<![CDATA[Perkembangan teknologi machine learning memberikan peluang bagi sektor ritel untuk memanfaatkan data penjualan dalam pengambilan keputusan berbasis data. Penelitian ini bertujuan untuk membandingkan kinerja algoritma Random Forest dan Decision Tree dalam memprediksi tren penjualan di toko bangunan TB. Buah Hati. Analisis ini diharapkan dapat memberikan rekomendasi algoritma yang lebih efektif dalam membantu perencanaan strategi pemasaran dan pengelolaan stok. Metode penelitian mengikuti tahapan dalam Knowledge Discovery in Databases (KDD), dimulai dengan pengumpulan data penjualan dari TB. Buah Hati. Data kemudian diproses melalui preprocessing yang mencakup pembersihan data, normalisasi, dan seleksi fitur. Selanjutnya, algoritma Random Forest dan Decision Tree diterapkan pada data yang dibagi menjadi training dan testing set. Kinerja model dievaluasi menggunakan metrik akurasi, precision, recall, dan F1-score. Hasil penelitian menunjukkan bahwa algoritma Random Forest lebih baik dengan akurasi 85%, dibandingkan Decision Tree yang memperoleh 84%. Perbedaan ini menunjukkan bahwa Random Forest lebih efektif dalam mengatasi ketidakseimbangan data dan memberikan prediksi yang lebih konsisten. Kesimpulannya, algoritma Random Forest lebih akurat dan stabil, yang dapat mendukung pengambilan keputusan lebih efektif di sektor ritel. Penelitian ini juga membuka peluang untuk penelitian lebih lanjut dengan algoritma lain atau menambah variabel yang mempengaruhi tren penjualan.]]>
