Analisis Perbandingan Decision Tree dan Random Forest dalam Klasifikasi Penjualan Produk pada Supermarket

Abstract

Penelitian ini bertujuan untuk mendapatkan model klasifikasi terbaik antara model algoritma Decision Tree dan Random Forest untuk melihat apakah sebuah produk laris atau tidak laris berdasarkan data dari Supermarket ASDA. Kedua metode tersebut menggunakan teknik klasifikasi pohon keputusan dengan pendekatan top-down untuk memecah masalah menjadi keputusan yang sederhana. Metode Random Forest merupakan pengembagan dari Decision Tree dengan menggunakan ensemble untuk meningkatkan akurasi dan mengurangi resiko overfitting. Sebagai sebuah bisnis retail, Supermarket ASDA memerlukan informasi-informasi tersebut untuk melihat pola konsumsi pelanggan sehingga dapat digunakan dalam membuat strategi dan keputusan yang tepat. Sumber data penelitian meliputi data penjualan dari Supermarket ASDA yang terdiri dari variabel harga, harga per unit, nama produk, tanggal, kategori dan kepemilikan merek untuk melatih model klasifikasi. Penelitian ini akan melibatkan pengujian kedua model pada dataset untuk mengukur kemampuan prediksi model dalam memprediksi produk yang laris dan tidak laris.Berdasarkan hasil penelitian, model algoritma Random Forest memiliki performa lebih baik dari model algoritma Decision Tree baik pada pemodelan dasar maupun setelah dilakukan hyperparameter tuning dengan presentasi akurasi sebesar 99%. Hasil dari matrik evaluasi (precision, recall, F1-Score) model algoritma Random Forest juga menunjukkan nilai yang lebih tinggi sehingga menjadikan model algoritma Random Forest lebih akurat dalam mengklasifikasikan penjualan laris dan tidak laris di Supermarket ASDA.