Vol. 9 No. 3 (2025), Articles
Vol. 9 No. 3 (2025)

Prediksi Promosi Top-Up Game Pada Pola Pembeli

Articles
Published 2025-07-10
Renno Rama Putra
Universitas Nusantara PGRI Kediri
Rony Heri Irawan
Universitas Nusantara PGRI Kediri
Risa Helilintar
Universitas Nusantara PGRI Kediri
PDF

Keywords

algoritma
prediksi promosi
Random Forest
top-up game

How to Cite

Prediksi Promosi Top-Up Game Pada Pola Pembeli. (2025). Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi), 9(3), 2066-2073. https://doi.org/10.29407/1wmdj144
ACM ACS APA ABNT Chicago Harvard IEEE MLA Turabian Vancouver AMA

Download Citation

Endnote/Zotero/Mendeley (RIS) BibTeX

Abstract

Penelitian ini bertujuan untuk mengatasi ketidaktepatan strategi promosi pada platform top-up game Rennstore, yang selama ini dilakukan secara konvensional tanpa analisis data historis. Untuk itu, dikembangkan sistem prediksi waktu ideal promosi menggunakan algoritma Random Forest yang menganalisis pola transaksi pengguna. Data transaksi diproses melalui tahapan pembersihan dan transformasi waktu, kemudian dimodelkan untuk memprediksi hari dan jam optimal promosi. Evaluasi sistem dilakukan menggunakan metrik akurasi dan F1-Score. Hasil pengujian menunjukkan akurasi sebesar 76% dan F1-Score sebesar 74%, serta memperoleh tanggapan positif dari pengguna melalui kuisioner. Sistem ini dinilai efektif dan mampu memberikan rekomendasi waktu promosi yang tepat sasaran.

PDF

References

[1] A. Liaw and M. Wiener, “The R Journal: Classification and regression by randomForest,” R J., vol. 2, no. 3, pp. 18–22, 2002, [Online]. Available: http://www.stat.berkeley.edu/

[2] Z. Jin, J. Shang, Q. Zhu, C. Ling, W. Xie, and B. Qiang, “RFRSF: Employee Turnover Prediction Based on Random Forests and Survival Analysis,” Lect. Notes Comput. Sci. (including Subser. Lect. Notes Artif. Intell. Lect. Notes Bioinformatics), vol. 12343 LNCS, pp. 503–515, 2020, doi: 10.1007/978-3-030-62008-0_35.

[3] N. Hadi and J. Benedict, “Implementasi Machine Learning Untuk Prediksi Harga Rumah Menggunakan Algoritma Random Forest,” Comput. J. Comput. Sci. Inf. Syst., vol. 8, no. 1, pp. 50–61, 2024, doi: 10.24912/computatio.v8i1.15173.

[4] M. S. Efendi and A. K. Zyen, “Penerapan Algoritma Random Forest Untuk Prediksi Penjualan Dan Sistem Persediaan Produk,” vol. 5, no. 1, pp. 12–20, 2024, doi: 10.30865/resolusi.v5i1.2149.

[5] S. R. Febrian et al., “PREDIKSI PENJUALAN SUKU CADANG MOTOR DENGAN PENERAPAN RANDOM FOREST DI PT TERUS JAYA SENTOSA MOTOR,” vol. 8, no. 5, pp. 10507–10513, 2024.

[6] V. W. Siburian and I. E. Mulyana, “Prediksi Harga Ponsel Menggunakan Metode Random Forest,” Annu. Res. Semin. 2018, vol. 4, no. 1, pp. 144–147, 2018.

[7] B. Prasojo and E. Haryatmi, “Analisa Prediksi Kelayakan Pemberian Kredit Pinjaman dengan Metode Random Forest,” J. Nas. Teknol. dan Sist. Inf., vol. 7, no. 2, pp. 79–89, 2021, doi: 10.25077/teknosi.v7i2.2021.79-89.

[8] L. Sari, A. Romadloni, and R. Listyaningrum, “Penerapan Data Mining dalam Analisis Prediksi Kanker Paru Menggunakan Algoritma Random Forest,” Infotekmesin, vol. 14, no. 1, pp. 155–162, 2023, doi: 10.35970/infotekmesin.v14i1.1751.

[9] Suci Amaliah, M. Nusrang, and A. Aswi, “Penerapan Metode Random Forest Untuk Klasifikasi Varian Minuman Kopi di Kedai Kopi Konijiwa Bantaeng,” VARIANSI J. Stat. Its Appl. Teach. Res., vol. 4, no. 3, pp. 121–127, 2022, doi: 10.35580/variansiunm31.

[10] L. Barreñada, P. Dhiman, D. Timmerman, A.-L. Boulesteix, and B. Van Calster, “Understanding random forests and overfitting: a visualization and simulation study,” Diagnostic Progn. Res., pp. 1–14, 2024, doi: 10.1186/s41512-024-00177-1.

Creative Commons License

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

Copyright (c) 2025 Renno Rama Putra, Rony Heri Irawan, Risa Helilintar