Analisis Perbandingan Algoritma Machine Learning Untuk Prediksi Konversi Penjualan UMKM Shiroapparel Pada PlatformSocial Commerce DiTikTok Shop

muhammad
Zhafir, Muhammad
Rukhiviyanti, Novi

Teika
Vol 16 No 1 (2026): Jurnal TeIKa

Penelitian ini bertujuan menganalisis dan membandingkan performa algoritmaLogistic Regression, Random Forest, dan XGBoost dalam memprediksi konversipenjualan UMKM Shiroapparel berdasarkan data interaksi pengguna, meliputi jumlahtayangan, keterlibatan, rasio klik, durasi tonton, dan aktivitas tambah ke keranjang.Penelitian menggunakan metode eksperimen komputasional dengan datasetterstruktur sebanyak 200 observasi yang disusun sesuai karakteristik riil perilakukonsumen TikTok Shop. Hasil menunjukkan bahwa model XGBoost memilikiperforma terbaik dengan akurasi 91,5%, mengungguli Random Forest (88,0%) danLogistic Regression (79,5%). Temuan ini menegaskan bahwa algoritma berbasisboosting lebih efektif dalam memodelkan pola non-linear pada perilaku konsumen diplatform social commerce. Penelitian ini memberikan rekomendasi bagi UMKMshiroapparel untuk mengadopsi model prediktif berbasis machine learning dalammendukung keputusan pemasaran digital.