Klasifikasi Tingkat Penghasilan Freelancer Menggunakan Algoritma Random Forest
DOI:
https://doi.org/10.61306/jnastek.v6i3.448Kata Kunci:
Random Forest, Classification, Freelancer, Income, Marketing Ratio, Feature Importance, Machine LearningAbstrak
Penelitian ini bertujuan untuk mengidentifikasi faktor serta mengklasifikasi tingkat pendapatan freelancer melalui pengembangan model Machine Learning. Pendapatan dikelompokkan ke dalam empat kategori, yaitu Rendah (Low), Menengah (Medium), Tinggi (High), dan Sangat Tinggi (Very High). Metode yang digunakan adalah algoritma Random Forest, yang diterapkan pada dataset berisi 1.950 data freelancer. Tahap pra-pengolahan data meliputi feature engineering yang bersifat inovatif salah satunya pembuatan variabel Marketing Ratio (perbandingan biaya pemasaran terhadap pendapatan) serta proses hyperparameter tunning secara menyeluruh menggunakan RandomizedSearchCV. Hasil evaluasi menunjukkan bahwa model Random Forest yang telah dioptimalkan mencapai performa klasifikasi yang sangat baik, dengan nilai akurasi 0.9103 (91.03%) pada data uji, dan mampu mengungguli model-model alternatif lainnya. Selain itu, analisis Feature Importance menegaskan bahwa Marketing Ratio (53.2%) dan Marketing Spend (39.9%) merupakan prediktor terkuat. Hal ini mengindikasikan bahwa efektivitas pemasaran dan pengelolaan anggaran yang tepat memiliki pengaruh lebih besar terhadap peningkatan pendapatan freelancer dibandingkan aspek konvensional seperti pengalaman atau rating klien. Dengan demikian, model yang dikembangkan tidak hanya memberikan akurasi prediksi yang tinggi, tetapi juga menawarkan wawasan bisnis yang bernilai, terutama mengenai pentingnya optimalisasi Return on Investment (ROI) pemasaran bagi freelancer maupun platform terkait.
Unduhan
Referensi
Y. Noviati, U. Mahmudah, dan I. Mutmainah, “Upwork, Fiverr, dan Toptal: Menguak Perkembangan Platform Freelance dalam Ekonomi Digital,” Jurnal Sahmiyya, vol. 4, no. 2, pp. 479–487, Nov. 2025.
A. Hidayah, “Tantangan Kaum Freelancer dan Pemerintah Indonesia di Era Perkembangan Teknologi Digital (Analisis Kritik Globalisasi),” RESIPROKAL: Jurnal Riset Sosiologi Progresif Aktual, vol. 3, no. 1, pp. 92–104, Jun. 2021.
R. K. Lubis, “Pengaruh Platform Freelance Terhadap Perubahan Pola Konsumsi dan Pekerjaan di Indonesia,” AsbaK : Jurnal Ekonomi dan Bisnis, vol. 2, no. 1, pp. 15–19, Agu. 2024.
M. Iqbal, D. Abdullah, and Y. Afrillia, “Penerapan Algoritma Random Forest untuk Menentukan Kelayakan Penerima BLT,” RABIT : Jurnal Teknologi dan Sistem Informasi Univrab, vol. 10, no. 2, pp. 1220–1230, Jul. 2025.
F. X. K. Lile dan I. Suharjo, “Optimalisasi Perbandingan Algoritma K-Nearest Neighbors dan Decision Tree untuk Prediksi Kemenangan di MPL Season 13 Mobile Legend,” JATI (Jurnal Mahasiswa Teknik Informatika), vol. 8, no. 4, pp. 7553–7560, Agustus 2024.
P. T. Prasetyaningrum, I. Pratama, and A. Y. Chandra, “Implementation Of Machine Learning To Determine The Best Employees Using Random Forest Method,” International Journal of Computer, Network Security and Information System (IJCONSIST), vol. 2, no. 2, pp. 53–59, Mar. 2021.
B. Wahyudi dan I. Kuswandi, “Prediksi Peringkat Aplikasi di Google Play Menggunakan Metode Random Forest,” Jurnal Nasional Teknologi Komputer, vol. 2, no. 1, pp. 38–47, Jan. 2022.
B. Bawono dan R. Wasono, “Perbandingan Metode Random Forest dan Naïve Bayes untuk Klasifikasi Debitur Berdasarkan Kualitas Kredit,” Seminar Nasional Edusaintek, FMIPA Universitas Muhammadiyah Semarang, pp. 343–348, 2022.
N. N. Sholihah and A. Hermawan, “Implementation of Random Forest and SMOTE Methods for Economic Status Classification in Cirebon City,” Jurnal Teknik Informatika (JUTIF), vol. 4, no. 6, pp. 1387–1397, Des. 2023. doi: 10.52436/1.jutif.2023.4.6.1135.
D. B. Saputra, V. Atina, and F. E. Nastiti, “Penerapan Model CRISP-DM pada Prediksi Nasabah Kredit Menggunakan Algoritma Random Forest,” Idealis: Indonesia Journal Information System, vol. 7, no. 2, pp. 240–247, Jul. 2024.
W. Amanda and A. Voutama, “Klasifikasi Pendapatan Menggunakan Algoritma Random Forest: Studi Kasus Dataset Adult Income,” JURNAL ILMIAH INFORMATIKA GLOBAL, vol. 16, no. 2, Agu. 2025.
M. R. M. Akbar dan I. Pratama, “Analisis Sentimen Ulasan Pengguna Aplikasi MyBCA dengan Naive Bayes, Random Forest, dan Decision Tree,” Sistemasi: Jurnal Sistem Informasi, vol. 14, no. 5, pp. 2464–2478, Jul. 2025.
D. Darmanto dan E. S. Barus, “Implementasi Metode Random Forest untuk Memprediksi Penjualan Produk,” Jurnal TEKINKOM, vol. 7, no. 2, pp. 591–600, 2024. doi: 10.37600/tekinkom.v7i2.1510.
D. N. Handayani dan S. Qutub, “Penerapan Random Forest Untuk Prediksi dan Analisis Kemiskinan,” Journal of Artificial Intelligence and Digital Business (RIGGS), vol. 4, no. 2, pp. 405–412, 2025.
Unduhan
Diterbitkan
Cara Mengutip
Terbitan
Bagian
Lisensi
Hak Cipta (c) 2026 Febriansyah, Indah Susilawati
Artikel ini berlisensiCreative Commons Attribution-ShareAlike 4.0 International License.
HAK CIPTA
Hak cipta atas artikel apapun pada Jurnal Nasional Teknologi Komputer (JNASTEK) dipegang penuh oleh penulisnya dibawah lisensi Creative Commons Attribution-ShareAlike 4.0 International License.
1. Penulis mengakui bahwa Jurnal Nasional Teknologi Komputer (JNASTEK) berhak sebagai yang mempublikasikan pertama kali dengan lisensi Creative Commons Attribution-ShareAlike 4.0 International License - CC BY-SA.
2. Penulis dapat memasukan tulisan secara terpisah, mengatur distribusi non-ekskulif dari naskah yang telah terbit di jurnal ini kedalam versi yang lain (misal: dikirim ke respository institusi penulis, publikasi kedalam buku, dll), dengan mengakui bahwa naskah telah terbit pertama kali pada Jurnal Nasional Teknologi Komputer (JNASTEK).
LISENSI
Jurnal Nasional Teknologi Komputer (JNASTEK) diterbitkan berdasarkan ketentuan Creative Commons Attribution-ShareAlike 4.0 International License. Lisensi ini mengizinkan setiap orang untuk menyalin dan menyebarluaskan kembali materi ini dalam bentuk atau format apapun, menggubah, mengubah, dan membuat turunan dari materi ini untuk kepentingan apapun, termasuk kepentingan komersial, selama mereka mencantumkan kredit kepada Penulis atas ciptaan asli.
