EPrints Universitas Amikom YogyakartaANALISIS KOMPARATIF ALGORITMA MACHINE LEARNING UNTUK KLASIFIKASI PERILAKU BELANJA KONSUMEN PADA E-COMMERCEAishaAryaniauthorPerkembangan pesat e-commerce menghasilkan data transaksi dalam jumlah besar yang mencerminkan perilaku belanja konsumen, namun kompleksitas data serta ketidakseimbangan kelas antara konsumen yang berlangganan dan tidak berlangganan menjadi permasalahan dalam proses analisis dan pemodelan klasifikasi. Kondisi ini dapat menyebabkan model cenderung bias terhadap kelas mayoritas sehingga menurunkan kemampuan dalam mengenali karakteristik konsumen secara menyeluruh dan berdampak pada kurang optimalnya strategi pemasaran berbasis data. Penelitian ini bertujuan untuk memprediksi status berlangganan konsumen e-commerce serta membandingkan kinerja beberapa algoritma machine learning dalam mengklasifikasikan perilaku belanja konsumen. Dataset yang digunakan terdiri dari 3.900 data dengan 18 atribut yang merepresentasikan karakteristik transaksi dan perilaku belanja. Metode penelitian meliputi Exploratory Data Analysis (EDA), pembersihan data, penanganan Outlie rmenggunakan metode Outlier capping berbasis Interquartile Range (IQR), encoding fitur kategorikal menggunakan One-hot encoding, pembagian data dengan metode stratified Train-test split, Feature scaling menggunakan StandardScaler, serta penyeimbangan data latih menggunakan metode SMOTE. Selanjutnya, proses pemodelan dilakukan menggunakan algoritma Naive Bayes, Logistic regression, dan Random forest dengan evaluasi kinerja berdasarkan metrik accuracy, precision, recall, dan F1-score. Hasil penelitian menunjukkan bahwa ketiga algoritma mampu memprediksi status berlangganan konsumen dengan performa yang baik, di mana Naive Bayes menghasilkan kinerja terbaik berdasarkan nilai F1-score. Hasil penelitian ini dapat dimanfaatkan oleh pelaku e-commerce sebagai dasar pengambilan keputusan strategis dalam pengelolaan pelanggan dan penyusunan strategi pemasaran berbasis data.000 Ilmu komputer, informasi dan pekerjaan umum004 Pemrosesan data dan ilmu komputer2026-02-26Universitas AMIKOM Yogyakarta;Fakultas Ilmu KomputerThesis

For work being deposited by its own author: In self-archiving this collection of files and associated bibliographic metadata, I grant EPrints Universitas Amikom Yogyakarta the right to store them and to make them permanently available publicly for free on-line. I declare that this material is my own intellectual property and I understand that EPrints Universitas Amikom Yogyakarta does not assume any responsibility if there is any breach of copyright in distributing these files or metadata. (All authors are urged to prominently assert their copyright on the title page of their work.)

For work being deposited by someone other than its author: I hereby declare that the collection of files and associated bibliographic metadata that I am archiving at EPrints Universitas Amikom Yogyakarta) is in the public domain. If this is not the case, I accept full responsibility for any breach of copyright that distributing these files or metadata may entail.

Clicking on the deposit button indicates your agreement to these terms.