Hasil Pencarian  ::  Simpan CSV :: Kembali

"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. "

"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. "

"Pesatnya perkembangan teknologi informasi dan komunikasi menuntut adanya inovasi dalam pengembangan aplikasi agar dapat mengikuti perkembangan yang cepat tersebut. Segari adalah salah satu penyedia layanan supermarket online yang populer di Indonesia. Segari merupakan perusahaan yang berlandasan customer centric dan mempunyai nilai Be Obsessed with our Customers, sangat mengedepankan kebutuhan dari pelanggannya. Minimnya sumber daya manusia dan banyaknya ulasan pelanggan yang perlu di analisis menghambat proses penggalian informasi dari ulasan pelanggan tersebut, sehingga diperlukan model pembelajaran mesin yang dapat secara otomatis melakukan analisis sentimen untuk mengklasifikasikan ulasan menjadi sentimen positif atau negatif. Informasi yang diambil dari analisis sentimen dapat digunakan sebagai referensi untuk menjaga kualitas layanan berdasarkan sentimen positif, sedangkan hasil dari sentimen negatif dapat digunakan sebagai bahan evaluasi untuk meningkatkan layanan dan aplikasi Segari. Dalam penelitian ini, peneliti membahas implementasi model analisis sentimen menggunakan ulasan pelanggan dari Google Play Store. Metode pembuatan model dimulai dari pengumpulan data, pelabelan data, pra proses data, ekstraksi fitur, model klasifikasi sentimen, evaluasi model, dan pemodelan topik. Peneliti menggunakan dua algoritma klasifikasi, Naive Bayes Classifier (NB) dan Support Vector Machine (SVM), pada total 10.507 ulasan. Data menunjukkan bahwa 74,37% ulasan mengungkapkan sentimen positif, sedangkan 25,63% mengungkapkan sentimen negatif. Hasil penelitian menunjukkan bahwa algoritma SVM dengan oversampling mencapai kinerja model terbaik, dengan recall sebesar 89,98%. Selain itu, peneliti menggunakan Latent Dirichlet Allocation (LDA) untuk mengidentifikasi topik terkait dengan perspektif pelanggan tentang Segari yang selanjutnya disampaikan kepada tim terkait. Hasil analisis mengungkapkan bahwa terdapat pelanggan yang puas dan kecewa dengan proses pengiriman produk. Pelanggan umumnya sudah puas dengan kualitas dan kesegaran dari produk. Beberapa pelanggan merasa kecewa karena pesanan yang kosong atau tidak lengkap dalam paket. Terdapat pelanggan yang puas dan kecewa terhadap aplikasi antarmuka pengguna, kecepatan, maupun kinerja aplikasi. Terdapat pelanggan yang puas dan kecewa terhadap harga, promo, dan voucher yang tersedia. Beberapa pelanggan merasa kecewa terhadap servis yang diberikan oleh customer service. Secara keseluruhan, penelitian ini memperluas pengetahuan tentang metode analisis sentimen dan memberikan wawasan tentang melakukan penelitian terkait analisis sentimen dan ulasan pelanggan.

---

The rapid development of information and communication technology demands innovation in application development to keep up with such rapid advancement. Segari is one of the popular online supermarket service providers in Indonesia. Segari is a customer-centric company with a core value of being obsessed with its customers, prioritizing their needs. The lack of human resources and the abundance of customer reviews that need to be analyzed hinder the process of extracting information from these reviews. Therefore, a machine learning model is needed to automatically perform sentiment analysis and classify the reviews into positive or negative sentiments. The information extracted from sentiment analysis can be used as a reference to maintain service quality based on positive sentiments, while the results of negative sentiments can be used for evaluation to improve Segari's services and application. In this research, the implementation of a sentiment analysis model using customer reviews from the Google Play Store is discussed. The model development process includes data collection, data labeling, data preprocessing, feature extraction, sentiment classification model, model evaluation, and topic modeling. The researcher utilized two classification algorithms, Naive Bayes Classifier (NB) and Support Vector Machine (SVM), on a total of 10,507 reviews. The data shows that 74.37% of the reviews express positive sentiments, while 25.63% express negative sentiments. The results of the study indicate that the SVM algorithm with oversampling achieved the best model performance, with a recall of 89.98%. Additionally, the researcher used Latent Dirichlet Allocation (LDA) to identify topics related to customer perspectives on Segari, which will be communicated to the relevant team. The analysis revealed that some customers are satisfied while others are disappointed with the product delivery process. Customers generally expressed satisfaction with the quality and freshness of the products. Some customers felt disappointed due to missing or incomplete items in their orders. There were mixed opinions about the user interface, speed, and performance of the application. Customers also expressed satisfaction and dissatisfaction with the available prices, promotions, and vouchers. Some customers felt disappointed with the service provided by the customer service team. Overall, this paper extends knowledge of sentiment analysis methods and provides insights on conducting research related to sentiment analysis and customer reviews.

"

"Otoritas Jasa Keuangan mengembangkan inovasi penyediaan Layanan Pinjam Meminjam Uang Berbasis Teknologi Informasi atau lebih dikenal sebagai pinjaman online sebagai pemenuhan kebutuhan dan membantu masyarakat untuk meningkatkan produk jasa keuangan secara online dengan berbagai para pihak tanpa perlu saling mengenal. Akan tetapi, adanya penyelenggara pinjaman online yang tidak terdaftar dan berizin di Otoritas Jasa Keuangan semakin menjamur menjalankan bisnisnya melalui aplikasi pinjaman online di Google Play Store. Penelitian ini akan membahas mengenai Peran Otoritas Jasa Keuangan Dalam Penindakan Aplikasi Pinjaman Online Ilegal di Google Play Store. Pemecahan pokok permasalahan akan dilakukan dengan penelitian hukum yuridis-empiris. Penelitian ini menghasilkan kesimpulan bahwa interoperabilitas antara pihak Otoritas Jasa Keuangan, Kementerian Komunikasi dan Informatika Republik Indonesia, Satgas Waspada Investasi (SWI), dan Google Indonesia tidak berdasarkan pada teori sentralisasi pemerintahan sehingga menghasilkan tindakan hukum yang tidak efektif dan tidak efisien.

---

The Financial Services Authority develops innovations in providing Information Technology-Based Borrowing-Lending Services or better known as online loans to fulfill needs and help the public to improve online financial service products with various parties without the need to know each other. However, online loan providers who are not registered and licensed with the Financial Services Authority are increasingly running their business through online loan applications on the Google Play Store. This study will discuss the role of the Financial Services Authority in prosecuting Illegal Online Loan Applications on the Google Play Store. The main problem solving will be carried out by juridical-empirical research. This study concludes that interoperability between the Financial Services Authority, the Ministry of Communication and Information of the Republic of Indonesia, the Investment Alert Task Force (SWI), and Google Indonesia is not based on the theory of centralization of government, resulting in ineffective and inefficient legal actions."

"Menurut laporan Ericsson Mobility Report (2018), bahwa Jumlah total langganan seluler ada di sekitar 7,9 miliar pada Q3 2018, dengan 120 juta pelanggan baru bertambah pada kuartal tersebut. Di Indonesia juga sudah cukup banyak orang yang melek dengan teknologi, terutama internet. Pada penelitian ini, peneliti ingin mencari tentang karakteristik dari aplikasi (mobile app) yang berbayar (purchase) dan gratis (Free), terhadap peluang usaha pada perusahaan baru (startup) di Indonesia. Pada penelitian ini akan dilakukan pengamatan pada big data dan big data analytics, dari hasil pengumpulan aplikasi dalam bentuk populasi pada Google Play dan Apple App Store Indonesia. Pengambilan data akan menggunakan bahasa pemrograman Python 3.7 dan Anaconda sebagai IDE (Integrated Development Environment) sebagai basis visualisasi dari data dan program. Pengumpulan data dan penelitian akan berjalan dimulai dari Januari 2020.

---

According to the Ericsson Mobility Report (2018), the total number of cellular subscriptions is around 7.9 billion in Q3 2018, with 120 million new customers increasing in the quarter. In Indonesia, there are many people who are literate with technology, especially the internet. In this study, researchers want to find out about the characteristics of the application (mobile app) that is paid and free with in-app purchases, to business opportunities in new companies (startups) in Indonesia. In this study, observations will be made on big data and big data analytics, from the results of collecting applications in the form of population on Indonesia Google Play and Apple App Store. Data processing will use the Python 3.7 programming language, and Anaconda as an IDE (Integrated Development Environment) as the basis for visualization of data and programs. Data collection and research will run starting from January 2020."

"Kepolisian Republik Indonesia (Polri) merupakan alat negara yang terus berusaha memberikan pelayanan publik secara prima salah satu nya dengan melakukan inovasi dengan memanfaatkan teknologi dalam memberikan pelayanan SIM melalui aplikasi bernama Digital Korlantas Polri. Namun sejak aplikasi tersebut diluncurkan pada tahun 2021 hingga tahun 2022 terdapat pemberitaan di berita online terkait kendala pada aplikasi dalam perpanjangan SIM online yang tidak berjalan sebagaimana semestinya. Penelitian ini bertujuan untuk melihat bagaimana pandangan masyarakat sebagai pengguna layanan dari Twitter dan Play Store. Data yang digunakan dalam penelitian ini berasal dari Twitter dan Play Store sebanyak 5944 data. Analisis dilakukan dengan membangun model klasifikasi relevansi, aspek, dan sentimen pada aspek reliability, efficiency, trust, dan citizen support. Algoritma yang digunakan yaitu Decision Tree, Logistic Regression, dan SVM. Hasil pemodelan klasifikasi dengan performa yang paling tinggi dalam klasifikasi relevansi, aspek, dan sentimen pada tiap aspek dihasilkan oleh algoritma Logistic Regression dengan TF-IDF unigram dan SMOTE. Pada model klasifikasi relevansi didapatkan nilai accuracy sebesar 87.05%, precision sebesar 87.38%, recall sebesar 87.04%, dan f1 score sebesar 87.16%. Pada model klasifikasi aspek, nilai accuracy sebesar 74.28%, precision sebesar 75.93%, recall sebesar 74.27%, dan f1 score sebesar 74.70%. Pada model klasifikasi sentimen pada masing-masing aspek, model klasifikasi sentimen pada aspek citizen support mendapatkan nilai yang paling tinggi dibanding aspek lain yaitu dengan nilai accuration sebesar 95.38%, precision sebesar 95.60%, recall sebesar 95.38%, dan f1-score sebesar 94.05%. Pada penelitian ini menghasilkan temuan sentimen pada masing-masing aspek dalam layanan perpanjang SIM online di aplikasi Digital Korlantas Polri dimana reliability merupakan aspek yang paling banyak dikemukakan dan mendapat sentimen negatif, kemudian diikuti oleh aspek efficiency, citizen support, dan aspek trust.

---

The Indonesian National Police (Polri) continues to strive to provide excellent public services, one of which is by innovating by utilizing technology in providing SIM services through an application called Digital Korlantas Polri. However, since the application was launched in 2021 to 2022 there have been reports in online news regarding problems with applications, so it is necessary to conduct research regarding how the public views the application as service users and maps these views into aspects which affect the quality of government services so that service providers can take improvement to realize excellent service delivery. The data used in this study are from Twitter and Play Store as many as 5944 data. The analysis is carried out by building a classification model of relevance, aspect, and sentiment on the aspects of reliability, efficiency, trust, and citizen support. The algorithms used are Decision Tree, Logistic Regression, and SVM. The results of classification modeling with the highest performance in the classification of relevance, aspect, and sentiment for each aspect were produced by the Logistic Regression algorithm with the TF-IDF unigram and SMOTE. In the relevance classification model, the accuracy value is 87.05%, precision is 87.38%, recall is 87.04%, and f1 score is 87.16%. In the aspect classification model, the accuracy value is 74.28%, precision is 75.93%, recall is 74.27%, and f1 score is 74.70%. In the sentiment classification model for each aspect, the sentiment classification model for the citizen support aspect gets the highest score compared to other aspects, namely with an accuracy value of 95.38%, a precision of 95.60%, a recall of 95.38%, and an f1-score of 94.05% . This study produced sentiment findings for each aspect of the online SIM service in the Digital Korlantas Polri application where reliability was the aspect that was most frequently raised and received negative sentiment, followed by aspects of efficiency, citizen support, and trust."

"Perkembangan teknologi informasi dan komunikasi (TIK) yang pesat menuntut inovasi dalam pengembangan aplikasi juga berkembang cepat. Aplikasi Tokopedia Seller merupakan salah satu aplikasi utama milik PT Tokopedia yang diperuntukkan bagi penjual dalam melakukan kegiatan operasional penjualan produk. Aplikasi yang baru diluncurkan di Android ini tergolong aplikasi perintis dan memerlukan banyak masukan dari pengguna, salah satunya dari Google Play Store. Akan tetapi, banyaknya ulasan yang masuk dan beragamnya opini, mengakibatkan proses analisis sentimen dan aspek ulasan menjadi lambat dan banyak terlewat. Oleh karena itu, perlu dilakukan suatu penelitian yang mengusulkan sistem otomatis untuk melakukan analisis sentimen berbasis aspek. Tujuan dari usulan sistem otomatis ini adalah untuk memudahkan proses analisis ulasan pengguna. Adapun data ulasan yang digunakan sebagai masukan eksperimen bersumber dari Google Play Store sejumlah 6.221 data berlabel dari Juli – September 2021. Penelitian ini menunjukkan bahwa algoritma Support Vector Machine (SVM) yang dipadukan dengan SMOTE menghasilkan performa yang paling baik dibandingkan dengan CNN dan Logistic Regression dengan accuracy 54%, precision 48%, dan recall 52% untuk mengklasifikan sentimen. Selaras dengan analisis sentimen, SVM dengan SMOTE juga menghasilkan performa yang lebih baik dengan accuracy 40%, precision 41%, dan recall 40%. Kondisi data ulasan yang cenderung singkat yakni kurang dari 10 kata, mengakibatkan performa klasifikasi kurang optimal.

---

The rapid development of information and communication technology (ICT) requires innovation in the field of application development. The Tokopedia Seller application is one of the main applications owned by PT Tokopedia which develops for sellers in carrying out product sales operational activities. It was just launched on Android, and it is classified as a pioneering application and requires a lot of input from users, one of which is from the Google Play Store. However, due to a lot of reviews came in, it makes the process of sentiment analysis and aspect review being slow and many being missed. Therefore, it is necessary to conduct a study that proposes a automatic system to perform aspect-based sentiment analysis. The purpose of this automated system proposal is to simplify the process of analyzing user reviews. The review of the data used as experimental input sourced from the Google Play Store with a total of 6,221 data labeled from July – September 2021. This study shows that the Support Vector Machine (SVM) algorithm combined with SMOTE produces the best performance compared to CNN and Logistic Regression with 54% accuracy, 48% precision, and 52% recall for classifying sentiments. In line with sentiment analysis, SVM with SMOTE also produces better performance with 40% accuracy, 41% precision, and 40% recall. The condition of the short review data is less than 10 words, resulting in a less than optimal classification performance."

"Menurut laporan Ericsson Mobility Report (2018), bahwa Jumlah total langganan seluler ada di sekitar 7,9 miliar pada Q3 2018, dengan 120 juta pelanggan baru bertambah pada kuartal tersebut.. Di Indonesia juga sudah cukup banyak orang yang melek dengan teknologi, terutama internet.. Pada penelitian ini, peneliti ingin mencari tentang karakteristik dari aplikasi (mobile app) yang berbayar (purchase) dan gratis (Free), terhadap peluang usaha pada perusahaan baru (startup) di Indonesia. Pada penelitian ini akan dilakukan pengamatan pada big data dan big data analytics, dari hasil pengumpulan aplikasi dalam bentuk populasi pada Google Play dan Apple App Store Indonesia. Pengambilan data akan menggunakan bahasa pemrograman Python 3.7 dan Anaconda sebagai IDE (Integrated Development Environment) sebagai basis visualisasi dari data dan program. Pengumpulan data dan penelitian akan berjalan dimulai dari Januari 2020.

---

According to the Ericsson Mobility Report (2018), the total number of cellular subscriptions is around 7.9 billion in Q3 2018, with 120 million new customers increasing in the quarter. In Indonesia, there are many people who are literate with technology, especially the internet. In this study, researchers want to find out about the characteristics of the application (mobile app) that is paid and free with in-app purchases, to business opportunities in new companies (startups) in Indonesia. In this study, observations will be made on big data and big data analytics, from the results of collecting applications in the form of population on Indonesia Google Play and Apple App Store. Data processing will use the Python 3.7 programming language, and Anaconda as an IDE (Integrated Development Environment) as the basis for visualization of data and programs. Data collection and research will run starting from January 2020."