Hasil Pencarian  ::  Simpan CSV :: Kembali

Hasil Pencarian

Ditemukan 3 dokumen yang sesuai dengan query
cover
Fajar Setiawan
"ABSTRAK
Kecerdasan buatan (AI) telah menjadi sebuah teknologi yang penting dan berdampak besar pada banyak aspek kehidupan kita. Penelitian ini secara khusus meneliti bagaimana kecerdasan buatan mempengaruhi pengalaman pelanggan dalam industry ritel online. Pengalaman pelanggan adalah factor penting dalam bisnis untuk memberikan keunggulan kompetitif. Karena itu, perusahaan menjadi lebih memperhatikan pengalaman pelanggan. Industri ritel online telah menjadi pengganti belanja ritel tradisional. Perusahaan berbasis e-commerce lainnya telah meningkatkan ketuntungannya dan menjadi lebih kompetitif dengan mengintegrasikan operasinya menggunakan AI. Saat ini, penjualan global e-commerce mencapai $2.304 miliar pada tahun 2017 dan diperkirakan akan tumbuh sebesar $ 4.878 miliar pada tahun 2021, yang berarti penjualan akan dua kali lipat hanya dalam empat tahun. Dengan bantuan AI, pengalaman pelanggan dapat ditingkatkan lebih lanjut. Dengan demikian, penelitian ini meneliti tentang bagaimana AI dalam industry ritel online berperan dalam membentuk keunggulan kompetitif. Teori dasar untuk penelitian ini adalah dari pandangan berbasi sumber daya dan kemampuan dinamis dimana itu menganalisis tentang bagaimana perusahaan dapat memanfaatkan sumber dayanya dan terus beradaptasi di pasar yang dinamis. Karena ada banyak bukti bahwa kemajuan dalam informasi dan teknologi mempengaruhi kehidupan kita dengan cara yang lebih baik, harapan dalam penelitian ini adalah bahwa AI dapat secara drastic mengubah / meningkatkan cara kerja bisnis, dalam hal ini, pengalaman pelanggan.

ABSTRACT
Artificial Intelligence (AI) is becoming an important technology and has substantially impact on many aspects of our lives. This paper specifically examines how Artificial intelligence influence customer experience in the online retail industry. Customer experience is the critical factor of business to provide a competitive advantage. Because of that, companies are becoming more aware of customer experience. The online retail industry has become a substitute for traditional retail shopping. Other e-commerce-based companies also have increased profit and becoming more competitive by integrating its operation using AI. Currently, the global sales of e-commerce are $2,304 billion in 2017 and are forecasted to grow for $4,878 billion in 2021, which means the sales will be doubled in just four years. With the help of AI, the customer experience can be increased further. Thus, this research inspects on how AI in the online retail industry plays a role in shaping competitive advantage. The fundamental theory for this study is resource-based view and dynamic capabilities where it analyses on how companies able to utilize its resource and continuously adapt in the dynamic market. Because there is much proof that advancement in information and technology is affecting our lives in a better way, the expectation in this research is that AI can drastically change/improve how business works, in this case, the customer experience."
Depok: Fakultas Ekonomi dan Bisnis Universitas Indonesia, 2019
TA-Pdf
UI - Tugas Akhir  Universitas Indonesia Library
cover
Rakka Deaprilando Malik
"Di masa baru dengan artificial intelligence (AI), algoritme komputer sudah menjadi fitur yang sangat berguna di pasar online. Dengan penghargaan algoritmik, proses penetapan harga untuk suatu barang menjadi lebih cepat dan akurat dengan mempertimbangkan semua data di pasar yang tersedia. Algoritme di kasus ini dapat membuat pasar yang sangat transparan dan sensitif terhadap perubahan. Dengan begitu, sebuah kekhawatiran muncul bahwa penghargaan menggunakan algoritme dapat memfasilitasi kolusi harga atau membuat hasil sebagaimana ada kartel di pasar. Ini berarti bahwa diskusi mengenai penetapan harga algoritmik harus mempertimbangkan legalitasnya dalam Pasal 101 TFEU. Namun, karena pertumbuhannya yang pesat dan tingkat kerumitannya yang tinggi, pengaplikasian Pasal 101 TFEU kepada penetapan harga algoritmik terbukti bermasalah. Artikel ini menganalisa berbagai kategori algoritme di pasar online dan kerangka hukum Article 101 TFEU dan menemukan bahwa tidak semua kategori dapat ditangkap oleh hukum kompetisi EU seperti saat ini. Dalam melakukan itu, pertanyaan riset yang digunakan terbaca: sejauh mana Pasal 101 TFEU, seperti saat ini, dapat menangkap berbagai kategori penetapan harga algoritmik

In the new age of artificial intelligence, algorithms have become a beneficial feature in an online marketplace. Algorithmic pricing in particular shortens the pricing process and produces more accurate price level considering all of the market data available. The algorithms in this case create a highly transparent market that is very sensitive to changes. With that, concern occurred that algorithmic pricing may facilitate price collusion or create cartel-like outcomes. This means that the discussion of algorithmic pricing must consider its legality per Article 101 TFEU. However, the exponential growth and complexity of artificial intelligence have made it difficult to apply Article 101 TFEU to algorithms straightforwardly. This article analyzes the different categories of algorithms in online marketplaces and the legal framework of Article 101 TFEU to find that not all categories could be captured by the existing EU competition law. In doing that, the research question reads: to what extent could Article 101 TFEU, as it currently is, capture the different categories of algorithmic pricing? "
Depok: Fakultas Ekonomi dan Bisnis Universitas Indonesia, 2021
S-pdf
UI - Skripsi Membership  Universitas Indonesia Library
cover
Resti Duwiningrum
"Ancaman siber yang semakin canggih dan sering mengincar organisasi menuntut pendekatan keamanan yang lebih kuat. Salah satu solusi yang terbukti efektif adalah penerapan Zero Trust Architecture (ZTA), yang dapat meningkatkan ketahanan jaringan dengan mencegah penyebaran malware dan lateral movement. Namun, implementasi ZTA sering kali memerlukan sumber daya yang besar dan biaya yang tinggi, sehingga sulit dijangkau oleh organisasi dengan keterbatasan anggaran dan infrastruktur. Penelitian ini menghasilkan dan mempublikasikan AutoZT, sebuah alat otomatisasi yang menggabungkan dua fungsi utama: ZTscan, yang mengintegrasikan Masscan dan Nmap untuk mempercepat serta meningkatkan akurasi resource discovery jaringan; dan modul perancangan ZTA yang menyederhanakan proses microsegmentation jaringan. AutoZT dikembangkan untuk membantu administrator jaringan dalam mengidentifikasi aset dan celah keamanan secara efisien, serta mempermudah perancangan kebijakan Zero Trust yang tepat. Alat ini telah dipublikasikan secara terbuka melalui GitHub agar dapat diakses, dievaluasi, dan dikembangkan lebih lanjut oleh siapa pun. Kinerja AutoZT dievaluasi menggunakan skenario berbasis GNS3 dengan metrik utama meliputi akurasi, kecepatan, validitas, dan ketahanan. Hasil pengujian menunjukkan bahwa ZTscan, sebagai bagian dari AutoZT, mampu menyelesaikan pemindaian 10,64% lebih cepat dibandingkan Nmap TCP SYN dengan akurasi 100% serta mencapai peak throughput yang 13,8% lebih rendah dan lebih stabil, sehingga mengurangi risiko lonjakan trafik yang mengganggu. AutoZT diuji pada dua skenario topologi jaringan dan menghasilkan akurasi sebesar 100% dan 92%, serta validitas konfigurasi sebesar 100% dan 76%, menunjukkan efektivitas yang tinggi terutama pada topologi jaringan yang lebih sederhana. Selain itu, AutoZT berhasil meningkatkan ketahanan jaringan terhadap lateral movement, dengan menurunkan potensi serangan dari 100% menjadi 7% pada skenario pertama, dan dari 92% menjadi 7% pada skenario kedua melalui penerapan konfigurasi VLAN dan ACL pada perangkat yang tersedia. Temuan ini menunjukkan bahwa AutoZT merupakan solusi inovatif, praktis, dan terbuka bagi organisasi dengan sumber daya terbatas untuk memulai penerapan ZTA secara efektif, sekaligus meningkatkan postur keamanan jaringan tanpa beban biaya dan kompleksitas yang tinggi.

The growing sophistication and frequency of cyber threats targeting organizations demand a more robust security approach. One proven effective solution is the implementation of Zero Trust Architecture (ZTA), which can improve network resilience by preventing the spread of malware and lateral movement. However, implementing ZTA often requires large resources and high costs, making it difficult to reach for organizations with limited budgets and infrastructure. This research produces and publishes AutoZT, an automation tool that combines two main functions: ZTscan, which integrates Masscan and Nmap to accelerate and increase the accuracy of network resource discovery; and a ZTA design module that simplifies the network microsegmentation process. AutoZT is developed to help network administrators in efficiently identifying assets and security gaps, as well as facilitating the design of appropriate Zero Trust policies. This tool has been openly published through GitHub so that it can be accessed, evaluated, and further developed by anyone. The performance of AutoZT is evaluated using a GNS3-based scenario with the main metrics including accuracy, speed, validity, and resilience. Test results show that ZTscan, as a part of AutoZT, is able to complete scanning 10.64% faster compared to Nmap TCP SYN with 100% accuracy and achieve peak throughput that is 13.8% lower and more stable, thereby reducing the risk of disruptive traffic spikes. AutoZT was tested on two network topology scenarios and produced accuracy of 100% and 92%, as well as configuration validity of 100% and 76%, showing high effectiveness especially on simpler network topologies. In addition, AutoZT successfully increased network resilience against lateral movement by reducing attack potential from 100% to 7% in the first scenario, and from 92% to 7% in the second scenario through the application of VLAN and ACL configurations on available devices. These findings show that AutoZT is an innovative, practical, and open solution for organizations with limited resources to start implementing ZTA effectively, while also improving network security posture without the burden of high costs and complexity."
Depok: Fakultas Teknik Universitas Indonesia, 2025
T-pdf
UI - Tesis Membership  Universitas Indonesia Library