<![CDATA[Tingkat kepuasan pengguna adalah salah satu dari faktor yang mempengaruhi keberhasilan suatu aplikasi. Kepuasan pengguna dapat dianalisis menggunakan pendekatan machine learning yang mampu mengungkap pola sentimen dari ulasan pengguna. Aplikasi PUSAKA adalah salah satu aplikasi layanan publik yang memberikan akses ke berbagai dokumen penting secara digital. Namun, aplikasi ini menghadapi beberapa keluhan pengguna, seperti masalah force close, kesulitan login, dan update yang bermasalah, yang memengaruhi tingkat kepuasan pengguna. Penelitian ini bertujuan untuk menganalisis tingkat kepuasan pengguna aplikasi PUSAKA berdasarkan ulasan di App Store dengan menggunakan algoritma Decision Tree dan Random Forest. Data penelitian ini terdiri dari 294 ulasan pengguna yang dikumpulkan melalui web scraping, dengan 185 ulasan positif dan 109 ulasan negatif. Data yang diperoleh melalui scraping dianalisis menggunakan model machine learning dengan tahapan preprocessing, pembagian data menggunakan skema 80:20, dan ekstraksi fitur menggunakan TF-IDF. Pengujian algoritma menunjukkan bahwa Random Forest memiliki performa yang lebih baik dengan akurasi 95%, precision 97%, dan recall 94%, dibandingkan Decision Treeyang memiliki akurasi 86%, precision 94%, dan recall 83%. Analisis visualisasi menunjukkan bahwa ulasan negatif sering kali berisi kata-kata seperti absen, tolong, update, dan login, yang dapat dijadikan fokus perbaikan aplikasi. Hasil penelitian ini memberikan rekomendasi kepada pengembang aplikasi PUSAKA untuk meningkatkan pengalaman pengguna melalui penanganan masalah utama yang ditemukan dalam ulasan negatif, serta memastikan stabilitas dan keandalan aplikasi untuk meningkatkan kepuasan pengguna. Kata kunci: Decision Tree, Random Forest, Machine Learning, Aplikasi PUSAKA, Ulasan Pengguna]]>
