Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Jurnal (FORSINTA) Informatika, Sistem Informasi dan Kehutanan
hesti, Hesti Yulianingsih
Unknown Affiliation
Agriculture, Biological Sciences & Forestry Computer Science & IT

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
TINJAUAN LITERATUR SISTEMATIS: PENERAPAN ALGORITMA KLASIFIKASI DATA MINING UNTUK PREDIKSI LOYALITAS PELANGGAN PADA PLATFORM E-COMMERCE hesti, Hesti Yulianingsih; Rohayani, Hetty
Jurnal Informatika, Sistem Informasi dan Kehutanan (FORSINTA) Vol. 4 No. 1 (2025): Jurnal Informatika, Sistem Informasi dan Kehutanan (Forsinta)
Publisher : LPPM Universitas Muhammadiyah Jambi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.53978/jfsa.v4i1.777

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.
Co-Authors Hetty Rohayani