PENERAPAN ALGORITMA EXTREME LEARNING MACHINE (ELM) UNTUK MEMPREDIKSI PERILAKU KONSUMTIF BERDASARKAN POLA TRANSAKSI E-COMMERCE

Abstract

Perkembangan e-commerce mendorong perubahan pola belanja masyarakat dan berpotensi meningkatkan perilaku konsumtif. Penelitian ini bertujuan menerapkan algoritma Extreme Learning Machine (ELM) untuk memprediksi perilaku konsumtif berdasarkan pola transaksi e-commerce. Data yang digunakan merupakan data sekunder dari Kaggle sebanyak 1.000 transaksi dengan atribut Date, Gender, Age, Product Category, Quantity, Price per Unit, dan Total Amount. Dataset tidak memiliki label target bawaan sehingga label konsumtif dibentuk secara operasional menggunakan ambang persentil ke-75 pada Total Amount. Transaksi dengan Total Amount >= 900 dikategorikan sebagai konsumtif, sedangkan transaksi di bawah ambang tersebut dikategorikan sebagai tidak konsumtif. Tahapan penelitian meliputi preprocessing data, transformasi fitur, pembagian data latih dan data uji dengan rasio 80:20, implementasi model ELM, serta evaluasi menggunakan accuracy, precision, recall, dan F1-score. Hasil pengujian menunjukkan bahwa model ELM memperoleh accuracy 96,50%, precision 94,23%, recall 92,45%, dan F1-score 93,33%. Hasil ini menunjukkan bahwa ELM mampu mengklasifikasikan transaksi konsumtif dan tidak konsumtif secara baik berdasarkan fitur transaksi yang tersedia, dengan catatan bahwa definisi konsumtif dalam penelitian ini bersifat operasional berdasarkan nilai transaksi.