih kompleks. Kontribusi penelitian ini yakni memberikan landasan teoretis tentang penerapan algoritma pembelajaran mesin di sektor pemasaran berbasis data, serta menjadi panduan bagi praktisi dan peneliti dalam memilih metode prediktif yang tepat.]]>
