INTEGRASI GAN DAN RANDOM FOREST UNTUK PREDIKSI PENJUALAN BUKU BERBASIS GENRE DAN MARKETPLACE

Penelitian ini bertujuan untuk memprediksi penjualan buku dengan memanfaatkan model regresi Random Forest yang dikombinasikan dengan teknik augmentasi data menggunakan Conditional Generative Adversarial Network (cGAN). Dataset yang digunakan bersumber dari Zahira Media Publisher, mencakup data penjualan buku dari berbagai platform marketplace seperti Shopee, Tokopedia, Google Play Books, dan situs resmi penerbit untuk periode 2021–2024. Fokus penelitian adalah mengatasi permasalahan ketidakseimbangan data, khususnya terkait genre buku yang kurang terwakili dalam dataset. Proses penelitian diawali dengan eksplorasi data dan preprocessing, kemudian dilakukan pelatihan model Random Forest pada data yang belum seimbang. Hasilnya menunjukkan bahwa performa model masih kurang optimal, dengan nilai R² hanya sebesar 0,22 dan MAPE sebesar 163,56%, yang mengindikasikan adanya bias terhadap genre mayoritas. Untuk mengatasi hal tersebut, dilakukan augmentasi data menggunakan cGAN yang berhasil menyeimbangkan distribusi genre dalam dataset. Setelah dilakukan augmentasi, model Random Forest dilatih ulang dan menunjukkan peningkatan kinerja yang signifikan, dengan nilai R² mencapai 0,96 dan MAPE menurun menjadi 9,93%. Analisis feature importance menunjukkan bahwa faktor paling berpengaruh dalam prediksi penjualan buku adalah rating pengguna, diikuti oleh platform, harga, dan genre. Temuan ini membuktikan bahwa augmentasi data menggunakan cGAN dapat meningkatkan akurasi model regresi dalam konteks data yang tidak seimbang. Hasil penelitian diharapkan dapat memberikan kontribusi bagi penerbit dan pemasar dalam merumuskan strategi berbasis data untuk optimalisasi penjualan buku.