Hasil Pencarian  ::  Simpan CSV :: Kembali

"Sistem Ekstraksi Informasi yang sebelumnya telah dibuat menggunakan aturan untuk dapat melakukan standarisasi dokumen Undang-Undang ke dalam format XML. Karena aturan yang digunakan bersatu dengan sistem itu sendiri, maka sistem menjadi kurang adaptif. Oleh karena itu, modularisasi aturan yang dilakukan pada penelitian ini diharapkan mampu membuat sistem menjadi lebih adaptif. Adaptivitas sistem akan diuji dengan melakukan adaptasi ke jenis dokumen legal yang lain, yaitu Peraturan Pemerintah (PP). Hasil adaptasi SEI ke dokumen PP diujicobakan pada 201 dokumen PP dan 41 dokumen PP perubahan. Hasilnya menunjukkan kinerja sistem dalam melakukan standarisasi dokumen PP ke dalam format XML sebesar 99.47% dan dokumen PP perubahan sebesar 97.98%.

---

The previous Information Extraction System used rules to standardize Indonesian Act document into XML format. Because these rules still merged inside the system?s body, it caused problem in its adaptability. Because of that, this research trying to modularize these rules in order to increase system?s adaptability. System?s adaptability then will be tested by adapting the system to other type of Indonesian legal document, which is Government Regulation document. Adaptation result will be tested using 201 Government Regulation documents and 41 Replacement of the Government Regulation documents. The results show that the system?s accuracy to standardize Government Regulation documents is 99.47% and for Replacement of the Government Regulation documents is 97.98%."

"Increasing competition in airline industry, especially in international flight, pushing airline companies to their limit. Competition pushing the fares down while the cost continues to rise up. To maintain competitiveness in the market, airlines have to offer the right product, in the right time, for the right price. In order to do that, airlines have to understand their customer. Traditional approach of customer classification in Garuda Indonesia doesnt suit anymore due to more complex and heterogeneous choices made by customer. The purpose of this thesis is to find the new customer classification of Garuda Indonesia passengers. Because customer classification results connected directly to the airline`s pricing distribution, so this thesis will also try to optimize the revenue by implementing the new customer classification into pricing distribution. Short haul international route chosen because it became cash cow of the airline. Customer classification will be done using K-Means clustering algorithm based on trip features defined. The result of the customer classification then will be mapped to the pricing distribution. To find the best pricing distribution, this thesis will use the Willingness to Pay estimation analysis. The recommended pricing distribution showing positive impact to the revenues by increasing 11.48% higher than before using the recommended pricing distribution.

---

Meningkatnya persaingan dalam industri penerbangan, terutama pada penerbangan internasional, mendorong perusahaan penerbangan untuk lebih kompetitif. Persaingan mengakibatkan turunnya harga tiket sementara biaya produksi cenderung terus meningkat. Untuk mempertahankan daya saing, maskapai penerbangan harus menawarkan produk yang tepat, pada waktu yang tepat, dan dengan harga yang tepat. Untuk melakukan itu semua, maskapai harus memahami karakteristik penumpangnya. Klasifikasi penumpang yang sekarang digunakan di Garuda Indonesia sudah tidak sesuai lagi karena pilihan yang lebih kompleks dan heterogen yang dibuat oleh penumpang. Tujuan dari tesis ini adalah untuk menemukan klasifikasi penumpang yang baru untuk Garuda Indonesia. Karena hasil klasifikasi penumpang terhubung langsung pada distribusi harga tiket, maka tesis ini juga akan berusaha untuk mengoptimalkan pendapatan dengan menerapkan klasifikasi penumpang yang baru ke dalam distribusi harga tiket. Rute internasional jarak pendek dipilih karena menjadi ladang uang bagi maskapai penerbangan. Klasifikasi penumpang akan dilakukan dengan menggunakan algoritma K-Means Clustering berdasarkan fitur perjalanan yang telah ditentukan. Hasil klasifikasi penumpang kemudian akan dipetakan ke dalam distribusi harga tiket. Untuk menemukan distribusi harga tiket terbaik, tesis ini akan menggunakan analisis estimasi Willingness to Pay. Distribusi harga yang direkomendasikan menunjukkan dampak yang positif dengan peningkatan pendapatan sebesar 11,4"