Perbandingan Extra Trees Regression dan Cart Dalam Pemodelan Biaya Pengiriman Produk E-Commerce di Indonesia

Abstract

Penelitian ini bertujuan untuk membandingkan performa dua metode machine learning berbasis pohon keputusan dalam memodelkan biaya pengiriman e-commerce di Indonesia, yaitu Extra Trees Regression dan Classification and Regression Tree (CART). Dataset yang digunakan terdiri atas 20.848 observasi transaksi penjualan yang diperoleh dari bisnis e-commerce dan setelah proses preprocessing, sebanyak 19.033 observasi digunakan dalam analisis. Variabel prediktor meliputi total berat produk, kuantitas, provinsi tujuan, opsi pengiriman, kategori produk, metode pembayaran, serta fitur hasil rekayasa seperti rasio berat per kuantitas dan transformasi logaritma berat. Evaluasi model dilakukan menggunakan metrik RMSE dan MAPE pada data uji sebesar 20%. Hasil penelitian menunjukkan bahwa kedua model memiliki keunggulan pada metrik yang berbeda. CART mencatatkan RMSE lebih rendah (5.159,55 vs. 5.256,43) dan R-Squared lebih tinggi (0,6385 vs. 0,6319), sementara Extra Trees unggul pada MAE (3.604,92 vs. 3.677,67) dan MAPE (35,69% vs. 36,06%). Berdasarkan RMSE sebagai indikator utama, CART ditetapkan sebagai model terbaik. Analisis feature importance menunjukkan bahwa provinsi tujuan dan variabel terkait berat produk merupakan prediktor paling berpengaruh terhadap biaya pengiriman. Temuan ini menunjukkan bahwa metode berbasis pohon keputusan memiliki potensi yang baik dalam memodelkan karakteristik nonlinier pada biaya pengiriman e-commerce.