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.
