Evaluasi Kinerja Model Klasifikasi Pembelian Sepeda Menggunakan Algoritma Random Forest

Rizki Rizkyatul Basir, Yunita Endra Megiati, Noor Komari Pratiwi

Abstract


Penelitian ini bertujuan untuk mengevaluasi kinerja model klasifikasi pembelian sepeda menggunakan algoritma Random Forest. Perusahaan sering kali menghadapi kendala dalam memahami faktor-faktor yang memengaruhi keputusan pembelian pelanggan. Masalah ini penting untuk diselesaikan agar strategi pemasaran dapat lebih terarah dan efektif. Data yang digunakan mencakup informasi demografi pelanggan seperti usia, penghasilan, status pekerjaan, dan kategori pendidikan. Proses penelitian meliputi pengumpulan data, pembersihan data, pembuatan model, dan evaluasi kinerja model. Hasil penelitian menunjukkan bahwa model Random Forest menghasilkan akurasi sebesar 78%, dengan precision dan recall yang seimbang. Faktor-faktor seperti pendapatan, usia, dan jumlah anak ditemukan memiliki pengaruh signifikan terhadap keputusan pembelian sepeda. Penelitian ini menunjukkan bahwa Random Forest dapat menjadi alat yang efektif untuk mendukung pengambilan keputusan strategis dalam pemasaran sepeda.


Keywords


Random Forest; klasifikasi; pembelian sepeda; evaluasi model

References


iau, G., & Scornet, E. (2016). A random forest guided tour. Test, 25(2), 197–227. https://doi.org/10.1007/s11749-016-0481-7 Air. Jurnal Kefarmasisan Indonesia, 3, 77–88.

Geurts, P., Ernst, D., & Wehenkel, L. (2023). Extremely randomized trees. Machine Learning, 63(1), 3–42. https://doi.org/10.1007/s10994-006-6226-1

Khoshgoftaar, T. M., & Van Hulse, J. (2023). A comprehensive survey of decision tree ensembles: Random Forests, gradient boosting, and beyond. Journal of Big Data, 10, 45. https://doi.org/10.1186/s40537-023-00688-x

Pedregosa, F., et al. (2023). Scikit-learn: Machine learning in Python. Journal of Machine Learning Research, 24(1), 2825–2830. Retrieved from https://scikit-learn.org/stable

Han, J., & Pei, J. (2022). Data Mining: Concepts and Techniques. Elsevier.

Zhou, Z.-H. (2023). Ensemble Methods: Foundations and Algorithms. CRC Press.




DOI: https://doi.org/10.30998/semnasristek.v9i1.7950

Refbacks

  • There are currently no refbacks.


Prosiding SEMNAS RISTEK indexed by: