Hasil Pencarian  ::  Simpan CSV :: Kembali

"ABSTRAKTren belanja yang terus meningkat mendorong tumbuhnya bisnis e-commerce di Indonesia yang salah satunya adalah suatu perusahaan e-commerce di Indonesia. Salah satu peran penting untuk mendukung bisnis e-commerce adalah kategorisasi produk yang baik. Kategorisasi produk yang baik akan membuat pencarian produk sesuai dengan kebutuhan dari pelanggan. Hal ini berdampak baik pada tingkat penjualan, pengalaman pengguna, maupun pengelolaan produk di sisi internal perusahaan. Akan tetapi, terdapat temuan kesalahan kategori yang penyebab utamanya adalah proses kategorisasi yang masih bersifat manual, berulang, dan massive.Penelitian ini bertujuan untuk membantu menyelesaikan permasalahan tersebut dengan membuat suatu model yang mampu melakukan klasifikasi produk secara otomatis. Data yang digunakan adalah judul produk, sedangkan untuk label adalah kategori dari setiap produk. Penelitian ini melakukan percobaan terhadap dua representasi yaitu bag-of-words (BoW) dan TF-IDF. Selain itu, penelitian ini menggunakan algoritma naïve bayes dan SVM dalam percobaannya.Hasil dari penelitian ini didapatkan model yang mampu melakukan klasifikasi produk salah satu perusahaan e-commerce secara baik. Kombinasi BoW dan SVM mampu menghasilkan model performa yang terbaik dengan nilai akurasi 96.40% dan F-measure 95.90%. Selain itu dari penelitian ini didapatkan hasil representasi BoW memberikan performa yang lebih baik dibandingkan dengan TF-IDF.

---

ABSTRACTThe increasing shopping trend encourages the growth of e-commerce businesses in Indonesia, one of which is e-commerce company in Indonesia. On of the important role to support e-commerce business is well-managed product categorization. Good product categorization will impact the product search according to the customer needs. This will affect the level of sales, user experience, and product management in the internal side of the company. However, some errors were found in the product category, the main causes are the manual categorization, repetitive, and massive process.This study is aimed to solve the problem by making a model that able to classify products automatically. The data that used in this study is the product title, while the label is the category of each product. This study conducted experiments on two representations; bag-of-words (BoW) and TF-IDF. In addition, this study is using naïve bayes and SVM algorithms in the experiment.This study resulted a model that able to classify one of e-commerce company products properly. The combination of BoW and SVM is able to produce the best performance model with an accuracy value of 96.40% and F-measure 95.90%. On the other hand, the results of the BoW representation provided the better performance than the TF-IDF."

"Transjakarta-Busway merupakan moda transportasi umum dengan jalanan khusus yang sedang dikembangkan oleh Pemerintah Daerah Ibukota Jakarta. Sejak tahun 2012 jumlah pengguna layanan Transjakarta-Busway terus menurun. Media sosial Twitter yang merupakan media sosial bagi masyarakat untuk mencurahkan opini, menjadi obyek peneliti untuk mendapatkan sentimen pengguna terhadap pelayanan Transjakarta-Busway. Penelitian ini menggunakan metode text mining digunakan untuk proses klasifikasi (keamanan, kenyamanan, keselamatan, kesetaraan,keterjangkauan, keteraturan) dengan membandingkan metode Support Vector Machine (SVM) dan Naïve Bayes, serta data stemming maupun non-stemming. Penelitian menunjukan klasifikasi paling akurat didapat dari data non-stemming dengan metode Support Vector Machine (SVM). Hasil Klasifikasi yang didapat dibandingkan signifikasinya terhadap sentimen masyarakat dengan menggunakan Uji Chi-Square dan Prosedur Marascuilo, sehingga didapat pengaruh paling besar didapat dari sector kelompok Keselamatan, diikuti skctor Keteraturan, Kenyamanan, Keamanan Keterjangkauan, dan Kesetaraan. Keadaan fisik Transjakarta-Busway adalah yang paling dikeluhkan karena dirasa tidak layak.

---

Transjakarta-Busway is one of the well-known public transportation with special track in Jakarta. Jakarta?s government has been developing Transjakarta-Busway since 2009. But from 2012, the number of passanger is decreasing. Twitter, the famous social media in Indonesia, that used by community to express their feeling and opinion, has been used in this research to get sentiment from customer about Transjakarta-Busway?s services. This research used text mining as a method to classifying sentiment into 6 different groups (equality, safety, comfort, affordability, order, and security) with a comparison between Support Vector Machine (SVM) method and Naïve Bayes method.

This research shows that the most accurate classification is using Support Vector Machine Method wih non-stemming data. After that, the signification of classification compared using Chi-Square Test and Marascuilo Procedure. The Research shows that the biggest influence to sentiment comes from safety sector, followed by order section, comfort section, security section, affordability section, and the least influence comes from equality section. Physical condition of Transjakarta-Busway is the most complained among all."

"Penelitian ini memanfaatkan informasi yang terdapat di surat kabar sebagai proksi untuk mengukur ketidakpastian ekonomi dengan membentuk Indeks Ketidakpastian Kebijakan Ekonomi Indonesia selama periode 2014-2021. Indeks dibangun dengan menganalisis kumpulan data artikel surat kabar yang mengandung istilah “ekonomi” dan “ketidakpastian”, untuk kemudian untuk mencari topik terkait “kebijakan” di dalam artikel tersebut menggunakan metode text-mining. Berdasarkan frekuensi terbit artikel terpilih kemudian dibentuk indeks dengan mean 100 dan standar deviasi 1 untuk indeks utama dan indeks per topik kebijakan. Atas pergerakan dan variasi indeks diberi pemaknaan sesuai dengan kondisi pada waktu tersebut.Indeks IEPU yang terbentuk kemudian terdiri dari 10 topik kebijakan yang dibagi dalam 8 kategori kebijakan utama; moneter, fiskal, perdagangan, regulasi domestik, regulasi internasional, geopolitik, energi/sumber daya, dan politik yang kemudian dipergunakan untuk membahas variasi pergerakan indeks yang terjadi. Hasil atas perbandingan dengan indeks VIX dan GEPU yang bersifat global menunjukkan korelasi negatif, sedangkan jika dibandingkan dengan indeks WUI untuk Indonesia menghasilkan korelasi positif.'

---

This research uses information in printed newspapers to create a proxy for measuring uncertainty by forming Indonesia Economic Policy Uncertainty Index for 2014-2021. The index was built by analyzing an extensive data set of articles containing the terms ‘economics’ and ‘uncertainty’ in Bahasa. The text-mining topic modeling method of the Latent Dirichlet was applied to look for terms in the articles that referenced ‘policy.’ Based on the frequency of article publication, an index with a mean of 100 and a standard deviation of 1 was created. The IEPU index topics consist of eight main policy categories; monetary, fiscal, trade, domestic regulation, international regulation, geopolitics, energy/resources, and politics. In addition, its movement can be described based on economic uncertainty events that happened on the timeline. This research also compares the formed index with pre-existing uncertainty indices, namely the VIX index, the GEPU index, and the WUI index for Indonesia.

"

"Pengadaan buku melakukan penyeleksian kebutuhan topik berdasarkan rekomendasi dosen, beberapa mahasiswa, maupun pustakawan sendiri. Sumber ini dianggap kurang menyeluruh, sehingga dibutuhkan sumber informasi lain, yaitu kata kunci pencarian buku. Penelitian ini dilakukan di Perpustakaan Universitas Indonesia dengan menggunakan salah satu dari metode text mining, yaitu metode Latent Relation Discovery untuk menemukan nilai relation strength dengan memperhitungkan kemunculan bersamaan dan jarak antara kata. Hasil dari penelitian menemukan 126 pasangan kata atau topik kata kunci pencarian dan 56 topik yang sesuai dengan topik buku pinjaman dan 2 topik yang sesuai dengan topik buku yang akan diadakan, sehingga 58 topik kemudian diajukan. Jika dibandingkan dengan hanya melihat frekuensi kata, topik ini dapat memberikan informasi yang lebih spesifik. Namun jika dibandingkan dengan topik pada buku pinjaman dan daftar pengadaan buku, topik kata kunci menjadi terlalu umum dan terbatas pada kata yang muncul.

---

Books acquisition usually do the screening needs of topics based on lecturer recommendations, some students, and librarian themselves. These sources are considered less comprehensive, thus other sources of information is needed, that is keyword. This research was conducted at the University of Indonesia Library using one of the methods of text mining, the method of Latent Relation Discovery, to find relations strength value by considering the emergence of concurrence and distance between words.

The results of the study found 126 pairs of words or topic from keyword and 56 topics that fit with the topic of the borrowed book and the 2 topics that match the topics to the book that is recommended. Rather than simply considering frequency of the words, this topic can provide more specific information, but when it compared with the topics from the loan book and textbook acquisition list, these topics become too common and limited to words that appear."

"Provinsi DKI Jakarta memiliki tantangan dan permasalahan urban yang lebih kompleks dibandingkan daerah lainnya di Indonesia. Oleh karena itu, dibutuhkan perencanaan pembangunan daerah yang melibatkan seluruh pemangku kepentingan, terutama masyarakat. Salah satu pendekatan yang dilakukan adalah menyediakan sarana bagi masyarakat untuk menyampaikan aspirasi dan permasalahan yang terjadi di lingkungannya. Aspirasi dan permasalahan yang terjaring selanjutnya perlu dipetakan dan disinergikan dengan kebijakan dan prioritas pembangunan nasional. Penelitian ini menggunakan teknik Text Mining untuk mengklasifikasi laporan yang berupa teks menjadi beberapa kelas dan mengelompokkan set data setiap kelas untuk mendapatkan topik-topik khusus. Hasil penelitian menunjukkan bahwa masalah banjir dan kebersihan, khususnya menyangkut saluran air dan masalah sistem transportasi, khususnya mengenai jalan yang butuh perbaikan atau peninggian menjadi topik yang paling sering dilaporkan masyarakat. Visualisasi dan analisis dengan Sistem Informasi Geografis serta Diagram Pareto menunjukkan persebaran masalah dan masalah yang perlu diprioritaskan oleh tiap kota/kabupaten

---

Jakarta has more complex problems and challenges than other urban areas in Indonesia. Therefore, the development plan of Jakarta involves all of the stakeholders, especially the public. One approach taken is to provide a means for public to submit aspirations and problems that occur at their surroundings. Aspirations and problems conveyed by public then need to be mapped and synergized with national policy and development priorities. This study uses Text Mining techniques to classify the textual report into several classes and then cluster data set in each class into specific topics. The results showed that the majority of public reports are associated with flood problems, especially regarding to drainage and waterways, and transportation system problems, especially regarding to roads condition. Visualization and analysis using Geographic Information Systems and Pareto Chart shows the spreads of the problems and issues that need to be prioritized by each city/county"

"Penelitian ini bertujuan untuk membangun proses bisnis pengawasan Fintech P2P Lending di Indonesia berbasis Berita Daring, Twitter, dan Ulasan Google Playstore. Usulan pengawasan yang baru digambarkan dengan Business Process Modeling Notation (BPMN). Selanjutnya diimplementasikan dengan membuat prototipe. Pendekatan yang digunakan adalah pendekatan Text Mining seperti ekstraksi informasi dengan Named Entity Recognition (NER), Analisis Sentimen dan Pemodelan Topik dengan Latent Dirichlet Allocation (LDA). Hasil eksperimen pada pendekatan NER menunjukan Algoritma Multinomial Naïve Bayes mendapatkan F1-score tertinggi sebesar 90%, sedangkan pada pendekatan analisis sentiment model Naïve Bayes dan Random Forest terbukti memiliki akurasi tinggi yaitu diatas 91%. Hasil NER membuktikan bahwa platform Cashless, Yokke, Digital Artha Media, Koinworks, Moka, Privy id, PT Tunaiku Fintech Indonesia, PT Relasi Perdana Indonesia, PT Dynamic Credit Asia dan PT Progo Puncak Group tidak ada dalam daftar Fintech di Otoritas Jasa Keuangan (OJK). Sedangkan hasil Persentase positif untuk aplikasi Adakami, Easycash, Danamas, Dompetkilat, dan Indodana berturut-turut adalah 47%, 59%, 28%, 24%, dan 29%. Penelitian ini dapat digunakan oleh OJK untuk pengawasan Fintech dan meningkatkan perlindungan konsumen.

---

This research aims to build a business process to supervise Fintech P2P Lending in Indonesia based on Online News, Twitter, and Google Playstore Reviews. The proposed new supervision is described by the Business Process Modeling Notation (BPMN), then implemented by making a prototype. The Text Mining approach uses information extraction with Named Entity Recognition (NER), Sentiment Analysis, and Topic Modeling with Latent Dirichlet Allocation (LDA). Experimental results on the NER approach show that the Naïve Bayes Multinomial Algorithm gets the highest F1-score of 90%. In contrast, the Naïve Bayes and Random Forest model sentiment analysis approaches are proven to have high accuracy, above 91%. The NER results demonstrate that the platforms Cashless, Yokke, Digital Artha Media, Koinworks, Moka, Privy id, PT Tunaiku Fintech Indonesia, PT Relasi Perdana Indonesia, PT Dynamic Credit Asia, and PT Progo Puncak Group are not on the Fintech list at the Financial Services Authority (OJK). While the positive percentage results for the Adakami, Easycash, Danamas, Dompetkilat, and Indodana applications were 47%, 59%, 28%, 24%, and 29%, respectively. This research can be used by OJK for Fintech supervision and improving consumer protection."

"Salah satu tantangan utama organisasi di era globalisasi ini adalah bagaimana mengarahkan perkembangan organisasi ke arah berkelanjutan yang ideal. Setiap tingkat kesiapan membutuhkan rubrik kapabilitas dan indikator yang berbeda. Oleh karena itu, penelitian ini bertujuan untuk mengembangkan Corporate Sustainability Maturity Model (CSMM), yang dapat digunakan oleh organisasi untuk melakukan penilaian diri, mengidentifikasi tingkat kesiapan organisasi saat ini dan transisi ke organisasi berkelanjutan yang lebih matang. Pengembangan CSMM dilakukan dengan menggunakan strategi tiga tahap pengembangan maturity model yaitu scoping, designing dan evaluating. Rancangan CSMM yang melibatkan tinjauan pustaka secara masif, wawancara 7 praktisi dan keterlibatan lebih dari 100 organisasi sebagai narasumber ini menghasilkan 6 domain dan 23 sub-domain; rubrik kapabilitas dan indikator yang didefinisikan untuk 3 tingkat kematangan. CSMM ini kemudian dievaluasi melalui penerapan pada organisasi secara riil melalui dua metode: (i) metode kuesioner & wawancara dan (ii) metode text mining. Berdasarkan temuan, sebagian besar organisasi Indonesia telah menerapkan aktivitas keberlanjutan secara optimal tapi bersifat parsial, tanpa didahului perencanaan strategis atau mengakomodasi tekanan internal dan eksternal yang mendorong upaya keberlanjutan tersebut. Secara keseluruhan, CSMM ini dapat diklaim sebagai sustainability maturity model yang pertama yang dikembangkan dalam menilai kesiapan penerapan prinsip berkelanjutan dalam konteks praktik di Indonesia. Selain itu, penggunaan metode text mining selama proses penilaian dan pembuatan aplikasi pintar sehingga organisasi dapat melakukan penilaian tingkat kematangan secara mandiri dapat diklaim sebagai "angin segar" bagi penelitian dengan topik sejenis.

---

One of the main challenges of organisations in this era of globalisation is how to navigate their development into ideal sustainable organisations. However, each readiness level requires a different rubric of requirements and indicators. Therefore, this study develops a corporate sustainability maturity model (CSMM), which can be used by organisations to conduct self-assessments, identify their current sustainability maturity levels and transition into mature sustainable organisations. A three-step development strategy was used to develop the proposed CSMM, i.e. the stages of scoping, designing and evaluating. The proposed CSMM includes 6 maturity domains and 23 sub-domains, and the rubric of requirements and indicators were defined among 3 maturity levels. The verified CSMM was then evaluated by assessing real-world organisations. Two methods were applied during the stage of evaluating CSMM: (i) interview & questionnaire assessment method and (ii) text mining assessment method. Based on the findings, most of Indonesian organisations conducted sustainability activities independently, without having a strategic plan in place or accommodating the internal and external pressures that drive the organisational sustainability efforts. Overall, this CSMM can be claimed as the first sustainability maturity model developed for readiness assessment in an Indonesian context. Additionally, based on this CSMM, the usage of text mining method to assess the companies and the creation of smart application so that the organisations are able to do their self-assessment can be claimed as “fresh air” for the researches on similar topics"

"E-commerce merupakan online platform yang sedang mengalami pertumbuhan pesat dan memberikan kontribusi terhadap perekonomian internet di Indonesia selama lima tahun terakhir. E-commerce menghasilkan ulasan konsumen yang merupakan sumber informasi bagi para pemangku kepentingan. Penelitian ini melakukan analisis big data terhadap 132.085 ulasan konsumen online mengenai ponsel Xiaomi yang ditulis pada tiga situs e-commerce terbesar di Indonesia: Shopee, Bukalapak, dan Blibli dengan text mining, untuk mengidentifikasi distribusi topik, menganalisis jaringan asosiasi semantik, menemukan perbedaan pada ketiga situs, dan menganalisis hubungan antara topik dan skor penilaian ulasan. Hasil penelitian menunjukkan bahwa logistik merupakan topik yang paling banyak didiskusikan pada ketiga situs, sementara kualitas pelayanan lebih banyak didiskusikan pada Consumer-to-Consumer (C2C) daripada Business-to-Consumer (B2C) e-commerce. Atribut ponsel lebih banyak didiskusikan pada Bukalapak dan Blibli, dengan fokus topik sistem dan CPU & perangkat keras. Jaringan ulasan konsumen Bukalapak membentuk scale-free network, sementara jaringan kedua situs lainnya hanya menunjukkan karakteristik dari small-world network. Hasil regresi logistik ordinal menunjukkan bahwa 5 dari 8 topik yang dibahas dalam komentar ulasan memiliki hubungan negatif dengan skor penilaian, serta ulasan bernilai rendah cenderung memiliki komentar yang lebih panjang dan spesifik. Hasil penelitian dapat bermanfaat sebagai wawasan untuk pengembangan bagi para pemangku kepentingan di industri e-commerce.

---

E-commerce is a rapidly growing online platform that contributes to Indonesias internet economy during the past five years. E-commerce generates customer reviews as a source of information for stakeholders. This study applies big data analytics toward 132,085 online reviews about Xiaomi mobile phones posted on three major e-commerce websites in Indonesia: Shopee, Bukalapak, and Blibli by text mining, in identifying their distribution of topics, analyzing semantic association network, determining differences between the three websites, also analyzing the relationship between topics and rating score. The findings show that logistics is the most highly discussed topic, while service quality is discussed more in Consumer-to-Consumer (C2C) rather Business-to-Consumer (B2C) e-commerce. Phone attributes are discussed more in Bukalapak and Blibli, focusing on system and CPU & hardware topics. The network of Bukalapaks customer reviews form a scale-free network, and the other two only have the characteristics of a small-world network. The overall results from multilinear regression and ordinal logistic regression show that 5 out of 8 topics reviewed have negative relationships with rating scores, and low-rated reviews tend to have longer and more specific review comments. The findings provide insights for e-commerce stakeholders in supporting further development."

"Peningkatan aksesibilitas koleksi perpustakaan, khususnya koleksi skripsi, tesis, dan disertasi perlu dilakukan, mengingat jumlah koleksi yang tinggi, namun sistem pengelolaan saat ini masih didasarkan pada kedatangan koleksi di Perpustakaan Universitas Indonesia. Untuk mengelola koleksi tersebut dibutuhkan kategori-kategori yang dapat mewakili skripsi, tesis, dan disertasi. Penelitian ini dilakukan untuk menentukan kategori-kategori tersebut melalui pengolahan data abstrak setiap skripsi, tesis, dan disertasi pada tahun 2005-2015 dengan salah satu algoritma clustering, yaitu Self-Organizing Map. Melalui penelitian ini ditemukan 139 kategori yang dapat mewakili skripsi, tesis, dan disertasi, yang akan digunakan untuk mengelompokkan skripsi, tesis, dan disertasi Universitas Indonesia.

---

Accessibility improvement of library collection, in particular undergraduate thesis, post-graduate thesis, and dissertation needs to be done, given the high number of collection, but the current management system is still based on the arrival of collection in Universitas Indonesia?s Library. Categories that can represent undergraduate thesis, post-graduate thesis, and dissertation are required in order to manage those collections. This research aims to determine categories through abstract data processing of each undergraduate thesis, post-graduate thesis, and dissertation in 2005-2015 with a clustering algorithm, namely Self-Organizing Map. This study found 139 categories that can represent undergraduate thesis, postgraduate thesis, and dissertation, that can be used to classify those collections."

"Female Daily Network perusahaan yang bergerak di bidang media sosial. Female Dailymemiliki media sosial untuk membagikan pengalaman menggunakan produk kecantikanbernama Female Daily. Female Daily memiliki peraturan untuk tidak menggunakanFemale Daily Platform untuk mempromosikan, menjual produk, dan layanan di platformmedia sosial di Female Daily. Namun, pengguna di Female Daily terkadang melanggarperaturan tersebut di post mereka dan menyebabkan pengguna lain terganggu akan haltersebut. Admin di Female Daily kesulitan untuk mengidentifikasi pengguna yangmelanggar aturan itu dan melarang post mereka yang berisi penjualan produk karenaketerbatasan jumlah admin dengan jumlah post yang masuk tiap hari. Text mining jugadapat mengatasi permasalahan ini dengan menentukan klasifikasi secara otomatis denganmembuat sistem yang melakukan proses pembelajaran dengan dari kata-kata post yangtersedia. Algoritme yang bisa digunakan untuk melakukan proses text mining padapenelitian ini seperti Support Vector Machine (SVM), Naïve Bayes (NB), Decision Tree(DT), dan Random Forest (RF). Penelitian ini menggunakan kombinasi cara ekstraksifitur, fitur kontekstual, dan melakukan balancing data. Penelitian ini menggunakanskenario penelitian untuk menganalisis ekstraksi fitur, penggunaan fitur kontekstual, danbalancing data. Algoritme terbaik dilihat dari nilai recall pada kombinasi algoritme danfitur penelitian ini adalah Random Forest TF-IDF Unigram dan menggunakan tambahanfitur kontekstual deteksi uang dan kata-kata menjual dengan data yang seimbang. Nilairecall 88.37% didapatkan dari hasil kombinasi algoritme dan fitur tersebut.

---

Female Daily Network is a company engaged in social media. Female Daily has social

media to share experiences using beauty products called Female Daily. Female Daily has

regulations not to use the Female Daily Platform to promote, sell products and services

on social media platforms in Female Daily. However, users on Female Daily sometimes

violate these rules in their posts and cause other users to be annoyed about it. Admins at

Female Daily have difficulty identifying users who violate these rules and ban their posts

containing product sales due to the limited number of admins with the number of posts

that enter each day. Text mining can also overcome this problem by determining the

classification automatically by creating a system that carries out the learning process

from the available post words. Algorithms that can be used to carry out the text mining

process in this research are Support Vector Machine (SVM), Naïve Bayes (NB), Decision

Tree (DT), and Random Forest (RF). This study uses a combination of feature extraction,

contextual features, and data balancing. This study uses research scenarios to analyze

feature extraction, contextual feature usage, and data balancing. The best algorithm seen

from the recall value in the combination of algorithms and features of this research is the

Random Forest TF-IDF Unigram and uses additional contextual features to detect money

and selling words with balanced data. The recall value of 88.37% is obtained from the

results of the combination of these algorithms and features."