Hasil Pencarian  ::  Simpan CSV :: Kembali

"Perkembangan pesat teknologi menyebabkan pertumbuhan pengguna perangkat mobilesemakin meningkat. Hal tersebut mendorong para pengembang aplikasi untukmengembangkan berbagai aplikasi. Aplikasi Learn Quran Tajwid merupakan aplikasiyang diperuntukkan bagi pengguna untuk belajar dan memahami bacaan al-quran lebihdetail dengan audio yang tepat dalam melafadzkan al-quran dan pengguna dapatmempraktekkan bacaan dengan koreksi dari aplikasi. Pendapatan Learn Quran Tajwidbersumber pada layanan berlangganan dan iklan. Sumber utamanya pada pendapatanlayanan paket berlangganan khususnya di Google Play Store namun sumber pendapatanutama tersebut terus mengalami penurunan pertumbuhan bulanan dari tahun sebelumnya.Target peningkatan pertumbuhan pendapatan bulanan Aplikasi Learn Quran Tajwid diGoogle Play Store dari tahun sebelumnya (y-o-y) tidak tercapai. Oleh sebab itu, dilakukananalisis akar masalah dan didapatkan masalah utamanya adalah kepuasaan pelangganmenurun. Tujuan penelitian ini adalah melihat bagaimana pandangan pengguna AplikasiLearn Quran Tajwid di Google Play Store dengan melakukan analisis sentimen danpemodelan topik. Data ulasan yang digunakan berjumlah 5100 ulasan yang didapatkandengan melakukan scraping dari ulasan pengguna aplikasi Learn Quran Tajwid di GooglePlay Store dengan rincian 3026 ulasan sebagai data latih. Selanjutnya data latihdianotasikan manual untuk menentukan sentimen positif atau negatif kemudian dilakukanpreprocessing dan representasi teks menggunakan TF-IDF. Penelitian ini menggunakanalgoritma NB, SVM, XGBoost, CNN, LSTM dan BERT untuk klasifikasi sentimen. Hasileksperimen menunjukkan bahwa algoritma klasifikasi dengan kinerja terbaik adalahalgoritma BERT dengan akurasi 96%, diikuti SVM imbalanced class dengan akurasi95,2% serta SVM-smote dan LSTM dengan akurasi 94,8%. Sementara itu, algoritmapemodelan topik yang digunakan adalah LDA. Hasil pemodelan topik menggunakanalgoritma LDA untuk sentimen positif dan negatif. kesimpulan topik pada sentimenpositif yakni pengguna merasa aplikasi sangat bagus dan memberikan manfaat yangbesar, serta mudah digunakan Sedangkan dari topik yang muncul pada sentimen negatifdidapatkan kesimpulan yakni pengguna merasa iklan yang muncul sangat mengganggudan mengurangi pengalaman pengguna walaupun pengguna merasa aplikasi bagus danbermanfaat namun karena terdapat iklan yang sangat mengganggu berpengaruh terhadapkepuasaan pengguna sehingga memberikan rating rendah.

---

The rapid development of technology has led to an increasing growth in mobile device

users. This has driven application developers to create various apps. The Learn Quran

Tajwid app is designed for users to learn and understand the recitation of the Quran in

more detail, with accurate audio pronunciation. Users can practice their recitation and

receive corrections from the app. The revenue for Learn Quran Tajwid comes from

subscription services and advertisements. The main source of revenue is the subscription

packages, particularly on the Google Play Store. However, the main revenue source has

been experiencing a decline in monthly growth compared to the previous year. The target

of increasing monthly revenue growth for the Learn Quran Tajwid app on the Google

Play Store from the previous year (year-over-year) was not achieved. Therefore, an

analysis of the root cause was conducted, and it was found that customer satisfaction has

decreased. This research aims to examine the users' perspectives of the Learn Quran

Tajwid app on the Google Play Store through sentiment analysis and topic modelling. A

total of 5100 app reviews were used for the analysis, obtained by scraping user reviews

of the Learn Quran Tajwid app from the Google Play Store. Out of these, 3026 reviews

were used as training data. The training data was manually annotated to determine

positive or negative sentiment, and then pre-processing and text representation using TF

IDF were performed. This study used the NB, SVM, XGBoost, CNN, LSTM, and BERT

algorithms for sentiment classification. The experimental results showed that the BERT

algorithm performed the best with an accuracy of 96%, followed by SVM imbalance class

with 95.2% accuracy, and SVM-SMOTE and LSTM with 94.8% accuracy. As for the

topic modelling algorithm used, it was LDA. The topic modelling results using the LDA

algorithm for positive sentiment and negative sentiment. In conclusion, the topics

identified for positive sentiment indicate that users find the app to be excellent and highly

beneficial, as well as easy to use. On the other hand, from the topics identified for negative

sentiment, it can be concluded that users find the ads to be very disruptive and diminish

the user experience. Despite users perceiving the app as good and useful, the presence of

intrusive ads has a significant impact on user satisfaction, resulting in lower ratings. "

"Publikasi karya ilmiah secara online oleh perguruan tinggi bertujuan untuk meningkatkan penyebaran dan akses oleh masyarakat maupun industri kepada hasil penelitian. OAI-PMH 2.0 adalah suatu protokol yang memungkinkan metadata publikasi yang diekspos oleh suatu data provider dapat dipanen secara online oleh service provider tanpa intervensi manusia. Suatu portal publikasi yang dilengkapi dengan fasilitas ekspos metadata akan meningkatkan penyebaran dan akses secara luas melalui layanan yang disediakan oleh service provider. Penelitian ini bertujuan mengembangkan suatu Repositori Publikasi yang dilengkap dengan fasilitas ekspos metadata berbasis OAI-PMH 2.0 yang berjalan diatas Google App Engine. Google App Engine merupakan layanan PaaS yang disediakan oleh Google. Pengembangan aplikasi dilakukan dengan pendekatan SDLC, dan pada tahapan analisa dan perancangan menggunakan OOAD. Aplikasi hasil pengembangan diimplemcntasi untuk publikasi hasil penelitian dosen-dosen STMIK IBBI yang diberi nama Portal Garuda STMIK IBBI. Berdasarkan hasil pengujian dengan OAI-PMH Validator, BASE OAI-PMH Va Ii dator, dan berhasil didaftarkannya Portal Garuda STMIK IBBI di OpenArchive.org, OpenDOAR, dan ROAR, serta hasil rating yang mencapai 95% oleh WebArchive, maka diyakini aplikasi tclah sesuai dengan standard OAI-PMH 2.0 dan W3C sehingga nantinya membantu institusi perguruan tinggi untuk memenuhi kewajiban publikasi karya ilmiah yang dapat ditelusuri secara online sebagaimana surat Dikti nomor 20501E. T 120 II."

"Pada tahun 2020 Google memberlakukan Kebijakan Pembayaran untuk layanan Google Play yang mensyaratkan pengembang aplikasi yang menawarkan pembelian produk dan layanan digital dalam aplikasi yang didistribusikan di Google Play untuk menggunakan Google Play’s Billing System (GPBS) sebagai metode pembayaran transaksi tersebut. GPBS menetapkan tarif layanan terhadap pengembang aplikasi mulai dari 15% - 30% setiap tahunnya. Kebijakan tersebut menerima respon dari komisi pengawas persaingan usaha di dunia seperti KPPU di Indonesia dan CCI di India. KPPU menduga Google melakukan penyalahgunaan posisi dominan, tying, dan praktik diskriminasi. Pada bulan September 2022 KPPU mulai melakukan penyelidikan terhadap Google. Di sisi lain, CCI pada bulan September 2022 telah mengeluarkan order terhadap Google yang menyatakan bahwa Google melanggar Section 4 Competition Act 2002 tentang penyalahgunaan posisi dominan. Dengan menggunakan metode penelitian yuridis normatif, penelitian ini menganalisis bagaimana penerapan Pasal 25 UU No. 5/1999 terhadap Kebijakan Pembayaran Google Play dan bagaimana perbandingan penegakan hukum oleh KPPU dengan CCI terhadap Kebijakan Pembayaran Google Play. Sehingga KPPU dapat mengambil pengalaman dari penegakan hukum yang sudah dilakukan oleh CCI. Berdasarkan penelitian yang dilakukan, Google berpotensi melanggar Pasal 25 ayat (1) huruf (b) UU No. 5/1999 karena melakukan praktik membatasi pasar dan pengembangan teknologi terhadap pengembang aplikasi dan payment aggregator.

---

n 2020 Google enforce a Payment Policy for Google Play services which requires application developers who sell digital products and services within applications distributed on Google Play to use Google Play’s Billing System (GPBS) as a payment method for such transactions. GPBS sets a service fee starting from 15% - 30% annually. This payment policy received responses from various competition commissions in the world, some of which are KPPU from Indonesia and CCI from India. KPPU suspected that Google practices abusing dominant positions, tying and discrimination. In September 2022, KPPU has conducted an investigation into Google. On the other hand, in September 2022 CCI has issued an order to Google on violation of the Competition Law. CCI stated that Google had carried out abuse of dominant position by violating Section 4 of Competition Act 2002. By using normative juridical research methods, this paper analyze how Article 25 of Law No. 5/1999 is implemented concerning alleged violations of a dominant position against Google Play’s Payment policy and compares the law enforcement by KPPU and CCI in relation to Google Play Payment. Thus, KPPU can take experience from the law enforcement that has previously been carried out by CCI. Based on research conducted, Google has the potential to violate Article 25 paragraph (1) letter (b) of Law No. 5/1999 because it limits market and technology development against application developers and payment aggregators. "

"Penelitian ini bertujuan untuk mengetahui bagaimana perilaku Mahasiswa Magister Ilmu Perpustakaan UI Angkatan 2020 – 2021 sebagai Pengguna Aplikasi Google Foto. Penelitian ini menggunakan metode kualitatif dengan pendekatan fenomenologi yang disajikan secara deskriptif. Penelitian ini menggunakan teknik sampling purposif terhadap 10 Informan Mahasiswa Ilmu Perpustakaan dan Informasi UI Angkatan 2020 – 2021. Pemilihan informan berdasarkan kriteria pengguna Aplikasi Google Foto dengan minimal 1 tahun dan pernah mempelajari materi selama kuliah tentang “Arsip Digital”. Pengumpulan data dilakukan dengan wawancara daring melalui Google Meet. Hasil penelitian menunjukan bahwa 5 dari 10 informan mengandalkan penuh aplikasi Google Foto dalam melakukan preservasi File foto dan mengetahui manfaat serta kegunaan aplikasi Google dengan baik. Sisanya adalah sebagai pengguna baru yang pasif dan masih mengandalkan penyimpanan pada media lain seperti harddisk. Perilaku mahasiswa Magister Ilmu Perpustakaan UI Angkatan 2020 – 2021 sebagai pengguna Aplikasi Google Foto dalam melakukan preservasi file digital terdiri dari: 1) Identify lokasi penyimpanan foto. Hampir semua informan diketahui saat ini menyimpan koleksi foto digitalnya di cloud storage, dalam hal ini Aplikasi Google Foto, namun ada juga yang tetap menyimpannya di media fisik, seperti hard disk. 2) Decide yang berarti memilih gambar yang paling signifikan untuk dipertahankan. Hampir semua informan telah melakukan pekerjaan dengan baik dalam mengimplementasikannya pada saat ini. 3) Organize; informan melakukan ini dengan mengelompokkan foto-foto. Sebagian besar informan telah mengorganisasikan foto-fotonya ke dalam folder sesuai dengan tahun, tempat, individu, dan kegiatan yang sedang berlangsung saat diambil. Akan sulit untuk mengambil foto tersebut karena hanya sedikit dari mereka yang memberikan nama atau deskripsi untuk setiap file foto. 4) Make copies. Pada titik ini, sebagian besar informan telah menyalin gambar dan menyimpannya di berbagai perangkat online dan offline.

---

The purpose of this study is to discover the behavior of 2020-2021 UI Masters in Library Science students as Google Photos users. This research employs a qualitative methodology with a phenomenological approach that is presented descriptively. Purposive sampling was performed on 10 students of UI Library and Information Science Class of 2020 - 2021. The informants were chosen based on the criterion of having used the Google Photos program for at least a year and having studied material during courses on "Digital Archives." Data was gathered through online interviews conducted using Google Meet. According to the findings, 5 out of 10 informants depended significantly on the Google Photos program to save photo files and were well-versed in the benefits and uses of the Google application. The rest are inactive new users who rely on storage on other media such as hard disks. The behavior of UI Masters in Library Science students Class of 2020 - 2021 as Google Photos users in preserving digital assets, includes: 1) Identify photo storage facilities. Almost all informants save their digital photo collections in cloud storage, in this example the Google Photos program, although some are still storing them on physical media, such as hard disks and laptops. 2) Decide, which involves selecting the most important photograph to keep. Almost all of the informants have done an excellent job of implementing it. 3) Organize the photographs; informants do this by grouping them. The majority of the informants had their images categorized based on the year, location, individual, and events when they were taken. Few of them gave a name or description for each photo file. 4) Make copies. At this stage, the majority of the informants had duplicated the photographs and saved them on a variety of online and offline devices."

"Banyaknya ulasan aplikasi Info BMKG yang belum pernah diolah menyulitkan pengembang aplikasi dalam mengembangkan fitur berdasarkan masukan pengguna. Ulasan pengguna aplikasi terdapat informasi penting yang dapat dijadikan rujukan oleh pengembang untuk meningkatkan kualitas layanan aplikasi. Penelitian ini bertujuan untuk membuat model klasifikasi terbaik terhadap ulasan pengguna aplikasi Info BMKG. Dataset yang digunakan berasal dari ulasan pengguna aplikasi Info BMKG di Google Play Store sebanyak 10.286 data. Klasifikasi ulasan dibagi ke dalam dua label, yaitu label relevansi dan label kategori. Label relevansi terdiri atas kelas relevan dan tidak relevan. Untuk label kategori terbagi empat kelas yaitu bug report, user request, weather information performance (layanan cuaca), dan earthquake information performance (layanan gempa bumi). Algoritme klasifikasi yang digunakan adalah Naïve Bayes, Support Vector Machine (SVM), Logistic Regression, dan Random Forest. Penelitian ini menghasilkan dua model untuk klasifikasi relevansi dan klasifikasi kategori. Hasil pemodelan klasifikasi terbaik untuk relevansi diraih oleh SVM dengan nilai akurasi sebesar 92,61%. Sedangkan untuk klasifikasi kategori, hasil pemodelan terbaik diraih oleh Random Forest dengan nilai akurasi sebesar 87,69%. Kedua model terbaik melalui teknik over-sampling pada dataset dan normalisasi koreksi ejaan pada tahap prapemrosesan. Untuk ekstraksi fitur terbaik pada model klasifikasi relevansi menggunakan unigram dengan TF-IDF dan panjang teks. Sementara pada model klasifikasi kategori hanya menggunakan unigram dengan TF-IDF saja.

---

A large number of unprocessed Info BMKG app reviews makes it difficult for app developers to develop features based on user input. App user reviews contain important information that can be used as a reference by developers to improve the service quality of the app. This study aims to create the best classification model for user reviews of the Info BMKG app. Dataset used comes from user reviews of the Info BMKG app on the Google Play Store of 10,286 data. Review classification is divided into two labels, namely the relevance label and the category label. The relevance label consists of relevant and irrelevant classes. Category labels are divided into four classes, namely bug reports, user requests, weather information performance (weather services), and earthquake information performance (earthquake services). The classification algorithm used is Naïve Bayes, Support Vector Machine (SVM), Logistic Regression, and Random Forest. This research produces two models for relevance classification and category classification. Best classification modeling results for relevance were achieved by SVM with an accuracy value of 92.61%. For category classification, the best modeling results were achieved by Random Forest with an accuracy value of 87.69%. The two best models are over-sampling techniques on the dataset and normalization of spelling corrections at the pre-processing stage. The best feature extraction in the relevance classification model was carried out with the TF-IDF unigram and text length. Meanwhile, the category classification model only uses the TF-IDF unigram.

"

"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."

"ABSTRAKNotifikasi merupakan salah satu fitur komunikasi via pesan yang penting keberadaannya di aplikasi pada smartphone. Penerapan sistem notifikasi push notification mampu meningkatkan interaksi antar pengguna dan penggunaan layanan yang disediakan perangkat lunak Berbagi Kendaraan. Aplikasi Berbagi Kendaraan merupakan aplikasi berbasis Android yang dikerjakan pada studi ini. Tujuan aplikasi adalah untuk menciptakan platform berbagi kendaraan yang aman sebagai bagian dari aplikasi sistem transportasi cerdas. Diperlukan adanya sistem push notification yang efektif untuk meningkatkan interaksi penggunaan layanan yang disediakan. Tulisan ini membahas implementasi dan evaluasi kinerja dari layanan push notification pada aplikasi Berbagi Kendaraan menggunakan Google Cloud Message(GCM), IMF Push Bluemix, dan Telegram API. Stress testing dengan variasi concurrent request dilakukan untuk menguji implementasi. Hasil pengujian menunjukkan layanan GCM lebih baik dengan persentase minimum pesan diterima 95,09%. Diikuti dengan layanan IMF Push dengan persentase minimum pesan diterima 85,44% dan Telegram API sebesar 52,50%. Evaluasi kinerja dilakukan dengan pengambilan dan pengolahan data pada latency, jitter, packet loss dan throughput melalui tiga kondisi uji. Hasil pengujian menunjukkan bahwa layanan Google Cloud Messaging merupakan layanan push notification berbasis cloud yang memiliki kinerja paling baik pada implementasi untuk aplikasi Berbagi Tumpangan dengan nilai rata-rata latency 209,65 milidetik, jitter 107,62 milidetik, packet loss 0% dan throughput 8478,89 bit/detik.

---

ABSTRACTNotification is one of the most important communication features that should exist on smartphone‟s applications. The implementation of the push notification system may increase the interaction between users and the usage of Vehicle Sharing‟s services. Vehicle Sharing application is an Android-based application that is being studied in this experiment. The goal is to create a safe platform for vehicle sharing as a part of an intelligent transportation system. Therefore, it is necessary to implement an efficient push notification system to enhance the user experience. This paper describes the implementation and performance evaluation of several push notification services, i.e. Google Cloud Messaging (GCM), IMF Push Bluemix, and Telegram API. Stress tests with variation of concurrent request were conducted to evaluate the implementation. The result shows that the GCM service outperform others with minimum messages received of 95,09%. It is followed by the IMF Push services with 85,44% messages received and subsequently the Telegram API with 52,50% messages received. The performance evaluation was conducted by collecting and analyzing the latency, jitter, packet loss and throughput of each push services through three scenarios. The result shows that the GCM service performs better as a more reliable cloud-based push notification service on the Vehicle Sharing application with the mean latency of 209,65 ms, jitter of 107,62 ms, packet loss of 0%, and throughput of 8478,89 bit/s."

"Dalam bidang kesehatan, penentuan dosis obat yang tepat sangat penting untuk memastikan keselamatan dan efektivitas pengobatan. Salah satu area kritis di puskesmas adalah penanganan pasien dengan gangguan saluran pernapasan. Dalam konteks ini, penggunaan spreadsheet elektronik dapat menjadi alat yang berguna untuk memudahkan penentuan dosis yang sesuai dengan kebutuhan pasien. Tujuan dari penelitian ini adalah untuk memanfaatkan Google Spreadsheet sebagai alat untuk mendeteksi kesesuaian dosis obat saluran pernapasan yang tersedia di Puskesmas Kecamatan Pulogadung menggunakan rumus Clark. Rumus Clark digunakan untuk menghitung dosis obat berdasarkan berat badan pasien. Dalam penelitian ini, data berat badan pasien akan dimasukkan ke dalam Google Spreadsheet, dan rumus Clark akan diterapkan untuk menghasilkan dosis yang disesuaikan. Metodologi penelitian ini melibatkan pengembangan spreadsheet yang mencakup rumus Clark dan penetapan formula untuk mendeteksi dosis maksimum. Data yang digunakan dalam penelitian ini adalah data berat badan pasien, dosis obat, dan daftar obat yang tersedia di Puskesmas Kecamatan Pulogadung. Hasil penelitian ini diharapkan dapat memberikan kontribusi dalam meningkatkan akurasi penentuan dosis obat saluran pernapasan di puskesmas. Pemanfaatan Google Spreadsheet dengan rumus Clark dapat membantu tenaga medis dalam menentukan dosis obat yang tepat berdasarkan berat badan pasien. Hal ini dapat meminimalkan risiko overdosis atau penggunaan dosis yang tidak cukup efektif. Selain itu, penggunaan spreadsheet elektronik juga memudahkan pencatatan dan pengarsipan data, sehingga mempermudah analisis dan pemantauan dosis obat secara keseluruhan.

---

In the health sector, determining the correct dosage of medication is crucial to ensure the safety and effectiveness of treatment. One critical area in primary health centers is the management of patients with respiratory disorders. In this context, the use of electronic spreadsheets can be a useful tool to facilitate the determination of the appropriate dosage for patients' needs. The aim of this study is to utilize Google Spreadsheet as a tool to detect the suitability of respiratory medication dosages available at the Pulogadung District Primary Healthcare Center using the Clark formula. The Clark formula is used to calculate medication dosage based on the patient's body weight. In this study, patient body weight data will be entered into Google Spreadsheet, and the Clark formula will be applied to generate adjusted dosages. The research methodology involves the development of a spreadsheet that includes the Clark formula and the establishment of a formula to detect the maximum dosage. The data used in this study include patient body weight, medication dosages, and a list of available medications at the Pulogadung District Primary Health Center. The results of this study are expected to contribute to improving the accuracy of determining respiratory medication dosages in primary healthcare centers. The utilization of Google Spreadsheet with the Clark formula can assist healthcare professionals in determining the appropriate medication dosage based on the patient's body weight. This can minimize the risk of overdosing or using ineffective dosages. Furthermore, the use of electronic spreadsheets also facilitates data recording and archiving, making overall medication dosage analysis and monitoring easier."