Komparasi Algoritma Naive Bayes dan K Nearest Neighbor dalam Kepuasan Pengguna Fitur Tiktok Shop

Abstract

Hadirnya teknologi yang semakin canggih membuat aktivitas masyarakat yang kini dilakukan dengan online, salah satunya transaksi jual beli. Minat penggunaan masyarakat di Indonesia dalam melakukan transaksi jual beli online meningkat dari tahun ke tahun. Berbagai platform e-commerce memenuhi pasar Indonesia, salah satunya fitur pada aplikasi Tiktok. Pada tahun 2021, Shopify dan Tiktok mengenalkan fitur Tiktok Shop sebagai social commerce.  Namun, masih banyak pengguna yang memberikan review ataupun rating yang kurang pada Google Play Store serta App Store mengenai fitur Tiktok Shop.

Fenomena ini menarik perhatian peneliti untuk mengetahui faktor apa saja yang mempengaruhi kepuasan pelanggan terhadap fitur Tiktok Shop. Penilaian kepuasan pengguna diperlukan untuk mengetahui apakah sudah memenuhi ekpestasi dari para pengguna atau belum. Indikator penilaian kepuasan pengguna berdasarkan konstruk model DeLone and McLean IS Success. Penelitian ini akan menggunakan algoritma Naive Bayes dan K Nearest Neighbor karena hasil tingkat akurasi yang pernah dilakukan dalam melakukan klasifikasi data memberikan hasil yang baik dan akan dibandingkan. Penelitian ini juga akan mencari tahu faktor-faktor apa saja yang memiliki pengaruh tinggi terhadap kepuasan pengguna fitur Tiktok Shop pada pada aplikasi Tiktok. Dalam mencari tahu faktor-faktor yang memiliki pengaruh yakni menggunakan Gain Ratio dan mengurutkannya berdasarkan yang paling tinggi hingga terendah. Hasil yang didapatkan yakni service quality menjadi pengaruh paling tinggi pada kepuasan pengguna fitur Tiktok Shop, selanjutnya variabel system quality, dan variabel pada urutan terakhir adalah information quality. Hasil dari perbandingan algoritma, Naive Bayes memiliki bobot akurasi terbaik sebesar 98.36% dengan 70% pelatihan data dan 30% pengujian data.