PENINGKATAN KLASIFIKASI PENJUALAN PRODUK FASHION DI SABHIRA OFFICIAL DENGAN RANDOM FORES
Kata Kunci:
Kata Kunci— Random Forest, klasifikasi penjualan, produk fashion, KDD.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.
Unduhan
Diterbitkan
Terbitan
Bagian
Lisensi
Authors who publish with this journal agree to the following terms:
Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under a Creative Commons Attribution-ShareAlike 4.0 International License that allows others to share the work with an acknowledgment of the work's authorship and initial publication in this journal.
Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgment of its initial publication in this journal.
Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work (See The Effect of Open Access).
