ANALISIS KOMPARATIF ALGORITMA MACHINE LEARNING UNTUK KLASIFIKASI PERILAKU BELANJA KONSUMEN PADA E-COMMERCE

Aryani, Aisha (2026) ANALISIS KOMPARATIF ALGORITMA MACHINE LEARNING UNTUK KLASIFIKASI PERILAKU BELANJA KONSUMEN PADA E-COMMERCE. S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.

[img] Text (COVER - ABSTRAK)
COVER.pdf - Published Version
Download (765kB)
[img] Text (BAB I)
BAB I.pdf - Published Version
Download (301kB)
[img] Text (BAB II)
BAB II.pdf - Published Version
Restricted to Registered users only
Download (804kB)
[img] Text (BAB III)
BAB III.pdf - Published Version
Restricted to Registered users only
Download (373kB)
[img] Text (BAB IV)
BAB IV.pdf - Published Version
Restricted to Registered users only
Download (828kB)
[img] Text (BAB V)
BAB V.pdf - Published Version
Download (110kB)
[img] Text (DAFTAR PUSTAKA)
Daftar Pustaka.pdf - Published Version
Restricted to Registered users only
Download (165kB)
[img] Archive (SOURCE CODE)
Sourcecode - 22.11.5118.zip
Restricted to Repository staff only
Download (1MB)
[img] Text (PUBLIKASI)
Publikasi.pdf - Published Version
Restricted to Repository staff only
Download (612kB)

Abstract

Perkembangan 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.

Item Type: Thesis (S1 - Sarjana)
Contributor:
Pembimbing
Rahardi, Majid
Uncontrolled Keywords: E-commerce, Perilaku belanja konsumen, Machine learning, Klasifikasi, Prediksi, Consumer shopping behavior, Classification, Prediction.
Subjects: 000 - Komputer, Informasi dan Referensi Umum > 000 Ilmu komputer, ilmu pengetahuan dan sistem-sistem > 000 Ilmu komputer, informasi dan pekerjaan umum
000 - Komputer, Informasi dan Referensi Umum > 000 Ilmu komputer, ilmu pengetahuan dan sistem-sistem > 004 Pemrosesan data dan ilmu komputer
Divisions: Fakultas Ilmu Komputer > Informatika
Depositing User: RC Universitas AMIKOM Yogyakarta
Date Deposited: 15 Jul 2026 03:17
Last Modified: 15 Jul 2026 03:17
URI: http://eprints.amikom.ac.id/id/eprint/32156

Actions (login required)

View Item View Item