Analisa dan Prediksi Cost Pada Food Mart Menggunakan Model Algoritma Random Forest Regression
DOI:
https://doi.org/10.26555/jim.v11i2.30666Keywords:
CFM,, Cost Acquisition Customer (CAC), , Data Mining, Random Forest Regression,, Machine learning, Artificial IntelligenceAbstract
Perusahaan Convenient Food Mart (CFM) berada di Amerika Serikat yang menjual berbagai produk bahan makanan, minuman ringan hingga makanan siap saji menerapkan strategi Cost Acquisition Customer (CAC) untuk mengetahui analisa target dan besaran biaya yang akan dikeluarkan sehingga tidak mengeluarkan biaya anggaran yang tinggi dan tetap mempertahankan pelanggan serta menarik pelanggan yang baru. Oleh karena itu, penulis memprediksi biaya akuisisi pelanggan tersebut menggunakan model Random Forest Regression. Berdasarkan model algoritma tersebut diperoleh nilai akurasi atau �2 score sebesar 0.901893 sehingga model algoritma tersebut memiliki performa model atau nilai keakuratan yang cukup baik. Sedangkan untuk feature importance atau variabel terpenting dari model algoritma tersebut terdiri dari promotion name dengan nilai
0.5, store city dengan nilai 0.2, dan store state dengan nilai 0.19.. Pada algoritma Random Forest Regression juga diperoleh nilai prediksi yang tidak berbeda jauh dengan nilai aktualnya sehingga besaran biaya yang dikeluarkan tidak berbeda jauh dari aslinya untuk mencapai target tertentu.
References
Convenient Food Mart. Diakses pada 12 Januari 2023, https://www.wikiwand.com/en/Convenient_Food_Mart
Hasanah, Msy Aulia, Sopian Soim, and Ade Silvia Handayani. "Implementasi CRISP-DM Model Menggunakan Metode Decision Tree dengan Algoritma CART untuk Prediksi Curah Hujan Berpotensi Banjir." Journal of Applied Informatics and Computing 5.2 (2021): 103-108.
Kurniawan, Andreas Beny. "PENDEKATAN RANDOM FOREST UNTUK MEMPREDIKSI NASABAH YANG BERPOTENSI MEMBUKA TABUNGAN DEPOSITO."
Larose, Daniel T. "Data Mining: Methods and." (2006).
Permana, Sendi, Rosadi Rosadi, and Nikki Nikki. "APPLICATION OF CLASSIFICATION ALGORITHM FOR SALES PREDICTION." TEKNOKOM 5.2 (2022): 119-124.
Sangaralingam, Kajanan, et al. "High Value Customer Acquisition & Retention Modelling–A Scalable Data Mashup Approach." 2019 IEEE International Conference on Big Data (Big Data). IEEE, 2019.
Suliztia, Mega Luna. "Penerapan Analisis Random Forest Pada Prototype Sistem Prediksi Harga Kamera Bekas Menggunakan Flask." (2020).
Ventura, “Costumer Acquisition Cost (CAC),” 2019. https://medium.com/@venturaofficialmedia/costumer-acquisition-cost-cac f49f69c1c324
Wahyudi, Wahyudi, and Sutoyo Sutoyo. "PENERAPAN CUSTOMER ACQUISITION DALAM PERTUMBUHAN BISNIS PADA DAPOER Yulianto, Agus. "Prediksi Customer Churn Pada Bisnis Retail Menggunakan Algoritma Naïve Bayes." REMIK: Riset dan E-Jurnal Manajemen Informatika Komputer 6.1 (2021): 41-47.
Downloads
Published
Issue
Section
License
Copyright (c) 2025 aris thobirin, Zulfatin Nafisah
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
Authors who publish with this journal agree to the following terms:
1. 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 acknowledgment of the work's authorship and initial publication in this journal.
2. 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.
3. 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.
This work is licensed under a Creative Commons Attribution-ShareAlike 2.0 Generic License.
