ANALISIS 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