Analisis Hubungan antara Aktivitas Fisik, Stres, dan Gangguan Tidur Berdasarkan Data Kesehatan Individu

Abstract

Kemajuan digital yang pesat pada sektor Usaha Mikro, Kecil, dan Menengah (UMKM) memberikan peluang strategis untuk memahami perilaku konsumen secara lebih mendalam, khususnya dalam upaya mempertahankan pelanggan. Salah satu strategi penting yang dapat diterapkan adalah memprediksi kemungkinan konsumen melakukan pembelian ulang. Penelitian ini bertujuan untuk mengembangkan model klasifikasi prediktif dengan memanfaatkan dua algoritma machine learning, yaitu Naive Bayes dan Support Vector Machine (SVM). Data yang dianalisis berasal dari platform Kaggle dan berisi atribut seperti usia, jenis kelamin, frekuensi transaksi, pengeluaran bulanan, dan jumlah produk rata-rata per pembelian. Penelitian dilakukan dalam tahapan prapemrosesan data, pelatihan model, dan pengujian performa dengan menggunakan indikator akurasi, presisi, recall, dan F1-score. Perolehan hasil menunjukkan bahwa model Naive Bayes menunjukkan performa yang stabil dengan akurasi 87,5%, presisi 83,33%, recall 90,91%, dan F1-score 86,96%. Model SVM menunjukkan tingkat recall yang tinggi (100%) tetapi presisinya rendah (68,75%), sehingga kurang optimal dalam menjalankan klasifikasi yang minimal kesalahannya. Berdasarkan hasil tersebut, Naive Bayes lebih efektif dan layak digunakan untuk memprediksi kebiasaan pembelian berulang konsumen UMKM secara tepat dan efektif Kata kunci: UMKM, klasifikasi pembelian ulang, Naive Bayes, SVM, prediksi konsumen, algoritma machine learning.