Prediksi Belanja Daring Mahasiswa STMIK Pontianak Pasca Covid-19 Menggunakan Algoritma Data Mining

Abstract

Belanja daring semakin mendapat tempat sejak wabah Covid-19. Mahasiswa STMIK
Pontianak menjadi bagian masyarakat dunia yang dipaksa melakukan kegiatan secara daring
termasuk melakukan belanja secara daring. Dipihak lain, pelaku bisnis yang sudah bergerak
menjual produknya secara daring, ini menjadi kegairahan tersendiri dimana mereka sempat
terpuruk pada masa awal datangnya pandemi. Para pelaku bisnis berlomba-lomba menjual
produknya secara daring. Tetapi apabila masa Covid-19 telah berakhir, apakah mahasiswa tetap
melakukan belanja secara daring? Untuk mendapatkan pengetahuan seperti ini, maka dilakukan
penelitian yang terdiri dari tahap mendapatkan data sampel melalui kuesioner kepada
mahasiswa STMIK Pontianak, melakukan pre-processing, kemudian membuat model klasifikasi
dengan Naïve Bayes dan C4.5. Evaluasi model data mining ini digunakan pengukuran Area
Under Curve (AUC). Tujuan penelitian ini adalah untuk mendapatkan hasil evaluasi optimum
AUC dengan melakukan serangkaian kegiatan pada tahap pre-processing dan membuat model
menggunakan algoritma Naïve Bayes. Optimalisasi ini dilakukan dengan cara mereduksi
sejumlah atribut yang ada dan melakukan transformasi nilai atribut dari polynomial data
menjadi binomial data hingga diperoleh model dengan hasil evaluasi yang optimum. Atributatribut dengan AUC tertinggi akan diproses kembali menggunakan algoritma C4.5 untuk memperoleh nilai-nilai atribut dan model pohon keputusan yang mempengaruhi belanja pasca
Covid-19. Hasil optimalisasi model klasifikasi diperoleh nilai AUC adalah 98,80%.