Klasifikasi Minat Beli Konsumen pada Platform E-Commerce Menggunakan Algoritma C4.5

Abstrak

Penelitian ini menerapkan teknik data mining berbasis klasifikasi untuk mengidentifikasi pola minat beli konsumen pada platform e-commerce. Data penelitian diperoleh melalui kuesioner terstruktur kepada pengguna aktif e-commerce dengan skala Likert 1–5, yang mengukur empat variabel utama, yaitu harga, keragaman produk, kemudahan penggunaan, dan kepercayaan. Sebelum pemodelan, seluruh instrumen kuesioner diuji validitas menggunakan korelasi Pearson dan reliabilitas menggunakan Cronbach’s Alpha, dengan hasil seluruh butir pernyataan dinyatakan valid dan reliabel. Data yang terkumpul diseleksi, dikodekan menjadi skor numerik, dan dilabeli ke dalam tiga kategori minat beli yaitu Tinggi, Sedang, dan Rendah berdasarkan skor komposit rata-rata keempat variabel. Pemodelan klasifikasi dilakukan menggunakan algoritma C4.5 dan Naive Bayes melalui perangkat lunak RapidMiner, dengan evaluasi menggunakan split validation (70:30) dan 10-fold cross validation. Hasil evaluasi menunjukkan bahwa C4.5 menghasilkan akurasi 83,87% pada split validation dan 91,51% pada cross validation, sementara Naive Bayes menghasilkan akurasi 96,77% dan 95,36% pada masing-masing metode evaluasi. Keunggulan Naive Bayes atas C4.5 turut dipengaruhi oleh kondisi ketidakseimbangan kelas pada dataset, di mana kelas Rendah hanya diwakili oleh 5 data dari total 106 responden. Meskipun demikian, C4.5 tetap unggul dalam interpretabilitas karena struktur pohon keputusan yang dihasilkan memungkinkan penelusuran aturan klasifikasi secara eksplisit dalam bentuk aturan if-then yang dapat langsung diterapkan dalam pengambilan keputusan strategis.