TINJAUAN LITERATUR SISTEMATIS: PENERAPAN ALGORITMA KLASIFIKASI DATA MINING UNTUK PREDIKSI LOYALITAS PELANGGAN PADA PLATFORM E-COMMERCE
Article Sidebar
Main Article Content
Abstract
Penelitian ini merupakan tinjauan literatur sistematis yang bertujuan untuk menganalisis secara mendalam penerapan algoritma klasifikasi dalam data mining untuk memprediksi loyalitas pelanggan pada platform e-commerce. Penelitian dilakukan menggunakan metode Systematic Literature Review (SLR) yang mengacu pada panduan PRISMA. Sebanyak 15 artikel ilmiah terpilih dari periode 2018 hingga 2025 dianalisis berdasarkan jenis algoritma, metode, serta hasil evaluasi model. Hasil studi menunjukkan bahwa algoritma seperti Naïve Bayes, C4.5, Random Forest, dan Deep Learning sering digunakan karena keunggulan masing-masing. Naïve Bayes efektif untuk data sederhana dan cepat diimplementasikan, sedangkan C4.5 unggul dalam memberikan interpretasi yang mudah dipahami. Random Forest memiliki akurasi tinggi dan cocok untuk data besar dan kompleks, sementara Deep Learning mampu mengenali pola perilaku pelanggan yang kompleks tetapi memiliki kekurangan pada transparansi hasil. Selain itu, metode clustering seperti K-Means dan DBSCAN juga penting untuk segmentasi awal sebelum klasifikasi dilakukan. Dengan demikian, penerapan algoritma klasifikasi tidak hanya meningkatkan akurasi prediksi loyalitas pelanggan, tetapi juga mendukung perumusan strategi retensi yang lebih efektif dan personal. Hasil penelitian ini diharapkan dapat menjadi dasar pengembangan penelitian lanjutan dan penerapan praktis di industri e-commerce Indonesia.
Downloads
Article Details
References
[1] F. Saputra and Fersellia, “Prediction Customer Loyalty Using Random Forest Algorithm on Shopee Reviews,” Paradigma, vol. 27, no. 1, pp. 11–20, Mar. 2025. [Online]. Available: http://jurnal.bsi.ac.id/index.php/paradigma/
[2] A. L. M. Tampubolon, S. M. Siagian, D. Oktaria, and M. S. Silaban, “Segmentasi Pelanggan Majalah Menggunakan Metode RFM dan K-Means++ untuk Strategi Loyalitas Pelanggan,” J. Media Inform. Budidarma, vol. 8, no. 2, pp. 8208–8219, 2024.
[3] D. Mubarok, K. Adjani, B. D. R. Hutama, M. M. Mutoffar, and R. Indrayani, “Big Data Analytics dan Machine Learning untuk Memprediksi Perilaku Konsumen di E-Commerce,” J. Inform. Rekayasa Elektron., vol. 8, no. 1, pp. 159–168, Apr. 2025.
[4] P. E. Bloemhard, E. S. Y. Pandie, A. Fanggidae, N. D. Rumlaklak, T. Widiastuti, D. R. Sina, and Y. Y. Nabuasa, “Penerapan Data Mining dalam Strategi Bisnis Menggunakan Algoritma Apriori,” J. Transformatika, vol. 22, no. 1, pp. 30–38, Jul. 2024.
[5] N. Nafisyah and R. Sulistiyowati, “Prediksi Loyalitas Konsumen Marketplace Menggunakan Naive Bayes dan Particle Swarm Optimization,” Paradigma, vol. 27, no. 1, pp. 21–30, Mar. 2025.
[6] M. Mustafa, L. Syahputra, and R. Kartini, “Prediksi Retensi Pengguna Baru di Platform E-Commerce dengan Random Forest,” Paradigma, vol. 27, no. 1, pp. 31–40, Mar. 2025.
[7] F. Deva, “Prediksi Loyalitas Pelanggan E-Commerce Menggunakan Deep Learning,” J. Teknol. Sist. Komput., vol. 11, no. 2, pp. 215–222, 2023.
[8] M. Muktafin, R. Hidayat, and L. Amalia, “Analisis Sentimen dan Loyalitas Pelanggan E-Commerce dengan Pendekatan NLP,” J. Sist. Inform., vol. 16, no. 1, pp. 45–53, 2020.
[9] E. Jannah, V. Sihombing, and Masrizal, “Penerapan Data Mining Klasifikasi Kepuasan Pelanggan Transportasi Online Menggunakan Algoritma C4.5,” MEANS (Media Informasi Analisa dan Sistem), vol. 8, no. 1, pp. 1–12, Jun. 2023.
[10] M. A. Riftiarraafi and D. Ernawati, “Penerapan Algoritma C4.5 untuk Klasifikasi Customer Churn pada Perusahaan Perbankan,” SAMMAJIVA: Jurnal Penelitian Bisnis dan Manajemen, vol. 2, no. 1, pp. 178–190, Mar. 2024.
[11] Y. T. Widayati, Y. Prihati, and S. Widjaja, “Analisis dan Komparasi Algoritma Naïve Bayes dan C4.5 untuk Klasifikasi Loyalitas Pelanggan MNC Play Kota Semarang,” TRANSFORMATIKA, vol. 18, no. 2, pp. 161–172, Jan. 2021.
[12] M. G. Pradana and P. H. Saputro, “Komparasi Metode Naïve Bayes dan C4.5 dalam Klasifikasi Loyalitas Pelanggan Terhadap Layanan Perusahaan,” Indonesian Journal of Business Intelligence (IJUBI), vol. 3, no. 1, pp. 20–24, Jun. 2020.
[13] N. W. Wardani, D. J. Arnidya, I. N. A. S. Putra, N. M. M. R. Desmayani, P. G. S. C. Nugraha, E. Hartono, and G. S. Mahendra, “Prediksi Pelanggan Loyal Menggunakan Metode Naïve Bayes Berdasarkan Segmentasi Pelanggan dengan Pemodelan RFM,” Jurnal Media Teknologi dan Informatika, vol. 12, no. 2, pp. 113–123, Oct. 2022.
[14] R. Y. Hayuningtyas, “Analisa Klasifikasi Loyalitas Pelanggan Menggunakan Algoritma Naïve Bayes,” Jurnal TEKINKOM, vol. 7, no. 2, pp. 891–900, 2024.
[15] H. Yulianingsih and H. Rohayani, “Tinjauan Literatur Sistematis: Penerapan Algoritma Klasifikasi Data Mining untuk Prediksi Loyalitas Pelanggan pada Platform E-Commerce,” Jurnal Informatika, Sistem Informasi dan Kehutanan (FORSINTA), vol. 2, no. 1, pp. 999–1012, Apr. 2023.