Penerapan Algoritma Pengklasifikasi Untuk Mengukur Kepuasan Pelanggan E-Commerce (Studi Kasus : Shopee)

Syamsul Bahri
Agung Mulyo Widodo

Jurnal Adijaya Multidisiplin
Vol 3 No 01 (2025): Jurnal Adijaya Multidisiplin (JAM)

Penelitian ini bertujuan untuk mengukur tingkat kepuasan pelanggan Shopee dengan menggunakan beberapa algoritma machine learning, yaitu Support Vector Machine (SVM), K-Nearest Neighbors (KNN), Random Forest, dan Naive Bayes. Tingkat kepuasan pelanggan dikategorikan ke dalam lima tingkat: Sangat Tidak Puas, Tidak Puas, Netral, Puas, dan Sangat Puas. Data survei diperoleh dari 1.000 Responden, mencakupi lima variabel utama, yaitu kualitas produk, layanan pengiriman, kualitas pelayanan, harga dan promosi, serta pengalaman berbelanja. Analisis dilakukan dengan heatmap korelasi untuk memahami hubungan antar variabel, serta feature importance menggunakan Random Forest untuk menentukan kontribusi relatif setiap faktor terhadap kepuasan pelanggan. Hasil penelitian menunjukkan bahwa harga dan promosi memiliki pengaruh tertinggi, diikuti oleh kualitas pelayanan dan pengalaman berbelanja. Penelitian ini memberikan wawasan strategis bagi Shopee untuk meningkatkan kualitas layanan berdasarkan analisis data dan memperkuat daya saing di pasar e-commerce.