<![CDATA[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.]]>
Copyrights © 2025
