Hasil Pencarian  ::  Simpan CSV :: Kembali

"Skripsi membahas pengklasifikasian karakteristik konsumen pada pembelian online menggunakan pohon klasifikasi. Metode pengklasifikasian yang digunakan adalah algoritma CHAID, sebagai sampel adalah konsumen beberapa toko online yang menjual produk dalam jenis yang sama yaitu produk sandang. Sebagai prediktor menggunakan variabel yang tergabung beberapa kelompok, diantaranya karakteristik demografi, pemahaman teknologi, persepsi risiko, persepsi keamanan, efikasi diri, word of mouth dan sifat impulsif konsumen. Sedangkan variabel target menggunakan frekuensi dan uang yang dihabiskan konsumen dalam pembelian online. Untuk pengolahan data, secara keseluruhan menggunakan SPSS Statistics 17.0. Dengan pengolahan data pengklasifikasian ini, diharapkan dapat memprediksi karakteristik konsumen pada pembelian online ke depannya.

---

This script describes the classification of consumer characteristics in e-commerce using classification tree. Classification method used CHAID algorithm, the sample used consumer of some online stores that sell products in the same type of clothing products. For the predictor variables, used variables were grouped in some dimensional components, such as demographic characteristics, technology knowledge, perceptions of risk and security, self-efficacy, word of mouth and the impulsive behavior of consumers. The target variables were defined as the frequency and the amount of money spent by consumers in online purchases. Overall, for data processing used SPSS Statistics 17.0 software. With the classification of data processing, are expected to predict future consumer characteristics in online purchases."

"Penelitian ini bertujuan untuk mengetahui karakteristik konsumen dan presentasi produk secara online pada pembelian impulsif produk pakaian pada generasi Z di Tiktok Shop. Penelitian ini merupakan penelitian kuantitatif dengan menggunakan​​ metode Partial Least Square (PLS) yang diolah menggunakan software SmartPLS 3.0. Penelitian ini menguji 180 data yang diperoleh dari pengguna Tiktok usia 17 hingga 27 tahun yang pernah melakukan pembelian produk pakaian di Tiktok Shop dalam waktu enam bulan terakhir. Pengolahan data penelitian ini menggunakan metode Structural Equation Modelling (SEM). Hasil penelitian ini menunjukan bahwa adanya hubungan positif nilai hedonis dan nilai simbolis yang dirasakan dari pakaian terhadap kecenderungan belanja pakaian impulsif, kecenderungan impulsif memiliki pengaruh positif terhadap pembelian impulsif pakaian online. Namun, presentasi pakaian secara online ditemukan tidak memperkuat hubungan positif (atau tidak memiliki efek moderasi) antara kecenderungan pembelian dan pembelian impulsif secara aktual pada produk pakaian.

---

This study aims to determine the effect of consumer characteristics and online product presentation on impulse purchases of apparel products by generation Z at Tiktok Shop. This research is a quantitative study using the Partial Least Square (PLS) method which is analyzed using SmartPLS 3.0 software. This study examined 180 data obtained from Tiktok users aged 17 to 27 who have purchased clothing products at Tiktok Shop within the last six months. The data processing of this research used the Structural Equation Modeling (SEM) method. The results of this study indicate that there is a positive relationship of perceived hedonic value and symbolic value of apparel on impulsive apparel shopping tendency, impulsive tendency has a positive influence on impulsive purchase of online apparel. However, online apparel presentation was found not to strengthen the positive relationship (or have no moderating effect) between impulsive shopping tendencies and actual impulse purchases of apparel products."

"ABSTRAKSkripsi ini membahas tentang pengaruh dan hubungan karakteristik yang dirasakan oleh video online serta karakteristik konsumen, terhadap niat untuk menonton video online dan televisi. Metode awal untuk pretesting yang digunakan adalah uji validitas dan uji reliabilitas dengan menggunakan SPSS. Kemudian selanjutnya untuk menguji digunakan model Structural Equation Modelling (SEM) dengan menggunakan LISREL 88. Kesimpulan dari penelitian ini menunjukkan bahwa tidak ada hubungan atau terdapat hubungan negatif antara karakteristik yang dirasakan oleh video online serta karakteristik konsumen terhadap niat untuk menggunakan video online (intention to use online video platforms) dan niat untuk menggunakan televisi (intention to use television).

---

ABSTRACTThis thesis discusses the influence of relationship characteristics and perceived by online video and consumer characteristics, the intention to watch online video and television. Initial method used for pretesting are validity and reliability test using SPSS. Then subsequently used to test the model of Structural Equation Modeling (SEM) using LISREL 88. The conclusion of this study indicate that there is no relationship or a negative relationship between the perceived characteristics by online video and consumer characteristics on the intention to use online video (intention to use online video platforms) and intention to use television (intention to use television)."

"Penelitian ini bertujuan untuk mengetahui peran consumer hope dalam menjelaskan hubungan perceived value dengan goal attainment, satisfaction, trust, dan commitment serta pengaruh moderasi customer goal attainment terhadap hubungan consumer hope dengan satisfaction, trust, dan commitment pada konteks pembelian melalui ritel online. Sampel yang digunakan dalam penelitian ini yaitu penduduk Indonesia berusia 18 tahun ke atas dan sering membeli produk fashion atau beauty secara online selama setahun terakhir. Data yang berhasil dikumpulkan adalah sebanyak 943 responden yang kemudian diolah menggunakan metode structural equation modeling (SEM). Hasil penelitian ini menunjukkan bahwa perceived brand value quality, price, social, dan emotional memiliki peran penting terhadap consumer hope. Penelitian ini juga menunjukkan consumer hope berperan penting terhadap konsekuensi positif hubungan konsumen-brand. Selain itu, goal attainment juga terbukti memoderasi secara positif hubungan antara consumer hope dan customer commitment namun tidak pada customer satisfaction dan customer trust. Saran manajerial dan penelitian selanjutnya dibahas dalam penelitian ini.

---

This study aims to determine the role of consumer hope in explaining the relationship of perceived value with goal attainment, satisfaction, trust, and commitment as well as the impact of customer goal attainment moderation on the relationship of consumer hope with satisfaction, trust, and commitment in the context of purchasing through online retail. The sample used in this study is that Indonesian citizens aged 18 years and over and often buy fashion or beauty products online for the past year. Data were collected from 943 respondents who were then processed using structural equation modeling (SEM). The results of this study indicate that perceived brand value quality, price, social, and emotional have an important role in consumer hope. This study also shows that consumer hope plays an important role in the positive consequences of consumer-brand relationship. In addition, goal attainment is also proven to positively moderate the relationship between consumer hope and customer commitment, but not to customer satisfaction and customer trust. Managerial implications and further research are discussed in this study."

"Penelitian ini berangkat konsep consumer behavior dan perkembangannya menjadi online consumer behavior karena kemunculan ecommerce. Pada penelitian ini, peneliti mencari faktor yang mempengaruhi perilaku pembelian online untuk prouk fashion di Indonesia dengan menggunakan theory of planned behavior. Penelitian ini menggunakan online survey untuk mengumpulkan data dan menggunakan metode analisis Partial-least Square. Dari hasil analisis data penelitian, peneliti menemukan bahwa behavioral intention memiliki pengaruh positif yang signifikan terhadap actual behavior dan attitude memiliki pengaruh yang positif dan signifikan terhadap behavioral intention. Sehinga dapat ditarik kesimpulan bahwa tingginya online purchase intention memengaruhi online purchase dan sikap (attitude) konsumen terhadap online purchase yang semakin positif memengaruhi tingginya online purchase intention

---

This study arises from the concept of consumer behavior and its development from offline to online because of the emergence of e-commerce. This study seek to discover the determinant factors on online purchasing behavior for fashion products in Indonesia by applying the Theory of Planned Behavior. In collecting the data for the study, researcher used the technique of online survey and in analyzing it, researcher used Partial-Least Squares method. The result of the data analysis shows that behavioral intention positively and significantly influence the actual behavior, and attitude positively and significantly influence the behavioral intention. Thus, this study concludes that the stronger the online purchase intention is, the more likely the consumer to execute the behavior. And the more positive the consumer’s attitude toward online purchase is, the higher the online purchase intention will be."

"ABSTRAKInstagram adalah platform media sosial yang dapat membagikan foto dan video berdurasi pendek dari kegiatan sehari hari para penggunanya. Dengan terus bertambahnya pengguna, menjadi peluang yang dapat dimanfaatkan untuk berjualan secara daring. Dan pada pelaksanaannya interaksi tidak dilakukan secara langsung, maka diperlukan informasi mengenai penjual dan produk yang dijual untuk membentuk kepercayaan calon pembeli. Penelitian ini bertujuan untuk menguji kembali faktor pembentuk kepercayaan konsumen pada penelitian yang sebelumnya yaitu keramahan, integritas, kompetensi, kecenderungan untuk percaya, KOL (Key Opinion Leader) Endorsement, dan komentar konsumen. Model diuji secara empiris dengan 92 pengguna instagram yang telah bersedia menjadi responden dalam penelitian eksperimen ini. Keramahan dan Integritas dinilai memiliki pengaruh terhadap kepercayaan konsumen, khususnya KOL Endorsement memiliki pengaruh yang sangat besar dalam pembentukan kepercayaan konsumen. Selanjutnya kepercayaan konsumen dan komentar konsumen memiliki pengaruh yang besar terhadap keinginan untuk membeli. Hasil dari penelitian ini diharapkan mampu melengkapi penelitian sebelumnya mengenai literature kepercayaan dan menawarkan panduan praktis untuk pemilik toko daring instagram.

---

ABSTRACTInstagram is a social media platform that can share photos and short duration videos from the day-to-day activities of its users. As the user continues to grow, it becomes an opportunity that can be used to sell online. And in the implementation of interaction is not done directly, it is necessary information about sellers and products sold to form trust of prospective buyers. This study aims to re-examine the factors of consumer trust in previous studies of benevolance, integrity, competence, propensity to believe, KOL (Key Opinion Leader) Endorsement, and consumer comments. The model was testedempirically with 92 instagram users who have been willing to be respondents in this experimental study. Benevolance and Integrity are judged to have an influence on consumer trust, especially KOL Endorsement has a huge influence in consumer trust. Furthermore, consumer trust and consumer comments have a great influence on the intention to buy. The results of this study are expected to complement previous research on the literature of trust and offer practical guidance for online store owners instagram."

"Penelitian ini bertujuan untuk mencari pengaruh Layout Design dan Atmosphere di situs toko online khususnya situs toko online berbasis Business to Consumer. Responden dari penelitian ini adalah pengunjung situs toko online berbasis Business to Consumer dalam kurun 3 bulan terakhir. Total responden yang digunakan dalam penelitian ini adalah 134 responden. Metode yang digunakan dalam penelitian ini adalah Structural Equation Modeling (SEM). Hasil penelitian ini menunjukan bahwa Layout Design dapat mempengaruhi Purchase Intention. Dengan Attitude Toward Website berhasil memediasi antara Layout Design dan Purchase Intention. Atmosphere juga dapat mempengaruhi Purchase Intention tetapi dimediasi Emotional Arousal dan Attitude Toward Website sebelum mempengaruhi Purchase Intention.

---

This study aimed to explore the influence of Layout Design and Atmosphere in the online store website particularly in online store sites with Business to Consumer basis. The respondents of this research were the B2C online store website visitors within the last 3 months. Total respondents were used in this study were 134 respondents. The method used in this research is Structural Equation Modeling (SEM). The results indicate that Design Layout can influence Purchase Intention. With Attitude Toward Website mediate the Layout Design and Purchase Intention. Atmosphere also can affect the Purchase Intention but mediated by Emotional Arousal and Attitude Toward Website before affecting Purchase Intention."

"Penelitian ini dilakukan dengan tujuan untuk mengkaji pengaruh motif konsumen, yang mencakup motif tempat spesifik dan tanpa tempat spesifik, terhadap sikap konsumen dalam menggunakan online food delivery berbasis platform-to-consumer delivery serta bagaimana kelompok generasi usia dan gender memoderasi sikap konsumen. Penelitian ini merupakan penelitian kuantitatif dengan menganalis data yang terkumpul dari 224 responden melalui survei. Responden pada penelitian ini merupakan individu yang termasuk dalam kelompok generasi Y (milenial) dan Z, pernah menggunakan aplikasi online food delivery, dan bertempat tinggal di area Jabodetabek. Data pada penelitian ini dianalisis menggunakan metode Partial Least Squares Structrual Equation Modelling. Hasil pada penelitian ini menunjukkan terdapat adanya pengaruh dari motif konsumen tanpa lokasi spesifik, yaitu aspek kemudahan, hiburan, dan insentif, pada intensi pembelian online dan offline. Namun, tidak ditemukan adanya pengaruh dari motif konsumen dengan lokasi spesifik, yaitu etika dalam berbelanja dan keterikatan dengan lokasi, intenti pembelian online dan offline. Hasil penelitian ini menunjukkan bahwa kelompok generasi usia dan gender memoderasi motif konsumen tanpa lokasi spesifik terhadap sikap konsumen dalam menggunakan online food delivery.

---

This study was conducted with the aim of examining the influence of consumer motives, including both place-specific and non-place-specific motives, on consumer attitudes towards using online food delivery services withn a platform-to-consumer delivery base, as well as how generational age groups and gender moderate consumer attitudes. This study is a quantitative research by analyzing the data collected from 224 respondents through an online survey. The respondents including individuals from Generation Y (millennial) and Generation Z cohorts who have used online food delivery and reside in the Jabodetabek area. The data in this study were analyzed using Partial Least Squares Structural Equation Modelling (PLS-SEM). The results of this study indicate that non-place-specific consumer motives, namely convinience- seeking, entertainment seeking, and Reward- seeking, have a significant influence on on both online and offline purchase intentions. However, there was no direct effect on place-specific consumer motives, namely ethical shopping and Place attachment, towards online and offline purchase intentions. In addition, the results of this study indicate that generational age groups and gender moderate the influence of non-place-specific consumer motives on consumer attitudes in using online food delivery services."

"Pengelasan TIG adalah salah satu metode pengelasan yang dapat diterapkan pada logam non-ferrous. Otomatisasi proses pengelasan TIG harus memberikan hasil las yang lebih hemat biaya dan kualitas yang lebih tinggi di lingkungan produksi divisi manufaktur. Penelitian ini bertujuan untuk menerapkan metode deep learning pada optimalisasi TIG Welding dengan mengolah hasil pengelasan dengan Convolutional Neural Networks (CNN). Dengan menggunakan dua jaringan saraf YOLOv5 dan ResNet50 yang berbeda, penulis akan memiliki empat metode klasifikasi citra yang berbeda dengan ResNet50, deteksi dan klasifikasi objek YOLOv5, kombinasi deteksi objek YOLOv5 dan ResNet50, dan klasifikasi ResNet50 menggunakan preprocessing center-crop. Penelitian ini akan mengidentifikasi hasil pengelasan dengan memberi label pada gambar sebagai “Weld Bagus” atau “Weld Buruk”, kelas las yang baik tidak memiliki cacat, sedangkan kelas las yang buruk memiliki cacat retak, terbakar, porositas, dll. Berdasarkan penelitian ini metode terbaik adalah kombinasi antara YOLOv5 dan ResNet50 neural network dengan akurasi 96%, loss 4%, presisi 93,1%. Metode dengan menggunakan ResNet50 klasifikasi memiliki akurasi 46%, loss 54%, dan presisi 0%. Metode YOLOv5 objek deteksi dan klasifikasi memiliki akurasi 94,34%, loss 5,66%, dan presisi 100%. Metode ResNet50 klasifikasi dengan center-crop pre-processing memiliki akurasi 82%, loss 18%, dan presisi 87,5%. Variasi dan jumlah data mempengaruhi pelatihan dan pengujian data.

---

TIG welding is one of the welding methods that can be applied to non-ferrous metals. TIG welding process automation should deliver more cost-effective, higher-quality welds in a manufacturing division's production environment. This study aims to apply deep learning methods to optimize TIG Welding by processing welding results with Convolutional Neural Networks (CNN). By using two different YOLOv5 and ResNet50 neural networks, the author will have four different image classification methods with ResNet50, YOLOv5 object detection and classification, a combination of YOLOv5 and ResNet50 object detection, and ResNet50 classification using center-crop preprocessing. This study will identify the results of welding by labeling the image as “Good Weld” or “Bad Weld”, a good welding class has no defects, while a bad welding class has cracking, burning, porosity defects, etc. Based on this research, the best method is a combination of YOLOv5 and ResNet50 neural network with 96% accuracy, 4% loss, 93.1% precision. The method using ResNet50 classification has 46% accuracy, 54% loss, and 0% precision. The YOLOv5 object detection and classification method has an accuracy of 94.34%, loss of 5.66% and precision of 100%. The ResNet50 method of classification with center-crop pre-processing has an accuracy of 82%, loss of 18% and precision of 87.5%. Variation and amount of data affect the training and testing of data."

"Pemeliharaan merupakan hal terpenting dalam menjalankan sebuah sistem produksi yang melibatkan aset yang besar, termasuk pada Pembangkit Listrik Tenaga Panas Bumi. Pemeliharaan mesin berbasis kondisi mesin Condition-Based Maintenance dirasa efektif dalam menjaga performa mesin. Kondisi mesin dapat diketahui melalui data operasi yang ada. Salah satu pendekatan yang dapat mempelajari dan mengolah ribuan data operasi yang terekam oleh sensor-sensor parameter keseluruhan data operasi yang ada adalah dengan pendekatan machine learning. Data operasi tersebut kemudian akan dibagi menjadi beberapa kategori yaitu long, medium dan short dengan batasan berupa lama waktu aset tersebut beroperasi. Data tersebut kemudian akan menjalani proses training menggunakan aplikasi Classification Learner pada software MATLAB. Proses ini memungkinkan MATLAB mempelajari hubungan antar parameter, waktu dan kategori yang dibuat hingga menghasilkan sebuah model klasifikasi kondisi mesin. Model tersebut kemudian digunakan untuk memprediksi kondisi turbin terkini yang kemudian dapat diperkirakan berapa lama lagi turbin dapat beroperasi dengan baik sampai turbin membutuhkan kegiatan pemeliharaan kembali.

---

Maintenance is the most important thing in running a large production system that is using some machinery such as turbines, pumps and so on. This is also applied for a geothermal power plants that have so many assets to maintain. Condition based maintenance is considered to be the most effective maintenance management to be applied for a big scale industrial company. Machines condition could be known from the machines operation data that is continously recorded by the censors of some parameter. One of the most suitable approach to learn and process the big operation data is machine learning. The operation data will be classified into three categories, there are long category, medium category and short category, which has its limit based on the length of time the machine has been operating. Then, the operation data will be trained using Classification Learner toolbox of MATLAB. This process let MATLAB understands the relationship between each parameter, time and the categories until a classification model of machines condition has been produced. The model later could be used to predict the most recent machines condition so that we can also predict how long the machine could still operate well until it needs to be maintained again. "