Hasil Pencarian  ::  Simpan CSV :: Kembali

"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."

"Peningkatan persaingan dan kunjungan di situs web e-commerce shopping mall di Indonesia perlu disertai dengan meningkatkan strategi Customer Relationship Management CRM . Strategi yang bisa digunakan adalah peningkatan kualitas pelayanan, hal ini bisa di implementasikan melalui penyusunan sistem rekomendasi produk di situs web e-commerce tersebut. Untuk menyusun sistem tersebut, penggalian pola asosiasi produk dilakukan dengan memanfaatkan data web log yang berisi data navigasi dan pola kebiasaan pelanggan. Hal tersebut diakomodasi oleh metode web usage mining yaitu association rules. Algoritma yang digunakan adalah algoritma yang memberikan input asosiasi berdasarkan frekuensi item, yakni algoritma Apriori. Untuk menguji dan menyeleksi pola yang dihasilkan, objective interestingness measure dilakukan dan menghasilkan 25 luaran pola asosiasi.

---

An increasing of competition and visitors on e commerce shopping mall websites in Indonesia, need to be accompanied by improving Customer Relationship Management strategy. A strategy that can be used is improving the quality of services, it can be implemented through the preparation of product recommendation system on the e commerce website. To compile the system, pattern recognition of product association is conducted by utilizing weblog data which contains navigation data and customer behavior pattern. It is accommodated by web usage mining method that is association rules. The algorithm applied is an algorithm that provides input association based on item frequency, i.e Apriori algorithm. To test and select the resulting pattern, objective interestingness measure was performed and yields 25 outcomes of the association pattern."

"PT XYZ merupakan salah satu e-commerce dengan model bisnis B2B yang ada di Indonesia. Sebagai salah satu e-commerce baru, PT XYZ terus berusaha meningkatkan pelayanannya agar lebih banyak lagi pelanggan yang datang berbelanja salah satunya adalah dengan menambah jumlah variasi produknya. Namun sayangnya hal ini justru menimbulkan dampak negatif bagi PT XYZ. Berdasarkan data penjualan Q4 tahun 2018 diketahui bahwa penjualan hanya terpusat pada produk-produk tertentu saja, sedangkan untuk produk selain itu penjualannya sangat kecil dan bahkan ada yang tidak terjual sama sekali. Tidak terjualnya produk-produk tertentu menimbulkan ancaman kerugian karena PT XYZ menerapkan kerja sama beli putus dengan pemasoknya, sehingga kerusakan barang selama masa penyimpanan akan ditanggung oleh PT XYZ. Fenomena penjualan yang hanya terpusat pada produk-produk tertentu saja disebut dengan long tail. Salah satu solusi dari permasalahan tersebut adalah dengan lebih banyak merekomendasikan produk-produk kurang populer (niche product) kepada pelanggan menggunakan sistem rekomendasi. Tantangan dalam merekomendasikan produk long tail adalah sistem harus tetap memperhitungkan kesesuaian produk yang direkomendasikan dengan perferensi pelanggan. Selian itu saat ini sebagian besar pendekatan sistem rekomendasi cenderung memperburuk kondisi tersebut. Misalnya saja pendekatan dengan menggunakan collaborative filtering yang pada akhirnya justru merekomendasikan produk yang populer diantara pelanggan. Begitu juga dengan association rule yang bekerja dengan merekomendasikan produk yang sifatnya umum dan populer. Oleh karena itu pada penelitian ini dibangun model sistem rekomendasi dengan pendekatan berbeda dengan menggunakan graf tripartite. Agar dapat menghasilkan rekomendasi yang sesuai, algoritma hitting time dan absorbing time dikombinasikan dengan menggunakan Markov random walker untuk menentukan produk long tail yang sesuai untuk direkomendasikan ke pelanggan. Hasil dari penelitian ini menunjukkan bahwa model rekomendasi dengan algoritma absorbing time menghasilkan akurasi yang lebih baik dibandingkan hitting time. Selain itu jika dilihat dari sisi diversity, meskipun secara keseluruhan hitting time lebih bagus, yaitu 0,047 berbanding 0,057, namun pada top 5 rekomendasi absorbing time menghasilkan diversity yang lebih baik.

---

PT XYZ is one of e-commerce with B2B business models in Indonesia. As a new e-commerce, PT XYZ keeps trying in various ways to improve its services to attract more customers, one of them is by increasing the product variations. Unfortunately this has a bad impact on PT XYZ. Based on Q4 2018 sales data, it is known that sales are only focused on certain products while the remainings are unsold. This condition poses a threat of loss because PT XYZ cooperate with its suppliers using flat fee agreement, so that the damage goods during the storage period will be borned by PT XYZ. The phenomenon of sales that is only dominated by certain products is called long tail. One of possible solution to these problems is to recommend more niche products to customers using a recommendation system. The challenge in recommending long tail products is that the system must keep consider about the suitability of the recommended products with the customer preferences. Furthermore, most of the current recommendation system approaches tend to worsen the condition. For example, the approach using collaborative filtering, which ultimately recommends products that are popular among customers. Likewise with the association rule that works by recommending products that are general and popular. Therefore in this research a recommendation system model was built with a different approach, that is tripartite graphs. In order to produce recommendations, the hitting time and absorbing time algorithms are combined with a Markov random walker to determine the long tail product that is suitable for customers. The results of this study indicate that the recommendation model with absorbing time algorithm produces better accuracy than hitting time. In addition, based diversity value, even though hitting time is better, which is 0.047 compared to 0.057, but in the top 5 recommendations absorbing time produces better diversity."

"ABSTRAKPerusahaan e-marketplace perlu menjaga dan meningkatkan kualitas aplikasi mobile dan layanan melalui evaluasi berdasarkan opini pelanggan untuk mengembangkan perusahan dan memenangkan kompetisi antar perusahaan sejenis. Salah satu bentuk opini pelanggan terdapat di toko penyedia aplikasi, seperti Google Play Store dan App Store. Ulasan online ini dapat dimanfaatkan oleh perusahaan e-marketplace, yaitu dengan melakukan analisis opini pelanggan opinion mining terhadap aplikasi dan layanan e-marketplace berdasarkan aspek pendukungnya. Penelitian ini menggunakan ulasan berbahasa Inggris dan Indonesia yang ada pada Google Play Store dan App Store guna mengetahui penilaian pelanggan terhadap enam perusahan e-marketplace di Indonesia, yaitu BliBli, Bukalapak, Lazada, OLX, Shopee dan Tokopedia. Ulasan berbaasa Inggris diolah berdasarkan prinsip Recursive Neural Tensor Network RNTN dengan dua macam pengolahan yaitu dengan lemmatization dan tanpa lemmatization. Ulasan berbahasa Indonesia diolah berdasarkan dictionary-based approach dengan dua macam pengolahan yaitu dengan stemming dan tanpa stemming. Uji akurasi dari luaran opinion mining menunjukkan bahwa ulasan berbahasa Inggris lebih baik diolah dengan melakukan lemmatization, sedangkan ulasan berbahasa Indonesia lebih baik diolah tanpa melakukan stemming . Hasil penelitian dapat digunakan untuk meningkatkan kualitas aplikasi dan layanan tiap perusahaan e-marketplace kedepannya.

---

ABSTRACTE marketplace companies need to maintain and improve the quality of mobile application and services through an evaluation based on customer opinions to grow the company and win competition among similar companies. One form of customer opinion is found in app store stores, such as Google Play Store and App Store. This online review can be utilized by e marketplace company, by conducting customer rsquo s opinion analysis opinion mining of e marketplace application and services based on its supporting aspects. This study use English and Indonesian reviews available on Google Play Store and App Store platforms to determine customer ratings for six e marketplace companies in Indonesia, namely BliBli, Bukalapak, Lazada, OLX, Shopee and Tokopedia. English based reviews are processed based on the principle of Recursive Neural Tensor Network RNTN with two kinds of processing, with lemmatization and without lemmatization. Indonesian language reviews are processed based on dictionary based approach with two kinds of processing, with stemming and without stemming. The accuracy test from the results of the opinion mining shows that the English reviews are better processed with lemmatization, while Indonesian reviews are better processed without stemming. The results of the research can be used to improve applications and services quality of each e marketplace company in the future."

"Meningkatnya penggunaan internet di Indonesia memberikan dampak positif bagi perkembangan e-commerce di Indonesia dengan jumlah pengguna internet telah melakukan transaksi elektronik sebesar 63,5 . Dengan meningkatnya jumlah e-commerce B2C di Indonesia, diperlukannya strategi promosi yang tepat untuk mengetahui preferensi dan potensi pembelian untuk setiap konsumen sehingga dapat meningkatkan transaksi e-commerce tersebut. Web usage mining merupakan salah satu metode yang dapat mengolah data web log pengguna situs web e-commerce B2C menjadi informasi yang dapat digunakan untuk mengklasifikasi keputusan pembelian pengguna situs web. Kombinasi kategori produk pembelian yang tinggi oleh pengguna situs web e-commerce memerlukan teknik klasifikasi multi label yang dapat mengklasifikasi kombinasi pembelian secara bersamaan. Metode Label Powerset dengan algoritme Support Vector Machine SVM digunakan untuk mengklasifikasi keputusan pembelian pengguna situs web e-commerce. Seleksi fitur menggunakan Information Gain dan pemilihan parameter dengan menggunakan Grid Search terbukti dapat meningkatkan akurasi klasifikasi.

---

The advance of internet usage in Indonesia has a positive impact on the development of e commerce in Indonesia where 63.5 of internet users have made online transactions. Along with e commerce B2C growth in Indonesia, it is necessary for an effective promotional strategy to know the preferences and potential purchases for each consumer with the result that to increase transactions. Web usage mining is a method having an ability to convert web log data into information used for purchase classification.

The high combination of purchasing product categories by users of e commerce website required a multi label classification technique that could classify those combinations. Label Powerset method with Support Vector Machine SVM algorithm was applied to classify e commerce users purchases decision. The proposed feature selection with Information Gain and parameter selection using Grid Search could prove that they had an ability to enhance classification accuracy."

"Pensiun adalah jaminan hari tua dan penghargaan atas jasa aparatur sipil negara yang telah mengabdikan diri kepada negara. PT Taspen (Persero) sebagai Badan Usaha Milik Negara yang diberikan tugas oleh pemerintah untuk mengelola asuransi sosial aparatur sipil negara memiliki tantangan untuk memastikan uang pensiun disalurkan secara tepat. Pada pembayaran pensiun untuk kelompok janda/duda masih ditemukan ketidaktepatan pembayaran karena status pensiun janda/duda yang tidak teridentifikasi seperti telah menikah kembali. Penelitian ini bertujuan membentuk model prediksi status pensiun janda/duda yang memiliki potensi menikah kembali. Proses prediksi status pensiun janda/duda menggunakan teknik data mining klasifikasi dengan menggunakan data demografi, sosial ekonomi peserta pensiun dan data transaksi proses pengambilan pensiun pada kelompok pensiun janda/duda. Sebagai perbandingan digunakan 3 algoritma klasifikasi yaitu Decision Tree, Naïve Bayes dan Support Vector Machine. Beberapa atribut yang berpengaruh dalam penelitian ini yaitu jenis kelamin, usia, usia pernikahan sebelumnya, usia status janda/duda, dan kode pengambilan pensiun selama 3 bulan terakhir. Model yang terbentuk memberi wawasan bahwa pensiun duda dan semakin muda usia pernikahan, usia peserta serta usia status janda/duda memiliki potensi yang tinggi untuk menikah kembali. Hasil penelitian menunjukkan algoritma Support Vector Machine memiliki kinerja yang paling baik dengan tingkat akurasi sebesar 89,23%.

---

Pension is a guarantee of old age and appreciation for the services of state civil servants who have devoted themselves to the state. PT Taspen (Persero) as a state-owned company given the task of managing the social insurance of the state civil servants has a challenge to ensure pension money is distributed appropriately. The pension payments for the widows/widowers were still found to be overdue because the pension for widows/widowers who had remarried was not identified. This study aims to predict changes in the pension status of widows/widowers who have the potential to remarry.

This study aims to form a prediction model for the pension status of widows/widowers who have the potential to remarry. The process of predicting the pension status of widows/widowers uses classification data mining techniques using demographic, socio-economic data of pension participants and data on pension retrieval processes in the widow/widower pension group. As a comparison, 3 classification algorithms are used, Decision Tree, Naïve Bayes and Support Vector Machine.

Some of the influential attributes in this study are gender, age, age of previous marriage, age of widow/widower status, and retirement retirement code for the last 3 months. The model that is formed provides an insight that the retirement of the widower and/or the younger the age of marriage, the age of the participants and the age of the widow/widower status have a high potential for remarriage. The results showed that the Support Vector Machine algorithm has the best performance with an accuracy rate of 89.23%."

"Sebagai perusahaan milik negara yang memproduksi produk pertanian, PT Perkebunan Nusantara (PTPN) memiliki anak perusahaan bernama KPBN yang melakukan tender terbuka dalam menjual produknya. Untuk mengetahui perilaku bidder serta asosiasi diantara bidder, hubungan antara bidder tersebut dapat diidentifikasi dengan menggunakan apriori algorithm. Hasil dari identifikasi asosiasi dapat dijadikan saran untuk pemasok dalam menemukan bidder paling potensial. Perilaku bidder juga dapat membantu pemasok untuk mengetahui bidder yang paling sering melakukan bidding. Tahapan penelitian ini dimulai dengan pre-processing data selama tujuh bulan, kemudian membagi data tersebut menjadi tiga kelompok. Data tersebut kemudian diproses sehingga menghasilkan analisis asosiasi. Proses verifikasi hasil dan validasi aturan asosiasi dilakukan dengan menghitung derajat asosiasi dari seluruh aturan yang dihasilkan.

---

PT Perkebunan Nusantara (PTPN) is a state-owned company which produces agricultural product. To sell its product, PTPN has subsidiary named KPBN which held an open bidding. In order to identify bidder behavior and to investigate bidder association, association between bidders can be identified using the apriori algorithm. It could be as a suggestion to that supplier to find the most potential bidder. The behavior of bidders also may help the supplier to find out who the frequent bidder is.

The process of this research is started with pre-processing the data that had already been collected for seven months, spliting those data into three groups, generating the association analysis, and then calculating the degree association to verify and validated the rule."

"Globalisasi memang arus yang tidak bisa ditangkal. Airlines menghadapi masalah besar pada saat ini dan hari-hari mendatang. Manajemen yang terbias lambat mengambil keputusan dipastikan hanya akan membawa perusahaannya stall. Diperlukan kecepatan dalam mengeksekusi bisnis, agar kesempatan dapat diraih lebih banyak. Selain kecepatan, diperlukan juga ketepatan pengambilan keputusan, berdasarkan analisa perhitungan yang rasional dan matang. Persaingan mengkondisikan bisnis airlines dalam kondisi perang total. Informasi yang sekecil apapun tetapi relevan dimanfaatkan sebagai sebuah peluang untuk meningkatkan pendapatan. Prinsipnya adalah bagaimana memenuhi kapasitas angkut pesawat secara maksimal dan sesering mungkin. Dalam konteks memenangkan persaingan ini perpaduan antara gaya manajemen yang fleksibel dan peran teknologi informasi menjadi amat vital. Setiap bisnis akan tetap eksis jika dia memiliki customer. Untuk mendapatkan customer, pelaku bisnis melakukan berbagai strategi dan inovasi yang akan mempengaruhi ketertarikan orang dan memutuskan menggunakan layanan yang ditawarkan oleh penyedia layanan jasa/barang, dalam hal ini layanan angkutan penerbangan. Loyality program semacam Garuda Frequent Flyer (GFF), memegang peranan penting untuk membidik core customer, customer yang paling banyak memberikan benefit bagi perusahaan. Sistem operasional GFF yang menyimpan data anggota dan transaksi penerbangan, perlu dikumpulkan dalam satu bentuk data warehouse dan secara periodik di-update, sehingga reporting dapat dieksekusi dari data warehouse tanpa mempengaruhi kinerja operasional. Penggunaan data yang ekstensif dengan menggunakan teknik data mining dapat membantu managemen dalam mengambil kebijakan yang tepat berdasar data-data historical. Agar data mining dapat mempengaruhi bisnis, maka data mining sendiri harus relevan dan menjadi bagian dari bisnis proses.

---

Globalization is now inevitable, which causes airlines to face a major problem nowadays. Time becomes major influence in decission making. If the management takes a lot of time in decision making, then company will be stagnant or even decline. There are needs to execute business decision with little time consuming, so that more opportunities can be captured with less cost. In addition to time consuming, accuracy is also a vital necessity for mature analysis and rational calculation. Any information from the insignificant one, as long as it is relevance and accurate can be used as an opportunity for increasing revenue. The main principle is how to optimize aircraft load to its maximum capacity as often as possible. In the context of winning a competition, the combination of a flexible management style and utilization of Information Technology become a vital element.

Any business entity can survive depends on the existence of its customer. In order to gain more customer, business player has to execute strategy and innovation. This is necessary to influence people in choosing services provider. In this case, the context is airline service business. Any kind of Loyality Program such as Garuda Frequent Flyer (GFF), has important role in targeting core customer, i.e. customer that give the highest revenue to the company.

GFF operational system that keeps information of customer profile and flight transaction, needs to be collected into a single form of data warehouse and updated periodically, so that reporting function can be executed without affecting operational performance. The extensive use of data with datamining technique could assist management in making the right decision based on historical data. Additionally, datamining has to be relevance and being part of business process in order to improve business performance. The focus of this research is to develop initial phase of datamining that can be scaled up in future, not a practical solution that can be directly used."

"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."

"Dalam layanan E-commerce menimbulkan dampak negatif yaitu terjadi pencurian dan penjualan Data Pribadi konsumen pengguna layanan oleh pihak tidak bertanggungjawab. E-commerce dan Perlindungan Konsumen saling berkaitan, penting dalam praktik kegiatan e-commerce untuk menjaga kepercayaan konsumen selaku pengguna layanan, maka pelindungan data pribadi mendapat perhatian negara-negara di lingkup Kawasan Asia Tenggara. Penelitian ini membahas terkait pengaturan Pelindungan Hak atas Data Pribadi sebagai bagian dari hak konsumen dalam penyelenggaraan E-commerce di Indonesia, pengaturan hak untuk memperbaiki data, hak atas penghapusan Data Pribadi, hak portabilitas data dalam konsep Pelindungan Data Pribadi di negara Indonesia, Malaysia, dan Singapura, dan implementasi hak konsumen atas Pelindungan Data Pribadi di negara Indonesia, Malaysia, dan Singapura dalam konteks E-commerce. Metode penelitian ini adalah hukum normatif dengan pendekatan Peraturan Perundang-undangan dan komparatif. Adapun kesimpulannya yaitu  pengguna selaku konsumen berhak untuk mengetahui informasi yang jelas akan akuntabilitas, transparansi, proses pencegahan, dan penegakan hukum dalam kasus kebocoran Data Pribadi yang dialami dalam penyelenggara e-commerce. Masalah Pelindungan Data Pribadi menjadi isu di Negara Singapura dan Malaysia, dan pengaturan mengenai Tiga Hak diatas berbeda-beda. Dalam implementasi penegakan Pelindungan Data Pribadi, Singapura dan Malaysia memiliki organisasi khusus yang berwenang dalam penegakan hukumnya, sedangkan Indonesia berupaya membentuk Lembaga khusus untuk memastikan implementasi Pelindungan Data Pribadi

---

E-commerce services have a negative impact, namely the theft and sale of Personal Data of service users by irresponsible parties. E-commerce and Consumer Protection are interrelated, important in the practice of e-commerce activities to maintain consumer confidence as service users, then the protection of personal data gets the attention of countries in the scope of Southeast Asia Region. This research discusses the regulation of the Protection of the Right to Personal Data as part of consumer rights in the implementation of E-commerce in Indonesia, the regulation of the right to correct data, the right to erasure of Personal Data, the right to data portability in the concept of Personal Data Protection in Indonesia, Malaysia, and Singapore, and the implementation of consumer rights to Personal Data Protection in Indonesia, Malaysia, and Singapore in the context of E-commerce. This research method is normative law with Legislation and comparative approach. The conclusion is that users as consumers have the right to know clear information on accountability, transparency, prevention process, and law enforcement in the case of Personal Data leakage experienced in e-commerce providers. The issue of Personal Data Protection is an issue in Singapore and Malaysia, and the regulation of the Three Rights above is different. In the implementation of Personal Data Protection enforcement, Singapore and Malaysia have special organizations authorized to enforce the law, while Indonesia seeks to establish a special institution to ensure the implementation of Personal Data Protection."