Hasil Pencarian  ::  Simpan CSV :: Kembali

"Jumlah review mengalami peningkatan yang sangat pesat untuk setiap produk nya. Hal ini berakibat sulit nya bagi setiap pengguna untuk membaca semua review yang ada. Karya akhir ini menawarkan solusi menggunakan feature based opinion mining untuk mempermudah pengguna membaca review lebih mudah. Pada karya akhir ini terdapat 2 langkah yang akan dilakukan. Langkah pertama ialah melakukan ekstraksi feature menggunakan association rule dan pruning. Sedangkan langkah terakhir ialah menentukan orientasi dari setiap opini dengan menggunakan teknik klasifikasi. Beberapa algoritma klasifikasi seperti C45, Naïve Bayes dan Support Vector Machine cocok untuk mengatasi masalah ini. Dari hasil pengujian algoritma Support Vector Machine memiliki performa terbaik jika dibandingkan dengan algoritma lainnya.

---

The number of customer reviews for each product grows rapidly. This condition makes customer difficult to read all the review.This thesis propose feature based opinion mining to help customer reads review easily. Feature based opinion mining in this thesis consist of two steps. First step identify product features using association technique and pruning. The last step identify opinion sentence orientation using classification technique. Several classification algorithm, such as C45, Naive Bayes, and Support Vector Machines are good approaches to solve this problem. Support Vector Machine has the best performance compared to other algorithms."

"ABSTRAKDi tengah persaingan e-commerce di Indonesia yang semakin ketat, membuat perusahaan e-commerce dituntut dapat bersaing dalam memberikan nilai tambah layanan bagi pelanggannya agar dapat meningkatkan jumlah pelanggan dan disertai dengan angka pemesanan yang meningkat juga. Hal ini juga berlaku bagi e-commerce dalam industri pariwisata, salah satunya Triptrus. Salah satu tantangan yang dihadapi Triptrus adalah untuk meningkatkan angka conversion rate. Salah satu cara peningkatan angka conversion rate adalah pemberian fitur rekomendasi produk. Penelitian ini bertujuan untuk mencari metode yang dapat memberikan rekomendasi terbaik yang pada akhirnya bertujuan agar dapat meningkatkan angka conversion rate dari Triptrus yang masih rendah. Pada penelitian ini dilakukan pencarian metode rekomendasi yang terbaik disesuaikan dengan data internal yang dimiliki Triptrus. Penelitian ini bermula dari pengumpulan data internal untuk kemudian dibangum model rekomendasi menggunakan beberapa metode. Metode yang digunakan dalam penelitian ini diantaranya collaborative filtering, content based filtering, Hybrid Filtering dan stochastic gradient descent. Berdasarkan hasil penelitian, metode collaborative filtering, content based, dan hybrid kurang mampu memberikan rekomendasi yang cukup baik terhadap data Triptrus. Hasil terbaik dari ketiga metode ini didapatkan metode hybrid dengan nilai error RMSE 0.71. Di sisi lain algoritma stochastic gradient descent dapat memberikan rekomendasi paling baik dan memberikan ratio error RMSE paling kecil yaitu 0.11. Hasil penelitian ini adalah model rekomendasi produk yang dapat memberikan rekomendasi terbaik berdasarkan data internal Triptrus yaitu model yang dihasilkan menggunakan metode stochastic gradient descent.

---

ABSTRACTIndonesian e commerce markets are getting more tight. This condition forces e commerce companies to provide value added services for their customer in order to increase numbers of customer, which also followed by increasing number of purchases. This also happened in tourism e commerce company, Triptrus. The challenge that triptrus faces is how to increase their conversion rates. One way to increase the number of conversion rate is the provision of a product recommendation feature. The purpose of this research is to find the best recommendation method that can improve conversion rate in Triptrus. In this research we looked for the best recommendation method that adapted to internal data of Triptrus. This research started with gathering internal data that followed by build recommendation based on several methods. Methods that used in this research are collaborative filtering, content based filtering, hybrid filtering and stochastic gradient descent. Based on the research result, collaborative filtering, content based, and hybrid lack of capability to give good recommendation. The best result from these three methods is hybrid with an error 0.71. In the other side stochastic gradient descent could gave best recommendation with smallest error ratio RMSE at 0.11. The result of this research is recommendation model that can give best recommendation adapted to Triptrus internal data. Best recommendation model is model that generated by stochastic gradient descent."

"ABSTRAKTren belanja yang terus meningkat mendorong tumbuhnya bisnis e-commerce di Indonesia yang salah satunya adalah suatu perusahaan e-commerce di Indonesia. Salah satu peran penting untuk mendukung bisnis e-commerce adalah kategorisasi produk yang baik. Kategorisasi produk yang baik akan membuat pencarian produk sesuai dengan kebutuhan dari pelanggan. Hal ini berdampak baik pada tingkat penjualan, pengalaman pengguna, maupun pengelolaan produk di sisi internal perusahaan. Akan tetapi, terdapat temuan kesalahan kategori yang penyebab utamanya adalah proses kategorisasi yang masih bersifat manual, berulang, dan massive.Penelitian ini bertujuan untuk membantu menyelesaikan permasalahan tersebut dengan membuat suatu model yang mampu melakukan klasifikasi produk secara otomatis. Data yang digunakan adalah judul produk, sedangkan untuk label adalah kategori dari setiap produk. Penelitian ini melakukan percobaan terhadap dua representasi yaitu bag-of-words (BoW) dan TF-IDF. Selain itu, penelitian ini menggunakan algoritma naïve bayes dan SVM dalam percobaannya.Hasil dari penelitian ini didapatkan model yang mampu melakukan klasifikasi produk salah satu perusahaan e-commerce secara baik. Kombinasi BoW dan SVM mampu menghasilkan model performa yang terbaik dengan nilai akurasi 96.40% dan F-measure 95.90%. Selain itu dari penelitian ini didapatkan hasil representasi BoW memberikan performa yang lebih baik dibandingkan dengan TF-IDF.

---

ABSTRACTThe increasing shopping trend encourages the growth of e-commerce businesses in Indonesia, one of which is e-commerce company in Indonesia. On of the important role to support e-commerce business is well-managed product categorization. Good product categorization will impact the product search according to the customer needs. This will affect the level of sales, user experience, and product management in the internal side of the company. However, some errors were found in the product category, the main causes are the manual categorization, repetitive, and massive process.This study is aimed to solve the problem by making a model that able to classify products automatically. The data that used in this study is the product title, while the label is the category of each product. This study conducted experiments on two representations; bag-of-words (BoW) and TF-IDF. In addition, this study is using naïve bayes and SVM algorithms in the experiment.This study resulted a model that able to classify one of e-commerce company products properly. The combination of BoW and SVM is able to produce the best performance model with an accuracy value of 96.40% and F-measure 95.90%. On the other hand, the results of the BoW representation provided the better performance than the TF-IDF."

"Seiring dengan kemajuan teknologi yang semakin pesat khususnya teknologi internet, banyak bidang yang mulai bergeser ke dunia virtual salah satunya komunitas. Anggota komunitas kini dapat berbagi ketertarikan yang sama melalui internet yang kemudian dapat disebut sebagai virtual community. Bagi perusahaan, virtual community dapat dimanfaatkan dalam pengembangan produk baru untuk mendapatkan pengaruh positif. Penelitian ini bertujuan untuk melihat pengaruh keterlibatan virtual community dalam pengembangan produk baru yang difokuskan pada parameter speed to market, kualitas produk, customer needs fulfillment, dan diferensiasi produk sesuai dengan model penelitian Chan dan teori Hoyer. Selain itu, penelitian ini juga bertujuan untuk melihat pemanfaatan dan efektivitas media sosial Facebook dan Twitter oleh perusahaan untuk membantu aktivitas pengembangan produk baru. Aktivitas-aktivitas yang diteliti telah disesuaikan dengan aktivitas pengembangan produk baru di media sosial yang dikemukakan oleh Shih. Penelitian ini dilakukan dengan menggunakan metode kuantitatif yaitu wawancara dan observasi online, kualitatif menggunakan teknik analisis data PLS-SEM, serta studi kasus dengan mengambil perusahaan Gantibaju.com dan Thinkcookcook.com sebagai perusahaan objek studi kasus. Hasil penelitian didapatkan bahwa terdapat pengaruh positif terhadap kualitas produk, customer needs fulfillment, dan diferensiasi produk pada perusahaan Gantibaju.com dan Thinkcookcook.com. Terdapat pengaruh positif terhadap speed to market di perusahaan Thinkcookcook.com, namun tidak pada Gantibaju.com. Untuk Thinkcookcook.com, Facebook merupakan media sosial yang paling efektif untuk melakukan aktivitas pengembangan produk baru, sedangkan Gantibaju.com lebih efektif menggunakan media sosial Twitter untuk melakukan aktivitas crowdsourcing ideation, finding answers and expertise, winning over the market, dan crowdsourcing feedback.

---

Along with the rapid technological advances, the internet in particular, many areas are beginning to become virtual, for instance community. Now, community members can share similar interests through the internet, creating virtual communities. For companies, virtual communities can be utilized during a new product development to gain positive influence. This research aims to examine the effect of virtual community involvement during a new product development, focusing on parameters such as speed to market, product quality, customer needs fulfillment, and product differentiation, in accordance to the research model of Chan and Hoyer’s theory. Furthermore, this study also aims to look at the utilization and effectiveness of social media namely Facebook and Twitter by companies in assisting new product development activities. This research is conducted using quantitative methods specifically interviews and online observations, qualitative methods using PLS-SEM data analysis techniques, and case study by taking Gantibaju.com and Thinkcookcook.com as objects of the study.

The results show that there is a positive influence on product quality, customer needs fulfillment, and product differentiation at Thinkcookcook.com and Gantibaju.com. Also, there is a positive influence on speed to market in Thinkcookcook.com, but not on Gantibaju.com. For Thinkcookcook.com, Facebook is the most effective social media for new product development activities, while Gantibaju.com use Twitter more effectively for crowdsourcing ideation, finding answers and expertise, winning over the market, and crowdsourcing feedback."

"Alokasi produk, keanekaragaman produk, dan harga produk memiliki pengaruh yang signifikan pada perilaku belanja konsumen. Dengan keterbatasan pada ruang rak displai, peritel harus melakukan pemilihan produk, penentuan harga, dan pengalokasian produk pada ruang rak displai secara optimal untuk memberikan keuntungan maksimal bagi peritel. Penelitian ini akan membahas mengenai optimasi alokasi produk pada ruang rak displai gerai minimarket berdasarkan hubungan antar kategori produk dan harga produk menggunakan teknik data mining yaitu multilevel association rules. Memanfaatkan data transaksi, diperoleh 9 asosiasi antar kategori, 24 asosiasi antar subkategori, dan 67 asosiasi antar item produk. Dengan menggunakan zero one integer program terpilih 61 item produk dan harga dari produk yang harus dipertahankan untuk dialokasikan dalam gerai agar keuntungan yang diperoleh peritel maksimal. Hasilnya, diperlihatkan konfigurasi alokasi produk berdasarkan hubungan antar kategori dan harga dari produk.

---

Product allocation, product assortment, and product price have a significant influence on customer buying behaviour. With limitation on shelf space, retailer must select, pricing, and allocate the products on shelf space optimally to maximize the profit for retailer. This research is focused on optimizing the products shelf space allocation based on the relationship between product categories and product price using data mining technique, multilevel association rules. Takes advantage of data transactions, 9 associations between categories, 24 associations between subcategories, and 67 associations between products were obtained. By using zero one integer programming selected 61 products with appropriate price that must be maintained to be allocated in the minimarket to maximize the retailer?s profit. As the result, product allocation configuration based on the relationship between product categories and product price is shown."

"Banyak perusahaan yang telah menyadari bahwa mereka harus berusaha keras tidak hanya mendapatkan pelanggan baru, namun juga untuk mempertahankan pelanggan lama. Memprediksi nasabah yang akan pergi mulai dilakukan oleh perusahaan. Prediksi nasabah churn adalah kegiatan yang dilakukan untuk memprediksi nasabah tersebut akan meninggalkan perusahaan atau tidak. Banyak cara yang dapat dilakukan untuk memprediksi nasabah churn. Salah satu cara memprediksi nasabah churn ini adalah dengan menggunakan teknik klasifikasi dari data mining yang menghasilkan sebuah model machine learning. Dengan mempelajari data nasabah seperti data demografi, data transaksi dan data kepemilikan produk maka, perusahaan akan bisa memprediksi nasabah yang akan churn, sehingga perusahaan dapat melakukan tindakan pencegahan agar nasabah tersebut tidak berhenti untuk menggunakan jasa dari perusahaan. Penelitian ini membandingkan beberapa metode dari teknik klasifikasi data mining dan pengukuran dari sampel datanya. Dari penelitian ini didapat bahwa metode Support Vector Machine (SVM) dengan perbandingan sampling kelas data 50:50 merupakan metode terbaik untuk memprediksi nasabah churn di Bank XYZ. Hasil dari pemodelan ini bisa digunakan untuk mendapatkan informasi nasabah yang akan pergi meninggalkan perusahaan sehingga perusahaan dapat mengambil tindakan sebelum nasabah tersebut pergi.

---

Many companies have realized they must strive not only to get new customers but also to retain old customers. The company began to predict customers who would no longer use company services. Churn customer prediction is an activity carried out to predict whether the customer will leave the company or not.

There are many ways that can be done to predict churn customers, usually to predicting this customer churn by using a classification technique from data mining that produces a machine learning model. Studying customer historical data such as demographic data, transaction data and product ownership data, will be able to predict customers who will churn and can take preventive measures so these customers do not stop using services from the company.

This study compares several methods of data mining classification techniques and measurements from data samples. From this study it was found that the method of Support Vector Machine (SVM) with a comparison of 50:50 data class sampling is the best method for predicting churn customers at Bank XYZ. The results of this modeling can be used to obtain information on customers who will stop using  company services so the company can take action before the customer leaves."

"Tingginya jumlah peserta seleksi beasiswa yang tidak lulus, menyebabkan tidak efisiennya penyelenggaraan kegiatan seleksi beasiswa di LPDP. Berdasarkan data hasil seleksi beasiswa, terlihat bahwa persentase kelulusan peserta sangat rendah tiap tahunnya. Pada tahun 2013 proporsi yang tidak lulus seleksi sebesar 54%, sedangkan pada tahun 2014 dan tahun 2015 meningkat menjadi 85% dan 71%. Secara keseluruhan, terdapat 74% pendaftar beasiswa LPDP yang tidak lulus seleksi beasiswa dari tahun 2013 hingga tahun 2015. Hal ini menyebabkan tingginya biaya yang dikeluarkan untuk pelaksanaan seleksi. Jika LPDP bisa memprediksi peluang kelulusan peserta, maka biaya tersebut bisa dikurangi. Teknik klasifikasi pada data mining merupakan teknik yang tepat untuk permasalahan ini. Metodologi yang digunakan dalam penelitian ini adalah knowledge discovery in databases (KDD). Metodologi ini terdiri dari 5 (lima) langkah, yaitu selection, preprocessing, transformation, data mining, dan interpretation / evaluation. Dataset bersumber dari data formulir pendaftaran beasiswa dan hasil wawancara. Proses pemodelan menggunakan software Rapid Miner dan algoritma decision tree. Model yang dihasilkan dievaluasi menggunakan k-fold cross validation. Hasil penelitian ini yaitu LPDP dapat memprediksi peluang kelulusan peserta seleksi.

---

The high number of participants who did not pass the scholarship selection, leading to inefficient operation of the selection of scholarship in the LPDP. Based on data from scholarship selection results, it appears that a very low percentage of graduation of each year. In 2013 the proportion who were not selected by 54%, whereas in 2014 and 2015 increased to 85% and 71%. Overall, there is a 74% LPDP scholarship applicants who did not pass the selection of scholarship from 2013 to 2015. This led to high costs incurred for the implementation of the selection. If LPDP can predict the chances of graduation participants, the cost can be reduced. Classification techniques in data mining is a technique that is appropriate for this problem.

The methodology used in this study is a knowledge discovery in databases (KDD). This methodology consists of five (5) steps, namely selection, preprocessing, transformation, data mining, and interpretation / evaluation. Dataset data sourced from the scholarship application form and interview. Process modeling using software Rapid Miner and decision tree algorithm. The resulting model was evaluated using the k-fold cross validation. Results of this study are LPDP can predict the chances of graduation of the selection."

"Pengembangan karier merupakan salah satu aspek dalam pelaksanaan sistem merit, yang juga merupakan bagian dari delapan area perubahan pada Grand Design Reformasi Birokrasi 2010-2025. Komisi Aparatur Sipil Negara (KASN) menyebutkan bahwa banyak instansi pemerintah yang kesulitan dalam melaksanakan aspek pengembangan karier ini. Dari hasil wawancara, hal ini pun terjadi di Badan Kepegawaian Daerah (BKD) Provinsi Kalimantan Selatan. Penelitian ini mengusulkan pemanfaatan data mining dalam penyusunan rencana pengembangan karier pegawai negeri sipil (PNS) dengan berbasis pada metodologi CRISP-DM (Cross-Industry Standard Process for Data Mining). Penelitian ini memodelkan analisis kesenjangan kompetensi dan kinerja dengan melakukan eksperimen menggunakan class imbalance maupun class balance data set. Dari hasil evaluasi didapatkan algoritma SVM (Support Vector Machine) sebagai model terbaik pada masing-masing analisis dan skenario. Dari hasil analisis yang dilakukan dengan memetakan kelompok kesenjangan kompetensi-kinerja dalam bentuk Human Asset Value Matrix yang diadaptasi dari General Electric-McKinsey Nine-box Grid, dapat disusun rencana pengembangan karier PNS secara lengkap mulai dari rekomendasi promosi jabatan, informasi kebutuhan diklat, hingga hukuman disiplin. Selain dapat memberikan rekomendasi pengembangan karier PNS, hasil penelitian ini juga dapat memberikan informasi kompetensi maupun jabatan yang akan dikembangkan.

---

Career development is one aspect of implementing the merit system, which is also part of the eight areas of change in the Grand Design for Bureaucratic Reform 2010-2025. The State Civil Apparatus Commission (KASN) stated that many government agencies had difficulties in implementing this aspect of career development. From the results of the interview, this also happened in the Regional Personnel Agency (BKD) of South Kalimantan Province. This study proposes the use of data mining in the preparation of career development plans for civil servants (PNS) based on the CRISP-DM (Cross-Industry Standard Process for Data Mining) methodology. This study models the competency and performance gap analysis by conducting experiments using class imbalance and class balance data sets. From the evaluation results, the SVM (Support Vector Machine) algorithm is obtained as the best model for each analysis and scenario. From the results of the analysis conducted by mapping the competency-performance gap groups in the form of the Human Asset Value Matrix adapted from the General Electric-McKinsey Nine-box Grid, a complete career development plan for civil servants can be drawn up starting from recommendations for promotions, information on training needs, to penalties. discipline. Besides being able to provide recommendations for career development for civil servants, the results of this study can also provide information on competencies and positions to be developed."

"Menurut IMF, sekitar 1% penurunan pertumbuhan ekonomi di AS akan menurunkanpertumbuhan ekonomi di Asia sebesar 0,5%-1%. Da mpak dari resesi global yang berasal dari resesi di AS akan mempengaruhi proyeksi perekonomian negara-negara di Asia, termasuk Indonesia baik yang sifatnya langsung maupun tidak langsung. Fenomenadiatas memberikan gambaran yang kongkrit hubungan sebab akibat dalam dunia perekonomian secara makro. Penelitian ini membahas tiga model ANN sebagai alat peramalan, yaitu GMDH, Feedforward back propagation neural network dan Elman recurrent neural network.Perekonomian Indonesia di pilih sebagai objek peramalan. Ada dua macam peramalan yang akan di bandingkan diantara ketiga model tersebut. Pertama peramalan multivariate dimana komponen yang di gunakan sebagai input adalah variabel makro ekonomi Indonesia. Kedua adalah peramalan univariate / time series dimana komponen yang di gunakan sebagai input adalah nilai GDP indonesia dari tahun 1970.Hasil peramalan multivariate dari ketiga model ANN menunjukan bahwa variabel makro ekonomi dapat digunakan sebagai input untuk peramalan multivariate pertumbuhan ekonomi Indonesia. Dari hasil pengujian, diketahui bahwa ANN dapat digunakan sebagai alternatif untuk memprediksi ekonomi Indonesia di masa sekarang maupun di masa yang akan datang. Pemahaman terhadap fenomena per- ekonomian Indonesia saat ini dan hubungannya dengan kemungkinan-kemungkinan yang terjadi di masa depan sangat membantu dalam menentukan sikap atau kebijakan yang mengarah ke harapan atau ekspektasi yang ingin dicapai.

---

According IMF, about 1% descent of US growth economic will descent growth economic in Asia about 0,5%-1%. Impact of global recession that came from US will influence economic projection in Asia, including Indonesia. This phenomenon give concrete description about relationship between cousity in macro economics world. This research will explain about three ANN model as forecasting tool. The three ANN model is GMDH, Feedforward backpropagation and Elman recurrent.Indonesian economics choose as object for forecasting. There is two type of forecasting that will compare between three model ANN above. First is multivariate forecasting where component that used as input is variable of macro economic Indonesia. And second is univariate / time series where component that used as input is GDP of Indonesia from 1970.Result of forecasting show that macro economic variable can be use as input for multivariate forcasting growth Indonesian economic. From research result, show that ANN can be used as alternative tool for forecasting Indonesian economics. Deep understanding about phenomenon of Indonesian economic now and connectivity with posibility that will happen in future will help Goverment to make decision to achieve goal that already plan."

"Pemerintah Kota Bogor merupakan salah satu bagian dari Pemerintah Provinsi Jawa Barat yang memiliki jumlah pegawai lebih dari 9000 orang. Pengelolaan kepegawaian dilakukan oleh Badan Kepegawaian Pendidikan dan Pelatihan Kota Bogor (BKPP). BKPP membentuk tim Badan Pertimbangan Jabatan dan Kepangkatan (Baperjakat) dalam tugas pengangkatan, pemindahan dan pemberhentian PNS dalam dan dari jabatan struktural Eselon IIA ke bawah. Baperjakat mengalami masalah dalam menyusun calon pejabat struktural yang selama ini dilakukan secara manual, meskipun sudah memiliki aplikasi Sistem Informasi Manajemen Kepegawaian (SIMPEG) sebagai aplikasi pengelolaan kepegawaian. Penelitian ini melakukan identifikasi pola pengisian jabatan struktural di lingkungan Pemerintah Kota Bogor dengan menggunakan data jabatan struktural tahun 2009 hingga 2013 yang bersumber dari basis data SIMPEG. Berbagai algoritma data mining dari teknik classification diujicobakan untuk mengidentifikasi pola pengisian jabatan struktural. Dari hasil classification, algoritma Classification Rule with Unbiased Interaction Selection and Estimation (CRUISE) menjadi algoritma terbaik dalam akurasi class eselon dengan tingkat akurasi rata-rata sebesar 95,7% untuk setiap tingkat eselon. Pola yang dihasilkan dapat menjadi rules yang akan diimplementasikan sebagai modul baru dalam aplikasi SIMPEG yang berfungsi memberikan usulan dalam pengisian jabatan struktural yang ditempatkan secara otomatis. Urutan atribut yang secara dominan muncul pada setiap tingkat eselon adalah atribut jenjang jabatan, pangkat golongan, pendidikan dan pelatihan, tingkat pendidikan, masa kerja, pengalaman dalam unit kerja, serta umur.

---

Bogor District Government is a part of West Java Province Government, which employs more than 9,000 employees. The human resources are managed by human resources and training division that is called Badan Kepegawaian Pendidikan dan Pelatihan (BKPP). BKPP form a team called Badan Pertimbangan Jabatan dan Kepangkatan (Baperjakat), who are responsible for promoting, rotating and dismissing local government employees from structural positions below the Echelon IIA positions. Baperjakat have problems on constructing the draft of structural government positions. These processes were done manually, even though BKPP have a human resources information systems called SIMPEG.

The main purpose of this research is to identify patterns of filling structural positions at Bogor Local Government using the structural position data from 2009 to 2013. The data were taken from the SIMPEG database. Various data mining classification algorithms were tested to identify filling structural position patterns.

The classification process yields Classification Rule with Unbiased Interaction Selection and Estimation (CRUISE) as the best algorithm in echelon class. Its average accuracy is 95.7% for each echelon level.

The discovered patterns can be applied as base rules that will be implemented as new modules of SIMPEG. These new modules can provide suggestions for automatically filling structural positions. The order of attributes, which dominantly show at each echelon, are hierarchy type, class rank, training education, level of education, working period, experience within division and age."