Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal IKRAM: Jurnal Ilmu Komputer Al Muslim
M. Rifa'i Susanto
Politeknik Bisnis Digital Indonesia
Computer Science & IT Decision Sciences, Operations Research & Management

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

Found 1 Documents
Search

 1 
Evaluasi Regresi Logistik dengan Pembobotan Kelas dan Optimasi Ambang Keputusan untuk Prediksi Pembelian pada E-Commerce Putri Mayang; Casto Uripto; M. Rifa'i Susanto
IKRAM: Jurnal Ilmu Komputer Al Muslim Vol. 5 No. 2 (2026): IKRAM: Jurnal Ilmu Komputer Al Muslim
Publisher : STMIK Al Muslim

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

Abstract

Penelitian ini bertujuan mengevaluasi pengaruh pembobotan kelas dan optimasi ambang keputusan terhadap kinerja regresi logistik dalam memprediksi pembelian pada e-commerce. Penelitian menggunakan Online Shoppers Purchasing Intention Dataset yang terdiri atas 12.330 sesi kunjungan dengan distribusi kelas tidak seimbang. Empat skenario dievaluasi, yaitu regresi logistik standar dan berbobot kelas, masing-masing menggunakan ambang keputusan 0,5 dan ambang optimal. Data dibagi secara stratifikasi menjadi data pelatihan dan pengujian dengan proporsi 80:20. Ambang optimal ditentukan berdasarkan F1-score dari prediksi out-of-fold pada data pelatihan. Hasil menunjukkan bahwa regresi logistik berbobot kelas dengan ambang optimal menghasilkan F1-score tertinggi sebesar 0,6306, dengan akurasi 0,8755, precision 0,5835, recall 0,6859, dan ROC-AUC 0,8962. Sebaliknya, regresi logistik standar dengan ambang 0,5 menghasilkan akurasi tertinggi sebesar 0,8812, tetapi recall hanya 0,3560. Analisis sensitivitas menunjukkan bahwa penghapusan variabel PageValues menurunkan F1-score model terbaik menjadi 0,3902. Temuan ini menunjukkan bahwa pembobotan kelas dan optimasi ambang dapat meningkatkan keseimbangan precision dan recall, sedangkan penggunaan PageValues perlu mempertimbangkan ketersediaan informasi pada waktu prediksi.    
Co-Authors Casto Uripto Putri Mayang