PERBANDINGAN METODE K-NEAREST NEIGHBORS (KNN) DAN RANDOM FOREST UNTUK PREDIKSI PENDAPATAN DRIVER SHOPEEFOOD DI KUDUS

Fiki Ady Ansyah, Alif Catur Murti, Ratih Nindyasari

Abstract


Perkembangan layanan pesan antar makanan, seperti ShopeeFood, telah menciptakan kebutuhan akan sistem prediksi pendapatan yang akurat untuk mendukung pengambilan keputusan strategis. Penelitian ini membandingkan performa algoritma K-Nearest Neighbors (KNN) dan Random Forest dalam memprediksi pendapatan driver ShopeeFood di Kudus. Dataset primer yang digunakan mencakup 1.443 riwayat perjalanan dengan variabel seperti jumlah order, ongkir, rating, dan ulasan restoran. Hasil menunjukkan bahwa Random Forest lebih unggul dengan nilai MAPE sebesar 5.68%, RMSE sebesar 1,715.39, dan R² sebesar 0.74, dibandingkan KNN dengan MAPE sebesar 11.51%, RMSE sebesar 2,290.90, dan R² sebesar 0.53. Random Forest terbukti lebih akurat dalam menangkap pola non-linear antar variabel, menjadikannya metode yang lebih andal untuk prediksi pendapatan. Penelitian ini memberikan rekomendasi penggunaan Random Forest sebagai alat utama untuk memaksimalkan efisiensi operasional driver ShopeeFood.

Keywords


K-Nearest Neighbors (KNN), Random Forest, Prediksi Pendapatan Driver, ShopeeFood Kudus

Full Text:

PDF

References


M. S. Syahbandi, E. S. Tasri, and others, “Pengaruh Kehadiran Transportasi Online Terhadap Pendapatan Transportasi Konvensional Dikota Padang,” Abstract Of Undergraduate Research, Faculty Of Economics, Bung Hatta University, vol. 17, no. 3, 2020.

M. Oktaviana, A. D. Nurhalim, and E. Hernawati, “An Analysis Of Go-Food, Grabfood, And Shopeefood Utilization To Improve Customer Loyalty On Home-Based Business Owners In Tangerang City,” Primanomics: Jurnal Ekonomi & Bisnis, vol. 19, no. 3, pp. 1–10, Sep. 2021, doi: 10.31253/pe.v19i3.631.

I. Vania and R. Simbolon, “Pengaruh Promo ShopeeFood Terhadap Minat Beli Pengguna Shopee (Di Daerah Tangerang Selatan),” Jurnal Ekonomis, vol. 14, no. 2b, 2021.

B. Herman, I. Nursyamsi, and Y. Amar, “The Effect Of Financial Compensation, Non Financial Compensation And Work Flexibility On Online Motorcycle Taxi Drivers Performance With Work Satisfaction As Intervening Variables On Gojek In Makassar,” International Journal Of Advanced Research (IJAR), vol. 8, no. 7, pp. 632–639, 2020.

M. J. Mahendra, S. Asiyah, and N. Wahyuningtyas, “Pengaruh Work Life Balance, Motivasi Dan Disiplin Kerja Terhadap Kinerja Driver Shopeefood Di Kota Malang (Studi Kasus Pada Driver Shopeefood Di Kota Malang),” E-JRM: Elektronik Jurnal Riset Manajemen, vol. 13, no. 02, pp. 152–159, 2024.

E. Ermin, R. Soekarta, L. Jupriadi Fakhri, M. Jundullah, and D. Retno Irianto, “Analysis of Online Transportation Customer Satisfaction with the Application of Text Classification Using KNN Method,” Antivirus: Jurnal Ilmiah Teknik Informatika, vol. 18, no. 2, pp. 244–252, Nov. 2024, doi: 10.35457/antivirus.v18i2.3994.

S. Saadah and H. Salsabila, “Prediksi Harga Bitcoin Menggunakan Metode Random Forest,” Jurnal Komputer Terapan, vol. 7, no. 1, pp. 24–32, Jun. 2021, doi: 10.35143/jkt.v7i1.4618.

M. A. Pratama, M. Munawaroh, and W. J. Pranoto, “Perbandingan Performa Algoritma Linear Regresi dan Random Forest untuk Prediksi Harga Bawang Merah di Kota Samarinda,” TEKTONIK: Jurnal Ilmu Teknik, vol. 1, no. 2, pp. 172–182, 2024.

D. Pramesti and W. M. Baihaqi, “Perbandingan Prediksi Jumlah Transaksi Ojek Online Menggunakan Regresi Linier dan Random Forest,” Generation Journal, vol. 7, no. 3, pp. 21–30, 2023.

Oon Wira Yuda, Darmawan Tuti, Lim Sheih Yee, and Susanti, “Penerapan Data Mining Untuk Klasifikasi Kelulusan Mahasiswa Tepat Waktu Menggunakan Metode Random Forest,” SATIN: Sains dan Teknologi Informasi, vol. 8, no. 2, pp. 122–131, Dec. 2022, doi: 10.33372/stn.v8i2.885.

A. Andika, S. Syarli, and C. R. Sari, “Data Mining Klasifikasi Kelulusan Mahasiswa Menggunakan Metode Naïve Bayes,” Journal Peqguruang: Conference Series, vol. 4, no. 1, p. 423, May 2022, doi: 10.35329/jp.v4i1.2358.

N. Khasanah, A. Salim, N. Afni, R. Komarudin, and Y. I. Maulana, “Prediksi Kelulusan Mahasiswa dengan Metode Naive Bayes,” Technologia: Jurnal Ilmiah, vol. 13, no. 3, p. 207, Aug. 2022, doi: 10.31602/tji.v13i3.7312.

W. A. L. Sinaga, S. Sumarno, and I. P. Sari, “The Application of Multiple Linear Regression Method for Population Estimation Gunung Malela District,” JOMLAI: Journal of Machine Learning and Artificial Intelligence, vol. 1, no. 1, pp. 55–64, Mar. 2022, doi: 10.55123/jomlai.v1i1.143.

I. Firman Alamsyah, R. Esra, S. Awalia, D. Andi Nohe, J. Matematika, and F. Matematika dan Ilmu Pengetahuan Alam, “Prosiding Seminar Nasional Matematika, Statistika, dan Aplikasinya Terbitan II,” 2022.

L. S. Ihzaniah, A. Setiawan, and R. W. N. Wijaya, “Perbandingan Kinerja Metode Regresi K-Nearest Neighbor dan Metode Regresi Linear Berganda pada Data Boston Housing,” Jambura Journal of Probability and Statistics, vol. 4, no. 1, pp. 17–29, May 2023, doi: 10.34312/jjps.v4i1.18948.

M. M. Rofi, F. A. Setiawan, and F. Riana, “Perbandingan Metode K-NN dan Random Forest pada Klasifikasi Mahasiswa Berpotensi Dropout,” INFOTECH Journal, vol. 10, no. 1, pp. 84–89, Mar. 2024, doi: 10.31949/infotech.v10i1.8856.

F. Sholekhah, A. D. Putri, R. Rahmaddeni, and L. Efrizoni, “Perbandingan Algoritma Naïve Bayes dan K-Nearest Neighbors untuk Klasifikasi Metabolik Sindrom,” MALCOM: Indonesian Journal of Machine Learning and Computer Science, vol. 4, no. 2, pp. 507–514, Feb. 2024, doi: 10.57152/malcom.v4i2.1249.




DOI: https://doi.org/10.29100/jipi.v11i1.7335

Refbacks



Creative Commons License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.

JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika)
ISSN 2540-8984
Published by
Prodi Pendidikan Teknologi Informasi
Universitas Bhinneka PGRI

Website :https://jurnal.stkippgritulungagung.ac.id/index.php/jipi/index
Email: jipistkippti@gmail.com

Creative Commons License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.