Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
ABSTRAK
Dalam rangka usahanya untuk menghimpun dana masyarakat, pihak perbankan berlomba menawarkan berbagai macam produk kepada masyarakat, seperti tabungan dengan bunga harian, tabungan berhadiah, deposito berhadiah. Dipihak lain, untuk menyalurkan dana tersebut kepada masyarakat dalam bentuk pinjaman, selalu diikuti dengan persyaratan dan prosedur yang seringkali memberatkan calon nasabah.
Dalam perekonomian di Indonesia dikenal suatu lembaga kredit yang lain yang dapat digunakan sebagai salah satu alternatif sumber dana, yaitu Perusahaan Umum Pegadaian (selanjutnya disebut Pegadaian). Pegadaian adalah Badan Perkreditan yang berada langsung di bawah pengawasan Departemen Keuangan, yang menyalurkan uang pinjaman atas dasar hukum gadai, dengan menerima jaminan berupa barang-barang bergerak. Persyaratan yang ringan, prosedur yang sederhana dan pelayanan yang cepat adalah ciri dari Pegadaian.
Namun dalam perkembangannya, masyarakat lebih mengenal Lembaga Perbankan dibandingkan dengan Pegadaian. Keengganan masyarakat menggunakan jasa Pegadaian karena Pegadaian sering diidentikkan dengan kemiskinan. Sesuai dengan tujuan awal didirikannya Pegadaian, yaitu untuk memberantas lintah darat, rentenir atau praktek riba gelap yang memberatkan kehidupan masyarakat kecil, sehingga pengguna jasa Pegadaian sebagaian besar adalah masyarakat golongan bawah.
Pegadaian adalah lembaga yang unik. Disatu pihak Pegadaian diharapkan bisa memberikan kredit kepada siapapun yang membutuhkan, sedangkan dipihak lain Pegadaian tidak diperkenankan menghimpun dana dari masyarakat berupa tabungan, giro atau deposito, seperti halnya dengan Bank.
Penelitian ini mencoba mengkaji faktor penentu perkembangan Pegadaian, khususnya di Jawa Tengah untuk kurun waktu tahun 1983 sampai dengan 1992. Dalam analisis dapat pula diketahui faktor apa sebetulnya yang dominan sebagai penentu perkembangan Pegadaian, sehingga apabila faktor tersebut dapat diketahui, dapat membantu untuk menentukan kebijakan Perum Pegadaian selanjutnya.
Tidak banyak teori yang dapat dijadikan acuan dalam penelitian ini. Hal ini disebabkan kekhasan misi, sifat maupun ciri Pegadaian itu sendiri. Sehingga model dibangun atas dasar prasurvey dan data yang ada di lapangan.
Faktor-faktor yang diduga sebagai penentu perkembangan Pegadaian adalah jumlah nasabah, omzet, sewa modal, surplus, jumlah pegawai, tanggapan nasabah atas kredit yang diperoleh, pelayanan dan kepuasan nasabah.
Dari delapan faktor tersebut, tujuh faktor yaitu jumlah nasabah, omzet, sewa modal, surplus, kredit, pelayanan dan kepuasan nasabah mempunyai tingkat keeratan yang tinggi terhadap model dan jumlah nasabah merupakan faktor yang dominan dalam menentukan perkembangan Pegadaian. Hal ini mengingat nasabah Pegadaian adalah nasabah dengan penmintaan pinjaman dalam jumlah kecil, sehingga semakin banyak nasabah maka akan semakin besar omzet Pegadaian. Sedangkan faktor jumlah pegawai mempunyai tingkat keeratan yang rendah terhadap model, yaitu 0,37. Ini berarti bahwa jumlah pegawai meskipun tidak sesuai dengan formasi pegawai yang ada, kegiatan Pegadaian tetap dapat berjalan dengan baik.

Abstrak :
Dalam upaya meningkatkan layanan melalui aplikasi Aplikasi Pegadaian Digital, PT Pegadaian terus berupaya untuk melakukan monitoring kepuasan pelanggan dari aplikasi dengan memanfaatkan dashboard Google Play Store. Namun, berdasarkan hasil analisis, terdapat ketidakcocokan antara rating Google Play Store dengan label orientasi sentimen sesungguhnya. Persentasi kesalahan rating yang diambil dari 524 komentar yang telah divalidasi oleh manusia adalah sebesar 34.09%. Artinya, rating pada Google Play Store yang diberikan terhadap 34.09% dari 1.018 review tidak merefleksikan orientasi sentimen yang sesungguhnya. Hal ini menjadi masalah dikarenakan tidak sejalan dengan harapan yang telah disampaikan oleh Kepala Divisi Operasional dan Infrastruktur TI pada sharing and learning yang dilakukan pada tanggal 9 Maret 2021 mengenai peningkatan layanan sentra operasi, di mana seharusnya perusahaan dapat mengetahui kepuasan pelanggan secara akurat. Jika hanya mengandalkan data rating dan ulasan secara mentah dan tanpa analisis maka harapan pelanggan yang sesungguhnya tidak dapat dipenuhi. Sehingga dibutuhkan analisis yang mampu melakukan evaluasi dan menunjukan tingkat kepuasan pelanggan terhadap suatu produk berdasarkan data opini pelanggan secara langsung. Tujuannya adalah untuk mengetahui apakah rating merupakan model klasifikasi orientasi sentimen yang efektif. Selain itu analisis sentimen perlu dilakukan untuk mengetahui sejauh apa model klasifikasi orientasi sentimen yang baik dapat bekerja dan membantu perusahaan untuk mengetahui bagaimana gambaran sentimen positif dan negatif berdasarkan ulasan aplikasi terhadap aplikasi. Pada Penelitian ini, untuk mendapatkan informasi tersebut, dilakukan pendekatan data mining yaitu analisis sentimen dengan metode Maximum Entropy dan Support Vector Machine. Dengan metode ini akan digambarkan ulasan yang termasuk ulasan positif dan negatif. Selanjutnya ulasan dimodelkan dalam bentuk harapan atau persepi dari pengguna yang nantinya dapat digunakan oleh perusahaan sebagai bahan evaluasi pengembangan aplikasi. Hasil permodelan diuji akurasinya dengan menggunakan Confussion Matrix. Dari hasil confusion matrix didapatkan hasil bahwa algoritma Support Vector Machine mendapatkan nilai accuracy, precision, recall dan F-score yaitu accuracy sebesar 87,25%, nilai precision sebesar 97,67%, recall sebesar 77,78%, dan nilai F-Score 86,60%. Dengan penelitian ini, diharapakan membantu PT. Pegadaian dalam menggali harapan pelanggan secara lebih sepesifik dan detail sehingga perusahaan mampu meberikan layanan yang tepat sasaran dan sesuai harapan pelanggan. ......To improve services through the Pegadaian Digital Application, PT Pegadaian continues to make efforts to monitor customer satisfaction from the application by utilizing the Google Play Store dashboard. However, based on the results of the analysis, there is a discrepancy between the Google Play Store rating and the actual sentiment orientation label. The percentage of rating errors taken from 524 comments that have been validated by humans is 34.09%. That is, the rating on the Google Play Store given to 34.09% from 1,018 reviews does not reflect the true sentiment orientation. This is a problem because it is not in line with the expectations that have been conveyed by the Head of Operations and IT Infrastructure Division in the sharing and learning conducted on March 9, 2021 regarding improving operations center services, where the company should be able to accurately determine customer satisfaction. If you only rely on raw rating and review data and without analysis, real customer expectations cannot be met. So we need an analysis that is able to evaluate and show the level of customer satisfaction with a product based on customer opinion data directly. The aim is to find out whether the rating is an effective sentiment orientation classification model. Besides that, sentiment analysis needs to be done to find out how far a good sentiment orientation classification model can work and help companies to find out how positive and negative sentiment is based on application reviews of applications. In this study, to obtain this information, a data mining approach was used, namely sentiment analysis using the Maximum Entropy and Support Vector Machine methods. With this method a review will be described including positive and negative reviews. Furthermore, the review is modeled in the form of expectations or perceptions from users which can later be used by the company as material for evaluating application development. Modeling results are tested for accuracy using the Confussion Matrix. From the results of the confusion matrix, the results show that the Support Vector Machine algorithm gets accuracy, precision, recall and F-score, namely accuracy of 87.25%, precision value of 97.67%, recall of 77.78%, and F-Score value 86.60%. With this research, it is hoped that it will help PT. Pegadaian explores customer expectations more specifically and in detail so that the company is able to provide services that are right on target and in line with customer expectations.

Abstrak :
Development of Data Warehouse and Data Mining for National Standards for Education Abstrak Berbahasa Indonesia/Berbahasa Lain (Selain Bahasa Inggris): Standar Nasional Pendidikan (SNP) adalah kriteria minimal tentang sistem pen- didikan di seluruh wilayah hukum Negara Kesatuan Republik Indonesia. SNP digunakan sebagai acuan pengembangan kurikulum, tenaga kependidikan, sarana dan prasarana, pengelolaan, dan pembiayaan pendidikan. Pengembangan dan pemantauan SNP dilakukan Badan Standar Nasional Pen- didikan (BSNP) dibantu oleh tim ahli yang bersifat ad-hoc. Data pendidikan yang ada pada kementerian atau hasil-hasil analisisnya diprioritaskan untuk digu- nakan dalam pengembangan dan pemantauan SNP. Permasalahan yang diangkat dalam penelitian ini adalah belum intensifnya penggunaan data pendidikan yang ada pada kementerian untuk pengembangan dan pemantauan SNP. Salah satu penyebab belum intensifnya penggunaan data pendidikan ini karena data pendidikan tersebar di berbagai instansi dan belum ada standar yang meng- atur data pendidikan dan bagaimana cara mengaksesnya. Salah satu cara yang dapat digunakan untuk mengatasi hal ini adalah teknologi data warehouse dengan melakukan integrasi data melalui proses ETL. Untuk memanfaatkan lebih jauh lagi data yang ada dalam data warehouse dapat dilakukan data mining. Pada penelitian ini akan dikaji sejauh mana data warehouse dan data mining dapat di- gunakan untuk pengembangan dan pemantauan SNP. Penelitian yang dilakukan mencakup analisis terhadap pengelolaan data pen- didikan di Indonesia, analisis terhadap data yang akan diolah, dilanjutkan de- ngan pengembangan serta evaluasi data warehouse dan data mining yang dikem- bangkan. Data yang digunakan dalam penelitian ini dibatasi pada data hasil Ujian Nasional (UN) dan akreditasi untuk jenjang SMP/MTs. Dari penelitian ini didapati bahwa antarmuka OLAP dalam data warehouse dapat digunakan untuk menganalisis data pendidikan terkait dengan SNP. Sedangkan untuk data mining, teknik deskriptif dengan pencarian aturan asosiasi dan teknik prediktif dengan klasifikasi dapat digunakan untuk memperoleh pengetahuan yang tersimpan dalam data warehouse untuk data hasil UN dan akreditasi. ......The National Standards for Education/Standar Nasional Pendidikan (SNP) is a set of minimal criteria about the educational system in the Indonesia Republic. The SNP is used as a reference for curriculum development, teacher and staff, facilities and infrastructure, management, and financing of education. The development and monitoring of the SNP are conducted by the National Stan- dards for Education Agency/Badan Standar Nasional Pendidikan (BSNP), as- sisted by several ad-hoc team of experts. The data that’s available on the Ministry of National Education (MoNE) or the results of the analysis are prioritized to be used in the development and monitoring of the SNP. Issues raised in this research is the use of data available on the ministry of edu- cation for the development and monitoring of the SNP has not been intense. One cause has not been the intensive use of education data because educational data spread across various agencies/ministries and there is no standard of educational data and how to get access to them. One solution that can be used to overcome this problem is data warehouse technology by integrating data through the ETL process. To further use existing data in the data warehouse is to perform data min- ing. This research examined to what extent the data warehouse and data mining is useful for the development and monitoring of the SNP. Research conducted, including the analysis of education data management in In- donesia, the analysis of data to be processed, followed by the development and evaluation of data warehouse and data mining developed. The data used in this study are limited to data from the National Examination and the accreditation process for junior high schools (SMP/MTs). From this study, it was found that the OLAP user interface and data warehouse can be used to analyze data associated with an SNP. As for data mining, associ- ation rules and classification can be used to obtain hidden knowledge in the data warehouse for the National Examination and accreditation data.