<![CDATA[Persaingan tender yang ketat mendorong perusahaan memanfaatkan data historis untuk menyusun strategi penawaran. Namun, penelitian yang membandingkan algoritma klasifikasi pada data kemenangan tender masih terbatas. Penelitian ini bertujuan membandingkan Random Forest dan Naïve Bayes dalam mengklasifikasikan kemenangan tender PT XYZ, perusahaan manufaktur alat dan kendaraan berat, serta mengidentifikasi variabel yang paling berpengaruh. Data merupakan riwayat tender dengan lima variabel kategorik, diproses menggunakan target encoding, lalu diseimbangkan dengan SMOTE pada data latih. Evaluasi menggunakan K-Fold Cross Validation (k = 5) dengan metrik akurasi, presisi, recall, dan F1-score. Hasil menunjukkan bahwa Random Forest yang dioptimalkan dengan GridSearchCV memiliki akurasi 93,6%, sedangkan Naïve Bayes hanya 74,4%. Selisih terbesar terdapat pada recall (95% berbanding 61,4%). Analisis feature importance menunjukkan bahwa Potential Customer (0,400) dan Territory (0,303) merupakan faktor yang paling berpengaruh. Dengan demikian, Random Forest lebih direkomendasikan untuk klasifikasi data kemenangan tender dan dapat membantu perusahaan menyusun strategi penawaran berbasis data.]]>
Copyrights © 2026
