Optimasi Decision Tree Dengan Particle Swarm Optimization Untuk Klasifikasi Prediksi Gender Pengguna E-Commerce

Abstract

Belanja online telah menjadi gaya hidup saat ini. Hal ini berdampak pada banyaknya perusahaan aplikasi belanja online yang saling bersaing untuk menawarkan kemudahan dan kenyamanan pada pengguna aplikasi belanja online. Informasi mengenai pengguna akan sangat membantu pengusaha dibidang aplikasi belanja online sebagai pengetahuan untuk menerapkan strategi marketing guna terus mempertahankan pengguna aplikasi maupun merekrut pengguna aplikasi baru. Informasi tersebut termasuk mengenai gender pengguna yang dapat dimanfaatkan untuk teknik promosi, pemilihan brand ambasador, upgrade tampilan aplikasi dan lain sebagainya. Informasi mengenai gender pengguna aplikasi belanja online dapat di olah dengan menerapkan data mining menggunakan model klasifikasi dengan algoritma Decision Tree yang kemudian di optimasi dengan Particle Swarm Optimization (PSO). Hasil penelitian pada dataset e-commerce gender prediction menunjukkan adanya peningkatan akurasi Decision Tree yang dioptimasi Particle Swarm Optimization (PSO) sebesar 0,15%, tingkat akurasi yang sebelumnya sebesar 85.22% dengan angka kurva ROC 0.759 menjadi 85,37% dan kurva ROC 0.764 termasuk  dalam fair classification.