IMPLEMENTASI RANDOM FOREST UNTUK PENCATATAN TRANSAKSI KEUANGAN PADA APLIKASI BERBASIS ANDROID

Abstract

Pencatatan keuangan pribadi secara manual sering kali tidak efisien, memakan waktu, dan rentan terhadap kesalahan kategorisasi transaksi. Penelitian ini bertujuan untuk mengembangkan aplikasi pencatatan transaksi keuangan berbasis Android dengan sistem klasifikasi otomatis menggunakan algoritma Random Forest dan pembobotan Term Frequency-Inverse Document Frequency (TF-IDF). Pengembangan aplikasi ini menerapkan metode Waterfall, serta mengintegrasikan Rule-Based System untuk mengevaluasi laporan keuangan pengguna ke dalam status hemat, normal, atau boros. Model dilatih menggunakan total 1.781 data, yang terdiri atas 1.200 data dari dataset Kaggle dan 581 data transaksi riil yang dikumpulkan selama penelitian. Hasil pengujian model menggunakan Confusion Matrix menunjukkan performa yang sangat baik dengan akurasi sebesar 90,15%, precision 92,04%, recall 90,15%, dan F1-score 90,08%. Sementara itu, pengujian fungsional sistem melalui Blackbox Testing menunjukkan seluruh fitur aplikasi berjalan lancar sesuai harapan. Penelitian ini membuktikan bahwa implementasi Random Forest pada platform mobile efektif meminimalkan kesalahan pencatatan manual serta mengoptimalkan efisiensi manajemen keuangan personal.

Kata Kunci: Android, Keuangan Pribadi, Klasifikasi Transaksi, Random Forest, TF-IDF.