PREDIKSI TREN HARGA DAN REKOMENDASI PRODUK MENGGUNAKAN PENDEDAKATAN MACHINE LEARNING LAPORAN PENELITIAN

Pengoptimalan strategi pemasaran, khususnya dalam hal prediksi harga, merupakan tantangan umum di industri ritel. Penelitian ini bertujuan untuk membantu perusahaan ritel dalam memprediksi harga produk berdasarkan tren harga pasar secara lebih akurat melalui pendekatan machine learning, sehingga dapat menghindari pengambilan keputusan yang hanya didasarkan pada perkiraan. Pada awalnya, model Random Forest menunjukkan performa terbaik dengan nilai R² sebesar 80%, MAPE sebesar 25%, dan RMSE sebesar 1,07%. Setelah dilakukan feature selection dan feature importance, performa model meningkat signifikan dengan R² sebesar 92%, MAPE 13%, dan RMSE 0,84%. Hal ini menunjukkan peningkatan akurasi prediksi sebesar 15,3% disertai dengan penurunan tingkat kesalahan prediksi secara keseluruhan. Selain itu, sistem rekomendasi produk yang dikembangkan menggunakan pendekatan content-based filtering berbasis cosine similarity dengan mempertimbangkan kemiripan pada atribut nama dan kategori produk berhasil mencapai skor kemiripan tertinggi sebesar 0,42%. Hasil penelitian ini menunjukkan bahwa machine learning, yang didukung dengan teknik optimasi fitur, dapat secara signifikan meningkatkan ketepatan pengambilan keputusan dalam penetapan harga dan rekomendasi produk di sektor ritel, sehingga menjadi alat yang bernilai dalam perencanaan bisnis strategis.

Kata kunci - Content-Based Filtering, Feature Importance, Feature Selection, Prediksi Harga, Random Forest