Perancangan model prediksi repurchase intention berdasarkan ulasan konsumen pada website X

Abstract

Dalam pasar e-commerce Indonesia yang terus berkembang, Website X merupakan website penjual produk kosmetik dan kecantikan terbesar di Indonesia. Sebagai perusahaan yang bergerak di bidang kecantikan, diperlukan customer feedback yang memaparkan repurchase intention konsumen melalui media digital. Website X menyediakan informasi yang berkelimpahan mengenai repurchase intention dan faktor lain yang mempengaruhinya. Data ulasan konsumen yang berkelimpahan mempersulit pemrosesan. Oleh karena itu, dipakai feature selection untuk memilih fitur. Model prediksi repurchase intention dibuat dengan algoritma decision tree classifier untuk membuat model yang dapat memprediksi repurchase intention konsumen. Data dibagi menjadi dua bagian, data training dan data test dengan rasio 80:20. Dari berbagai metode feature selection, diuji metode term frequency, TF-IDF, Fisher Score, dan Distinguishing Feature Selector. Setelah membagi data training secara acak menjadi 10 balanced sampel, 50 fitur yang paling relevan diambil untuk dibuat menjadi model prediksi. Kemudian, dibuatlah model prediksi dengan algoritma decision tree. Confusion matrix menyediakan informasi bagi perhitungan akurasi sampel. Proses pembuatan model prediksi dilakukan untuk setiap sampel dari tiga kategori produk, yakni cleanser, moisturizer, dan treatment. Dari hasil perbandingan antar model, didapatkan bahwa model prediksi Fisher Score memiliki tingkat akurasi tertinggi sekitar 55%. Setelah dilakukan uji signifikansi paired t test, terbukti bahwa model dari Fisher Score memiliki rata-rata akurasi yang berbeda secara signifikan dengan kebanyakan metode lainnya. Didapati pula bahwa model Fisher Score juga dapat menggambarkan repurchase intention dengan lebih baik dibandingkan model yang hanya menggunakan rating. Maka dari itu, model prediksi repurchase intention terbaik adalah model yang menggunakan metode Fisher Score.