Klasifikasi Konsumen Berdasarkan Loyalitas Belanja Online Menggunakan Algoritma Random Forest

Abstract

Pertumbuhan pesat aktivitas belanja online mendorong perusahaan e-commerce untuk memahami perilaku konsumen, khususnya dalam mengukur tingkat loyalitas pelanggan. Penelitian ini bertujuan untuk mengklasifikasikan loyalitas konsumen berdasarkan data transaksi penjualan menggunakan algoritma Random Forest. Dataset yang digunakan berasal dari platform Kaggle dan berisi informasi transaksi dari sebuah perusahaan e-commerce di Inggris. Data dianalisis melalui beberapa tahapan, termasuk pembersihan data, encoding atribut kategorikal, normalisasi data numerik, serta feature engineering untuk menghasilkan atribut seperti frekuensi belanja, total kuantitas, total pembelanjaan, dan durasi transaksi. Model Random Forest dipilih karena kemampuannya dalam menangani data besar dan tidak seimbang serta memberikan feature importance yang berguna. Hasil evaluasi menunjukkan bahwa model mampu mengklasifikasikan konsumen dengan akurasi sebesar 91%, meskipun performa pada kelas minoritas masih rendah akibat ketidakseimbangan distribusi data. Fitur TotalPrice terbukti menjadi faktor paling dominan dalam menentukan loyalitas pelanggan. Penelitian ini menunjukkan bahwa pendekatan klasifikasi berbasis data dapat digunakan secara efektif untuk mendukung strategi retensi pelanggan dalam industri e-commerce.