IMPLEMENTASI SISTEM DYNAMIC PRICING PADA APLIKASI DOG WALKER DENGAN MENGGUNAKAN ALGORITMA RANDOM FOREST BERBASIS WEB DAN MOBILE

Aplikasi Dog Walker merupakan sebuah jasa penyewaan walker untuk membawa anjing berjalan-jalan. Umumnya walker hanya menerima pesanan yang jaraknya berdekatan menyebabkan terbatasnya jasa dog walker yang bisa dijangkau oleh pemilik anjing. Hal tersebut dikarenakan sistem harga tetap (fixed) yang dapat merugikan walker yang posisinya berjauhan dengan titik pesanan. Metodologi yang digunakan untuk pengembangan adalah metodologi Waterfall. Sistem Dynamic Pricing dibuat menggunakan algoritma Random Forest untuk menentukan harga yang dinamis. Pengujian aplikasi dilakukan dengan metode Black box Testing. Pengujian algoritma menggunakan dataset berjumlah 2044 data dengan 5 features berupa tingkat permintaan, jumlah anjing, durasi, jarak, dan walking place, kemudian dilakukan 3-fold cross validation dengan metode Random Search untuk mendapatkan nilai parameter optimal berupa n_estimators, min_samples_split, min_samples_leaf, max_features, dan max_depth. Aplikasi dog walker dikembangkan dengan menerapkan sistem Dynamic Pricing agar walker mendapatkan tawaran harga yang sesuai berdasarkan jaraknya dengan customer. Berdasarkan hasil pengujian dengan Random Search, diperoleh kesimpulan bahwa nilai MSE yang lebih baik didapatkan saat tidak menggunakan bootstrap, yaitu sebesar 0.004287428325302193, yang mana lebih baik dibandingkan dengan saat menggunakan bootstrap dengan nilai MSE 0.16117723388426444. Namun, terdapat kelemahan pada training time yaitu 3.11s dan testing time 0.20s yang berarti model ini memerlukan waktu yang lebih lama untuk melakukan pemrosesan dibandingkan model lainnya.