Label Propagation Dalam Klasifikasi Kualitas Produk E-Commerce Menggunakan XGBOOST Dengan Random Search Dan BOHB

Abstract

E-commerce telah menjadi salah satu sektor yang berkembang pesat di era digital, didorong oleh perubahan pola konsumsi masyarakat dan inovasi teknologi. Namun, klasifikasi kualitas produk pada platform e-commerce tetap menjadi tantangan yang kompleks, terutama karena adanya volume data besar, ketidakseimbangan data, dan keragaman atribut produk. Penelitian ini bertujuan untuk mengoptimalkan klasifikasi kualitas produk e-commerce dengan menggunakan algoritma Extreme Gradient Boosting (XGBoost) yang telah terbukti andal dalam menangani data besar dan kompleks. Untuk meningkatkan akurasi model, penelitian ini mengintegrasikan optimasi hyperparameter menggunakan random search dan transformasi data dengan standardization. Pendekatan penelitian mencakup pengumpulan data dari platform e-commerce, pemrosesan data, pembentukan fitur, pembangunan model prediktif, serta evaluasi kinerja model. Dengan menerapkan metode ini, penelitian diharapkan mampu menghasilkan model klasifikasi dengan performa optimal, mengidentifikasi variabel-variabel penting yang memengaruhi kualitas produk, serta memberikan rekomendasi strategis bagi pelaku industri e-commerce.