KOMPARASI ALGORITMA NAIVE BAYES, RANDOM FOREST DAN SVM UNTUK MEMPREDIKSI NIAT PEMBELANJA ONLINE

Abstract

Beberapa tahun terakhir ini, penggunaan e-commerce atau toko online sangat meningkat. Bermacam-macam toko online yang bermunculan di internet, baik berskala kecil maupun yang berskala besar. Hal ini memiliki pengaruh yang sangat penting pada penggunaan waktu yang efektif dan tingkat angka penjualan. Maka dari itu e-commerce atau toko online harus mempunyai kemampuan menilai sarana yang digunakan untuk mengetahui dan mengklasifikasikan niat pembelanjaan online sehingga menghasilkan keuntungan bagi toko tersebut. Niat pembelanja online dapat dilakukan pengklasifikasian menggunakan beberapa algoritma, seperti Naive Bayes, Random Forest dan Support Vector Machine. Dalam penelitian ini perbandingan algoritma dilakukan menggunakan aplikasi WEKA dengan mengetahui nilai F1-Score, Akurasi, Kappa Statistic dan Mean Absolute Error. Terdapat perbedaan antara hasil pengujian, untuk nilai F1-Score, Akurasi, Kappa Statistic menghasilkan pengujian algoritma Random Forest-lah yang paling baik dibandingkan Naive Bayes dan Support Vector Machine. Sedangkan pada nilai Mean Absolute Error hasil pengujian algoritma Support Vector Machine merupakan nilai terbaik dari pada Naive Bayes dan Random Forest. Sehingga berdasarkan penelitian ini Algoritma Random Forest merupakan algoritma yang paling baik dan tepat untuk diterapkan sebagai pengklasifikasian niat pembelanja online, karena algoritma Random Forest yang paling mendominasi dalam mengetahui nilai kriteria seperti F1-Score, Akurasi, Kappa Statistic dan Mean Absolute Error.