Rambe, Az Zahra Alfansuri (2026) PERBANDINGAN SUPPORT VECTOR MACHINE DAN RANDOM FOREST UNTUK KLASIFIKASI KEPUTUSAN PEMBELIAN ONLINE BERDASARKAN ELECTRONIC WORD OF MOUTH DAN KEPERCAYAAN KONSUMEN BERBASIS WEB. S1 thesis, Universitas Malikussaleh.

	Text Cover.pdf Download (244kB)
	Text Abstrak.pdf Download (279kB)
	Text Bab I.pdf Download (277kB)
	Text Daftar Pustaka.pdf Download (245kB)
	Text Full-text.pdf Restricted to Registered users only Download (3MB)

Abstract

Pertumbuhan e-commerce yang terus meningkat menjadikan keputusan pembelian online dipengaruhi oleh sejumlah faktor, termasuk Electronic Word of Mouth (eWOM) dan Kepercayaan Konsumen. Ketersediaan berbagai ulasan serta informasi pada platform digital membuat konsumen memiliki lebih banyak pertimbangan sebelum menentukan pilihan pembelian. Kondisi tersebut membutuhkan metode klasifikasi yang dapat mengidentifikasi keputusan pembelian berdasarkan kedua faktor tersebut. Penelitian ini bertujuan untuk mengklasifikasikan keputusan pembelian online berdasarkan variabel Electronic Word of Mouth (eWOM) dan Kepercayaan Konsumen dengan melakukan perbandingan antara algoritma Support Vector Machine (SVM) dan Random Forest. Data penelitian diperoleh melalui kuesioner yang diberikan kepada responden yang memiliki pengalaman melakukan pembelian secara online. Data yang terkumpul selanjutnya diproses melalui tahapan Editing, cleaning, preprocessing, penentuan fitur, serta penetapan label untuk membentuk dataset yang terstruktur. Variabel Electronic Word of Mouth (eWOM) dan Kepercayaan Konsumen ditetapkan sebagai fitur masukan, sedangkan Keputusan Pembelian Online digunakan sebagai label klasifikasi. Implementasi penelitian diwujudkan dalam sistem berbasis web dengan menggunakan framework Laravel dan Laragon sebagai lingkungan pengembangan. Kinerja kedua model kemudian dievaluasi melalui Confusion Matrix menggunakan metrik Accuracy, Precision, Recall, dan F1-Score. Hasil penelitian menunjukkan bahwa Support Vector Machine (SVM) menghasilkan Accuracy sebesar 65,43%, Precision sebesar 75,51%, Recall sebesar 69,81%, dan F1-Score sebesar 72,55%. Sementara itu, Random Forest memperoleh Accuracy sebesar 70,37%, Precision sebesar 83,72%, Recall sebesar 67,92%, dan F1-Score sebesar 75,00%. Hasil perbandingan menunjukkan bahwa Random Forest memiliki kinerja yang lebih baik secara keseluruhan karena menghasilkan nilai Accuracy, Precision, dan F1-Score yang lebih tinggi dibandingkan SVM. Oleh sebab itu, Random Forest ditetapkan sebagai algoritma dengan kinerja terbaik untuk klasifikasi keputusan pembelian online berdasarkan variabel Electronic Word of Mouth (eWOM) dan Kepercayaan Konsumen dalam penelitian ini.

Item Type:	Thesis (S1)
Subjects:	Q Science > QA Mathematics > QA75 Electronic computers. Computer science Q Science > QA Mathematics > QA76 Computer software T Technology > T Technology (General)
Divisions:	Fakultas Teknik > 57201 - Jurusan Sistem Informasi
Depositing User:	Az Zahra Alfansuri Rambe
Date Deposited:	01 Sep 2026 07:26
Last Modified:	01 Sep 2026 07:26
URI:	https://rama.unimal.ac.id/id/eprint/22003

Actions (login required)

View Item