<![CDATA[Tujuan dari studi ini adalah untuk mengimplementasikan algortima C4.5 decision tree guna melakukan klasifikasi terhadap tingkat kepuasan pelanggan, yang diestrak dari data teks ulasan online di platform e-commerce. Salah satau cara penting untuk mengetahui seberapa baik produk atau layanan memenuhi harapan atau layanan memenuhi harapan pelanggan adalah dengan menentukan tingkat kepuasan pelanggan, namun penjual saat ini hanya mengetahui kepuasan dari komentar dan rating saja. Metode penelitian ini menggunakan teknik data mining yang diimplementasikan melalui software Altair AI Studio 2025. Dataset ulasan pelanggan dari Kaggle, dataset dipartisi menjadi data pelatihan dan data pengujian dengan proporsi 70:30. Hasil evaluasi model menunjukkan efektif dan menghasilkan akurasi sebesar 99.13%. pohon keputusan yang terbentuk mengidentifikasi bahwa atribut utama yang memengaruhi sentimen adalah Customer Rating dengan nilai ambang 3.500. untuk rating di atas 3.500, sentimen selanjutnya ditentukan oleh atribut emotion, di mana emosi Happy dan Love menghasilkan sentimen positif. Hasil klasifikasi yang sistematis ini dapat dimanfaatkan oleh perusahaan untuk mendukung pengambilan keputusan strategis, meningkatkan kualitas layanan, dan memperbaiki aspek yang menjadi keluhan pelanggan guna meningkatkan daya saing bisnis e-commerce. Kata Kunci: Algoritma C4.5, Decision Tree, Kepuasan Pelanggan, E-Commerce This research aims to classify the level of e-commerce client happiness based on online reviews using the implementation of the decision tree model based on the C4.5 Algorithm. Customer satisfaction is a key measure for evaluating how well expectations for a product for a service are met, though sellers currently only gauge satisfaction from comments and ratings. The research method utilizes data mining techniques implemented through the Altair AI Studio 2025 software. The customer review dataset obtained from Kaggle, A division of the dataset was performed, creating training and testing subsets by employing a 70:30 split. The classification results indicate that the C4.5 model is effective and yields an accuracy of 99.13%. the resulting decision tree identifies the primary attribute influencing sentiment as Customer Rating with a threshold value of 3.500. for ratings above 3.500, the sentiment is further determined by the Emotion attribute, where emotions such as Happy and Love lead to positive sentiment. This systematic classification result can be utilized by companies to support strategic decision-making, enhance service quality, and address complaints, thereby improving the competitiveness of the e-commerce business. Keywords: C4.5 Algorithm, Decision Tree, Customer Satifaction, E-Commerce]]>
