Integrasi Machine Learning dengan Kansei Engineering dan Kano Sebagai Upaya meningkatkan Kepuasan Pelanggan Aplikasi E-grocery (Studi Kasus: Aplikasi Alfagift)

Abstract

Indonesia menduduki posisi enam besar negara dengan pengguna internet yang melakukan pembelian produk atau jasa secara online setiap minggunya dengan persentase sebesar 62,6%. Di Indonesia sudah banyak ritel turut serta meluncurkan aplikasi untuk memudahkan konsumen membeli produk secara online, salah satunya merupakan Alfamart yang meluncurkan aplikasi Alfagift. Namun, berdasarkan perolehan rating dan review pengguna, tingkat kepuasan pengguna aplikasi ini masih tergolong rendah. Dalam kurun waktu setahun terakhir, aplikasi ini mengalami penurunan rating secara kontinu. Oleh karena itu, perlu dilakukan evaluasi pada aplikasi Alfagift untuk meningkatkan kepuasan pelanggan. Penelitian ini mengintegrasikan Machine Learning dengan Kansei Engineering dan Kano. Digunakan data ulasan pengguna aplikasi yang didapatkan pada situs Google Play dan AppStore. Penelitian ini bertujuan untuk mengetahui hasil integrasi Machine Learning dengan Kansei Engineering dan Kano dalam pengembangan aplikasi Alfagift guna meningkatkan kepuasan pelanggan. Berdasarkan hasil klasifikasi data, algoritma Support Vector Machine memperoleh nilai akurasi tertinggi sebesar 92,23%. Berdasarkan hasil analisis data ulasan menggunakan Machine Learning dengan kelompok sentimen negatif didapatkan 15 kansei words yaitu “lambat”, “bagus”, “mudah”, “rugi”, “kosong”, “kecewa”, “eror”, “tidak bisa”, “masuk”, “lama”, “tidak kirim”, “tidak masuk, “salah”, “kurang”, dan “kecewa”. Kemudian dari hasil machine learning yang diintegrasikan dengan Kansei Engineering dan Kano, terdapat 10 atribut yang diprioritaskan untuk dilakukan peningkatan kualitas sistem, informasi, dan layanan karena berdampak besar pada kepuasan pengguna.