View/Open

Author
Gaizka, Hisham Mustofa

Date Published
23 Jun 2026

Advisor
Achmad Suryadi Nasution, S.Si, M.Sc,
Triyana Muliawati, S.Si., M.Si.,

Subject
Matematika

Publisher

Perkembangan teknologi dan meningkatnya persaingan bisnis mendorong perusahaan untuk memanfaatkan pendekatan berbasis data dalam menentukan strategi pemasaran yang lebih efektif. Salah satu strategi yang dapat dilakukan adalah mengidentifikasi pelanggan yang berpotensi membeli produk baru melalui analisis prediktif. Penelitian ini bertujuan untuk menerapkan algoritma Random Forest dalam memprediksi potensi pembelian produk baru berdasarkan karakteristik pelanggan. Dataset yang digunakan dalam penelitian merupakan data sintetis sebanyak 2500 data pelanggan yang terdiri atas variabel umur, pendidikan, status pernikahan, penghasilan per bulan, jumlah anak, tempat pembelian, frekuensi pembelian, jumlah komplain, dan recency days. Tahapan penelitian meliputi pre-processing data, Exploratory Data Analysis (EDA), pemodelan Random Forest, serta evaluasi model menggunakan confusion matrix, accuracy, precision, recall, dan F1-score. Hasil penelitian menunjukkan bahwa algoritma Random Forest mampu menghasilkan performa klasifikasi yang baik dengan nilai accuracy sebesar 94,2%, precision sebesar 91,38%, recall sebesar 84,8%, dan F1-score sebesar 87,97%. Selain itu, hasil analisis feature importance menunjukkan bahwa variabel frekuensi_pembelian, recency_days, dan penghasilan_per_bulan merupakan faktor yang paling berpengaruh terhadap potensi pembelian produk baru. Berdasarkan hasil penelitian, algoritma Random Forest dapat digunakan sebagai pendekatan prediktif untuk membantu perusahaan dalam melakukan segmentasi pelanggan dan optimasi kampanye pemasaran produk baru secara lebih efektif dan tepat sasaran.

URI
https://repo.itera.ac.id/depan/submission/SB2606220176

Keyword
Random Forest Analisis Prediktif Segmentasi Pelanggan Kampanye pemasaran Machine Learning