PENINGKATAN KLASIFIKASI PENJUALAN PRODUK FASHION DI SABHIRA OFFICIAL DENGAN RANDOM FORES

Abstrak

Intisari

Penelitian ini berfokus pada peningkatan akurasi model klasifikasi penjualan produk fashion di Toko Sabhira Official dengan menerapkan algoritma Random Forest. Pendekatan yang digunakan mengikuti tahapan Knowledge Discovery in Database (KDD), yang mencakup pemilihan data, prapemrosesan, transformasi, data mining, dan evaluasi. Data penelitian terdiri dari 1.559 transaksi dalam periode Agustus hingga Oktober 2023, dengan atribut seperti kategori produk, jumlah barang terjual, harga, serta kategori penjualan (rendah, sedang, tinggi). Model dikembangkan menggunakan perangkat lunak RapidMiner, dengan pembagian data sebesar 70% untuk pelatihan dan 30% untuk pengujian. Hasil analisis menunjukkan bahwa algoritma Random Forest mampu mencapai tingkat akurasi sebesar 99,81%, dengan precision untuk kategori “Tinggi” mencapai 100%, sementara kategori lainnya memiliki nilai di atas 99%. Evaluasi menggunakan confusion matrix menunjukkan tingkat kesalahan prediksi yang sangat rendah, sehingga model ini dapat mengklasifikasikan tingkat penjualan secara lebih akurat. Hasil penelitian ini memberikan wawasan yang berguna bagi Toko Sabhira Official dalam pengelolaan stok serta strategi promosi berbasis data.

Kata Kunci— Random Forest, klasifikasi penjualan, produk fashion, KDD.