Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal JUSIFOR : Jurnal Sistem Informasi dan Informatika
Agustina, Alvi
Unknown Affiliation
Computer Science & IT Decision Sciences, Operations Research & Management Engineering Library & Information Science

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Prediksi Volume Penjualan Gadget Berdasarkan Promo dan Channel Penjualan Menggunakan Random Forest Agustina, Alvi; Tukino, Tukino; Huda, Baenil; Novalia, Elfina
JUSIFOR : Jurnal Sistem Informasi dan Informatika Vol 4 No 1 (2025): JUSIFOR - Juni 2025
Publisher : Fakultas Sains Dan Teknologi, Universitas Raden Rahmat Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70609/jusifor.v4i1.6962

Abstract

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.
Co-Authors Huda, Baenil Novalia, Elfina Tukino, Tukino