PERBANDINGAN ALGORITMA SVM DAN DECISION TREE DALAM KLASIFIKASI KEPUASAN PENGGUNA APLIKASI MIGO E-BIKE DI PLAYSTORE

Erizal; Dina Sakinah Al Azkiah;

Perbandingan Algoritma SVM dan Decision Tree Dalam Klasifikasi
Kepuasan Pengguna Aplikasi Migo E-Bike di Playstore

Dina Sakinah Al Azkiah

Saat ini transportasi menjadi kebutuhan wajib dalam kehidupan sehari-hari, dan laju perkembangan digital
sudah memberikan dampak besar dalam penggunaan layanan dan interaksi dengan aplikasi mobile, termasuk
di bidang transportasi. Aplikasi Migo E-Bike adalah aplikasi sepeda listrik pertama di Indonesia dengan sistem
layanan sewa yang menghadirkan pelayanan ramah terhadap lingkungan untuk mengurangi pencemaran udara.
Penelitian ini bertujuan untuk mencari efektivitas dari 2 algoritma data mining yaitu algoritma SVM dan
algoritma Decision Tree saat mengklasifikasikan kepuasan pengguna aplikasi Migo E-Bike berdasarkan ulasan
dan rating di Playstore. Hasil penelitian menunjukkan Decision Tree menghasilkan kinerja lebih baik dibanding
dengan SVM. Didapatkan nilai akurat 76.39% dimana presisi dan recall yang seimbang untuk kedua kategori
kepuasan dari Decision Tree. Sebaliknya, SVM menunjukkan ketidakseimbangan yang signifikan dengan
akurasi keseluruhan hanya 51.25%. Oleh karena itu, Decision Tree lebih efektif dalam menangani dataset rating
pengguna Migo E-Bike.
Kata kunci: Transportasi; Migo E-Bike; Kepuasan pengguna; Decision Tree; Support Vector Machine

Comparison of the Support Vector Machine (SVM) and Decision Tree
Algorithms in Classifying User Satisfaction of the Migo E-Bike Application on

Playstore
Dina Sakinah Al Azkiah

Currently, transportation has become an essential need in daily life, and the rapid development of digital
technology has had a significant impact on the use of services and interaction with mobile applications,
including in the transportation sector. The Migo E-Bike app is the first electric bike rental service application
in Indonesia, offering environmentally friendly services to reduce air pollution. This research aims to assess
the effectiveness of two data mining algorithms, SVM and Decision Tree, in classifying user satisfaction of the
Migo E-Bike app based on reviews and ratings on the Playstore. The research findings indicate that the
Decision Tree algorithm performs better than SVM. The Decision Tree achieved an accuracy of 76.39%, with
balanced precision and recall for both satisfaction categories. In contrast, SVM exhibited significant imbalance
with an overall accuracy of only 51.25%. Therefore, the Decision Tree algorithm is more effective in handling
the user rating dataset for the Migo E-Bike app.
Keywords: Transportation; Migo E-Bike; User Satisfaction; Decision Tree; Support Vector Machine