Klasifikasi Kinerja Penjualan Produk Nike Menggunakan Algoritma Random Forest dengan Pendekatan Hold-Out dan K-Fold Cross Validation
DOI:
https://doi.org/10.30595/sainteks.v23i1.29930Keywords:
Random Forest, Klasifikasi Penjualan, Nike, Hold-Out, 10-Fold Cross ValidationAbstract
Dinamika industri ritel menuntut pemanfaatan data transaksi besar untuk pengambilan keputusan strategis. Penelitian ini bertujuan mengklasifikasi kinerja penjualan produk Nike ke dalam kategori rendah, sedang, dan tinggi menggunakan algoritma Random Forest. Penelitian ini memberikan kontribusi melalui pengujian model menggunakan dua pendekatan, yaitu Hold-Out dan K-Fold Cross Validation, untuk menjamin stabilitas performa. Dataset yang digunakan merupakan data sekunder dari Kaggle sebanyak 9.360 baris data transaksi Nike di Amerika Serikat periode 2020-2021. Tahapan penelitian meliputi preprocessing data melalui label encoding, pembagian data, pemodelan Random Forest, serta evaluasi menggunakan confusion matrix, hasil pengujian menunjukkan bahwa model memiliki performa yang sangat tinggi, dengan tingkat akurasi pada metode Hold-Out mencapai 98,13%. Sementara itu, pengujian menggunakan 10-Fold Cross Validation menghasilkan akurasi tertinggi mencapai 94,39% pada fold ke-4. Secara keseluruhan, nilai weighted average precision, recall, dan F1-score mencapai 0,98 yang membuktikan efektivitas algoritma Random Forest dalam memberikan klasifikasi yang akurat. Temuan ini diharapkan dapat mendukung manajemen dalam pengambilan keputusan berbasis data di sektor ritel.
References
Cahyono, E.T. (2010) ‘Data mining: Solusi pengembangan pengetahuan berdasarkan basis data’, Teknomatika, 2(1), pp. 24–34. Available at: https://ejournal.unjaya.ac.id/index.php/teknomatika/article/view/355.
Danestiara, V.R. and Maulana, M.A. (2024) ‘Penerapan metode K-Nearest Neighbor untuk identifikasi produk Nike paling laris terjual’, In Search, 23(2), pp. 88–97. https://doi.org/10.37278/insearch.v23i2.1129.
Ginantra, N.L.W.S.R. et al. (2021) Data mining dan penerapan algoritma. Medan: Yayasan Kita Menulis.
Hafizh, M. and Nurdin, T. (2023) ‘Implementasi data mining menggunakan algoritma FP-Growth untuk menganalisis transaksi penjualan ekspor online’, Jurnal Teknologi dan Sistem Informasi Bisnis, 5(3), pp. 242–249. https://doi.org/10.47233/jteksis.v5i3.847.
Hayya’, M. (2025) ‘Perbandingan metode K-Nearest Neighbor (KNN) dan Random Forest dalam memprediksi harga rumah’, Sainteks, 22(1), pp. 99–108. https://doi.org/10.30595/sainteks.v22i1.25998.
Hidayat, R.A. (2025) ‘Implementasi algoritma Random Forest Regression untuk memprediksi penjualan produksi di supermarket’, Jurnal Sistem Informasi dan Sistem Komputer, 10(1), pp. 101–109. https://doi.org/10.51717/simkom.v10i1.703.
Indrawan, Y.W. (2025) Manajemen pemasaran ritel. Jakarta: Yayasan Putra Adi Dharma. Available at: https://journal.yayasanpad.org/index.php/ypadbook/article/view/328/221.
Lestari, E.S. (2022) ‘Penerapan Random Forest Regression untuk memprediksi harga jual rumah dan cosine similarity untuk rekomendasi rumah pada Provinsi Jawa Barat’, Jurnal Ilmiah FIFO, 14(2), pp. 131–146. https://doi.org/10.22441/fifo.2022.v14i2.003.
Oktafiani, R. and H.A. (2023) ‘Pengaruh komposisi split data terhadap performa klasifikasi penyakit kanker payudara menggunakan algoritma machine learning’, Jurnal Sains dan Informatika, 9(1), pp. 19–28. https://doi.org/10.34128/jsi.v9i1.622.
Posangi, T., Yasin, L. and Lumintang, V. (2023) ‘Implementasi algoritma Random Forest dengan forward selection untuk klasifikasi Indeks Pembangunan Manusia’, Jambura Journal of Probability and Statistics, 4(2), pp. 85–91. https://doi.org/10.37905/jjps.v4i2.18460.
Putra, Y.S. and Kurniawan, R. (2024) ‘Penerapan data mining menggunakan algoritma FP-Growth pada data penjualan sembako’, JATI (Jurnal Mahasiswa Teknik Informatika), 8(1), pp. 561–567. https://doi.org/10.36040/jati.v8i1.8391.
Suryanegara, G.A.B. and Mahendra, A. (2021) ‘Peningkatan hasil klasifikasi pada algoritma Random Forest untuk deteksi pasien penderita diabetes menggunakan metode normalisasi’, Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi), 5(1), pp. 114–122. Available at: https://jurnal.iaii.or.id/.
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2026 Divta Khoirun Nisa, Fida Maisa Hana, Saiful Ulya
This work is licensed under a Creative Commons Attribution 4.0 International License.
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 License that allows others to share the work with an acknowledgement 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 acknowledgement 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)
Sainteks is licensed under a Creative Commons Attribution 4.0 International License.
