Claim Missing Document
Check
Articles

Found 1 Documents
Search

Analisis Performa Algoritma Decision Tree Berbasis SMOTE untuk Klasifikasi Membership Tier Pelanggan E-Commerce Nurul Faiqah; Andi Dwi Aprilya Bastiar; Rezty Amalia Aras; Aulia Rahmawati
Prosiding Seminar Nasional Teknologi Informasi dan Bisnis Prosiding Seminar Nasional Teknologi Informasi dan Bisnis (SENATIB) 2026
Publisher : Fakultas Ilmu Komputer Universitas Duta Bangsa Surakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Penelitian ini bertujuan untuk mengklasifikasikan membership tier menggunakan algoritma Decision Tree Classifier dengan optimasi teknik SMOTE kustom yang proporsional. Menggunakan dataset dari Kaggle yang mencakup 8.000 profil pelanggan dan 25.000 riwayat transaksi, teknik SMOTE kustom berhasil menyeimbangkan data latih dari 6.400 menjadi 8.800 sampel guna mengeliminasi bias kelas mayoritas (Free). Hasil pemodelan dengan pre-pruning (max_depth=4) menunjukkan bahwa rata-rata nilai pesanan (avg_order_value_usd) dengan ambang batas 66.232 USD menjadi akar penentu utama (root node). Evaluasi akhir melalui 5-Fold Cross Validation membuktikan skenario SMOTE kustom menghasilkan lonjakan nilai F1-Score Macro yang signifikan dibandingkan model konvensional. Model ini terbukti memiliki kemampuan generalisasi yang adil dan seimbang dalam mengenali kelas-kelas minoritas (Silver, Gold, dan Platinum), sehingga dapat dijadikan landasan strategis manajemen hubungan pelanggan (Customer Relationship Management) pada industri retail digital.