Prediksi Intensi Penggunaan (Usage Intention) pada Aktivitas E-Commerce Berbasis Data Mouse Tracking dan Machine Learning

TASYA NAFISAH KAMAL, Dr.Eng. Ir. Sunu Wibirama, S.T., M.Eng., IPM. ; Ir. Ridwan Wicaksono, S.T., M.Eng., Ph.D.

2024 | Skripsi | TEKNOLOGI INFORMASI

Pemanfaatan teknologi informasi di bidang e-commerce semakin berkembang di Indonesia, salah satunya melalui platform Tokopedia. Perkembangan ini mendorong persaingan yang semakin ketat di antara pelakue-commerce untuk menjadi platform yang paling diminati oleh konsumen. Interaksi antara pengguna dan website e-commerce membentuk pengalaman pengguna dan intensi penggunaan yang perlu dipelajari lebih lanjut guna mengetahui faktor yang memengaruhi intensi penggunaan konsumen.

Penelitian ini memanfaatkan analisis mouse tracking untuk memahami pola gerakan kursor pengguna saat berinteraksi dengan website e-commerce, sehingga memberikan wawasan tentang perilaku serta preferensi pengguna. Data mouse tracking dikumpulkan dari interaksi pengguna dengan dua user interface website e-commerce yang memiliki navigasi berbeda. Fitur pada mouse tracking yang berpengaruh terhadap intensi penggunaan digabungkan dengan hasil kuesioner user usage intention, lalu diolah menggunakan model machine learning seperti Random Forest Classifier, Support Vector Machine (SVM), Logistic Regression, Gradient Boosting Classifier, dan K-Nearest Neighbors (KNN).

Hasil penelitian menunjukkan bahwa model terbaik dengan performa tertinggi adalah Random Forest dan Logistic Regression dengan F-1 score sebesar 0,72. Uji statistik juga dilakukan untuk menunjukkan perbedaan signifikan dalam intensi penggunaan berdasarkan desain navigasi dan model-model yang digunakan. Berdasarkan hasil eksperimen, terdapat perbedaan signifikan pada kecenderungan \textit{usage intention} antara dua desain navigasi (p-value < 0>web page lain, memiliki lebih sedikit items, dan terletak di bagian atas website e-commerce. Uji statistik pada machine learning juga menunjukkan perbedaan signifikan antar model (p-value = 0,03), dengan perbedaan terbesar antara KNN dan SVM (p-value = 0,01196). Hasil penelitian ini diharapkan dapat menjadi panduan dalam pengembangan website e-commerce untuk menggunakan desain navigasi yang meningkatkan pengalaman dan intensi pengguna.

The utilization of information technology in e-commerce is rapidly growing in Indonesia, with platforms like Tokopedia playing a significant role. This growth has intensified competition among e-commerce companies to become the most favoured platform by consumers. The interaction between users and e-commerce websites shapes user experience and usage intention, which requires further study to understand the factors influencing consumer usage intention.

This research employs mouse tracking analysis to examine the cursor movement patterns of users when interacting with e-commerce websites, providing insights into user behaviour and preferences. Mouse tracking data was collected from user interactions with two distinct navigation designs on e-commerce websites. The features derived from mouse tracking data that most influenced usage intention were combined with user usage intention questionnaire results. These combined data were then processed using machine learning models, including Random Forest Classifier, Support Vector Machine (SVM), Logistic Regression, Gradient Boosting Classifier, and K-Nearest Neighbors (KNN).

The results showed that the best-performing models were Random Forest and Logistic Regression, each achieving an F1 score of 0.72. Statistical tests were conducted on the test data to identify significant differences in usage intention based on navigation design and the machine learning models used. The analysis revealed a significant difference in usage intention between the two navigation designs (p value < 0 xss=removed xss=removed> 0.05). These findings are expected to guide the development of e-commerce websites by emphasizing navigation designs that enhance user experience and increase usage intention.

Kata Kunci : Mouse tracking, Machine learning, Usage intention, e-commerce website