Publisher

KRESNA MEDIAKRESNA MEDIA

Journal Jurnal Riset InformatikaJurnal Riset Informatika Abstract

Prilaku konsumtif Generasi Z (Gen Z) di e-commerce sangat dipengaruhi oleh adanya algoritma rekomendasi, hal ini yang mendorong keputusan pembelian impulsif. Permasalahan ini diperburuk oleh rendahnya literasi keuangan dan ketersediaan layanan Buy Now Pay Later (BNPL), yang memperbesar risiko siklus utang konsumtif. Penelitian ini bertujuan untuk memodelkan dan mengestimasi tingkat prilaku impulsif tersebut secara kuantitatif menggunakan pendekatan deep learning. Dua arsitektur jaringan saraf diuji lalu dibandingkan. Untuk arsitektur pertama, Artificial Neural Network (ANN), digunakan sebagai komponen analisis awal untuk memetakan hubungan antar nonlinear dan variable static hasil preprocessing terhadap tingkat impulsifitas. Arsitektur kedua, model hibrida yang mengkombinasikan Recurrent Neural Network (RNN) dan Long Short-Term Memory (LSTM), digunakan secara spesifik untuk mempelajari pola temporal dan dinamika perubahan perilaku impulsif yang terjadi dari waktu ke waktu. Hasil dari evaluasi kuantitatif menunjukkan bahwa model hibrida RNN-LSTM memberikan performa yang jauh lebih baik dengan akurasi estimasi yang sangat tinggi, dibuktikan oleh nilai Mean Absolute Error (MAE) sebesar 0,0821 dan koefisien determinasi (R2) sebesar 0.9767. Sebagai pembanding, model ANN statik hanya mampu mencapai MAE sebesar 0,0278 dan R2 sebesar 0,8924. Temuan ini secara eksplisit mengkonfirmasi bahwa perilaku impulsive adalah fenomena dinamis, sehingga arsitektur hibrida RNN-LSTM secara signifikan lebih efektif dalam melakukan analisis pola perilaku sekuensial tersebut.

Conclusion

Penelitian ini berhasil mengembangkan dan mengevaluasi Impulse Tracker, sistem berbasis web cerdas yang dirancang untuk mengukur dan memprediksi perilaku pembelian impulsif di kalangan pengguna e-commerce Generasi Z.Integrasi Artificial Neural Network (ANN) dan Recurrent Neural Network–Long Short-Term Memory (RNN–LSTM) mencapai kinerja prediktif yang kuat, seperti ditunjukkan oleh nilai MAE yang rendah dan skor R2 yang tinggi, menunjukkan kemampuan deep learning untuk menangkap kecenderungan perilaku kompleks.Hasil uji Black Box menunjukkan bahwa semua modul sistem Impulse Tracker berfungsi dengan baik dan memenuhi persyaratan fungsional yang ditetapkan.Temuan penelitian ini konsisten dengan beberapa karya sebelumnya dalam penelitian perilaku e-commerce di Indonesia, seperti pengaruh faktor emosional dan hedonis terhadap pembelian impulsif di Shopee, serta pengaruh nilai hedonis, rekomendasi influencer, dan ulasan produk terhadap keputusan pembelian impulsif Gen Z.Pengintegrasian teknologi dan ilmu perilaku ini menawarkan perspektif baru, berbasis data, untuk memahami dan mengelola kecenderungan impulsif dalam lingkungan konsumen digital Indonesia.

Future Research

Penelitian lanjutan dapat mengembangkan tiga arah studi baru berdasarkan temuan dan keterbatasan penelitian ini. Pertama, mengeksplorasi pengaruh faktor emosional dan tekanan waktu pada pembelian impulsif Gen Z melalui studi kualitatif yang lebih mendalam, seperti wawancara mendalam atau observasi perilaku pengguna di platform e-commerce. Kedua, mengembangkan fitur peringatan keuangan real-time di aplikasi Impulse Tracker untuk membantu pengguna mengelola pengeluaran, seperti notifikasi saat pengeluaran mendekati batas anggaran atau rekomendasi penghematan berdasarkan pola konsumsi. Ketiga, membandingkan efektivitas model RNN-LSTM dengan model lain seperti CNN dalam prediksi perilaku impulsif berdasarkan data dari berbagai platform e-commerce, termasuk mempertimbangkan variabel tambahan seperti kebiasaan penggunaan media sosial atau frekuensi interaksi dengan iklan digital. Dengan menggabungkan pendekatan teknologi dan psikologi konsumen, penelitian lanjutan dapat memberikan solusi yang lebih komprehensif untuk mengurangi risiko utang konsumtif dan meningkatkan literasi keuangan di kalangan Gen Z.

References

1. Exploring the influence of perceived usefulness and value of PayLater/BNPL on satisfaction, impulsive... scipg.com/index.php/103/article/view/667Exploring the influence of perceived usefulness and value of PayLater BNPL on satisfaction impulsive scipg index php 103 article view 667
2. J-ICON: Jurnal Komputer dan Informatika. application lstm long short term memory method sentiment analysis... ejurnal.undana.ac.id/index.php/jicon/article/view/9899J ICON Jurnal Komputer dan Informatika application lstm long short term memory method sentiment analysis ejurnal undana ac index php jicon article view 9899
3. Single view – International Journal of Current Science Research and Review. single view journal... ijcsrr.org/single-view/?id=22722&pid=22324Single view Ae International Journal of Current Science Research and Review single view journal ijcsrr single view id 22722 pid 22324

Metadata

File size	512.64 KB
Pages	10
DMCA	Report