Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
Indonesia sebagai negara maritim membutuhkan sarana transportasi laut untuk mendorong pertumbungan ekonomi di Indonesia. Mobilitas penumpang dan barang yang terjadi merupakan peluang PT PELNI (Persero) untuk dapat meningkatkan pendapatan perusahaan melalui optimalisasi trayek kapal penumpang. Namun saat ini PT PELNI (Persero) belum dapat menentukan rute-rute potensial sehingga trayek yang ditetapkan belum dapat mengoptimalkan margin keuntungan. Penelitian ini bertujuan untuk menganalisis hasil penjualan tiket penumpang dan barang pada kapal penumpang PT PELNI (Persero) dengan mempelajari pola rute-rute yang sering dilalui penumpang maupun barang pada waktu tertentu dan sebaran penumpang/barang berdasarkan daerah atau pelabuhan di Indonesia agar dapat membantu Manajemen dalam pengambilan keputusan untuk mengoptimalkan trayek perjalanan kapal dan meningkatkan penghasilan perusahaan. Penelitian ini merupakan quantitative research menggunakan experimental strategy dengan pengumpulan data kuantatitatif dari data transaksi penjualan tiket penumpang dan barang pada kapal penumpang untuk dilakukan pengujian hubungan antar variabel dengan pemodelan data mining. Kemudian dilakukan tahapan-tahapan pada data mining menggunakan Cross-Industry Standard Process for Data Mining (CRISP-DM) untuk menemukan pola rute-rute yang sering dilalui oleh penumpang kapal maupun muatan barang. Penelitian ini menggunakan teknik data mining, yaitu clustering dengan algoritma K-Means dan classification dengan algoritma Na�ve Bayes, Decision Tree dan Random Forest. Berdasarkan hasil clustering yang dievaluasi dengan metode Elbow, cluster terbaik yang digunakan adalah cluster dengan nilai k=4 untuk menjadi label pada pemodelan classification. Dari hasil classification, Algoritma yang memiliki tingkat akurasi paling baik adalah algoritma Random Forest dengan nilai accuracy sebesar 99,70% dan accuracy meningkat setelah diseimbangkan dengan SMOTE upsampling menjadi 99,85%. Dari pemodelan data mining yang dilakukan dihasilkan rute-rute potensial untuk angkutan penumpang, potensial untuk angkutan barang, cukup potensial dan kurang potensial untuk penumpang atau muatan barang, sehingga PT PELNI (Persero) dapat mengatur stategi pemasaran untuk mengoptimalkan trayek dengan menyesuaikan rute, mengatur alokasi seat dan frekuensi pelayaran kapal penumpang pada saat peak season maupun low season. ......As a maritime country, Indonesia needs sea transportation to encourage economic growth in Indonesia. The mobility of passengers and cargo is an opportunity for PT PELNI (Persero) to increase revenue by optimizing passenger ship routes. But currently, PT PELNI (Persero) has not been able to determine the potential ship routes, so the route set has not been able to optimize the profit margin. This study aims to analyze the cargo and passenger ticket sales of PT PELNI (Persero) passenger ships by studying the pattern of routes that passengers and cargo often travel at a particular time as well as the distribution of passengers and cargo by region or port in Indonesia to assist Management in making decisions to optimize ship routes and increase company revenue. This research uses the experimental strategy with quantitative data from transaction data on sales of cargo and passenger tickets on passenger vessels to test the relationship between variables with data mining modeling. Then the steps are done on data mining using Cross-Industry Standard Process for Data Mining (CRISP-DM) to find the pattern of routes that ship passengers and cargo often pass. This research uses data mining techniques: clustering with the K-Means algorithm and classification with Na�ve Bayes, Decision Tree, and Random Forest algorithm. Based on the clustering results evaluated using the Elbow methods, the best cluster to use is a cluster with a value of k=4 to be a label in classification modeling. From the classification results, the algorithm with the best accuracy level is the Random Forest algorithm, with an accuracy value of 99.70%. The accuracy increases after being balanced with SMOTE upsampling to 99.85%. The data mining modeling produces potential routes for passenger transportation, freight transportation, and enough and less potential for passengers or cargo. So that PT PELNI (Persero) can set a marketing strategy to optimize routes by adjusting routes, managing allocation seats, and frequency of passenger ships during peak and low seasons.

Abstrak :
Penelitian ini dibuat dengan tujuan untuk menguak apa saja motivasi di balik keraguan vaksinasi. Respon tersebut merupakan respon maladaptif yang dapat dipelajari juga berdasarkan Protection Motivation Theory (PMT). Selain itu, penelitian ini juga dibuat untuk menghasilkan rekomendasi terhadap tindakan intervensi yang dapat dilakukan pemerintah dan regulator kesehatan lainnya. Penelitian ini dilakukan terhadap media sosial Twitter Indonesia. Sebagai bagian dari penelitian ini, sebuah Sistematic Literature Review (SLR) telah dilakukan terhadap enam basis data yang dipercaya. Dari 20 studi sebelumnya yang dihasilkan, dilakukan sintesis terhadap topik dan metode yang digunakan, serta topik yang ditemukan dari penelitian terdahulu untuk dimanfaatkan di dalam penelitian. Data Twitter dikumpulkan dengan menggunakan SNScrape dengan kata kunci "vaksinasi atau vaksin" pada periode 11 November 2020, 1 bulan sebelum masuknya vaksin ke Indonesia, hingga 30 April 2022. Hasil analisis sentimen menunjukkan hasil yang sesuai dengan penelitian sebelumnya, dimana pembicaraan tentang vaksinasi selalu dibayang-banyangi oleh keraguan vaksinasi dengan porsi yang sedikit di bawah data dengan sentimen positif. Motivasi yang ditemukan dari penggalian topik telah dipetakan terhadap kategori penyebab keraguan vaksinasi pada level individu, micro-social, intermediate-social, dan macro-social. Dari keempat kategori tersebut, topik tentang macro- social terkait kehalalan vaksin dari segi agama tidak ditemukan pada penelitian sebelumnya. Berbagai rekomendasi telah disusun berdasarkan hasil penggalian topik. Rekomendasi tersebut ada yang berada pada tingkatan strategis dan praktikal dari sisi Teknologi Informasi. Adanya portal informasi yang lengkap dan terintegrasi, serta penyebaran vaksin dengan membuat model prediksi kebutuhan vaksin akan menunjang peningkatan respons adaptif terhadap anjuran vaksinasi. ......This study was made with the aim of uncovering what are the motivations behind vaccination doubts. This maladaptive response was studied based on the Protection Motivation Theory (PMT). In addition, this research is also made to produce recommendations on intervention actions that can be carried out by the government and other health regulators. This research was conducted on Indonesian Twitter. As part of this research, a Systematic Literature Review (SLR) was conducted on six trusted databases. From the 20 previous studies produced, a synthesis was carried out on the topics and methods used, as well as topics founded from previous studies to be used in research. Twitter data was collected using SNScrape with the keyword "vaccination or vaccine" within 11 November 2020, 1 month before the entry of vaccines into Indonesia, until 30 April 2022. The results of the sentiment analysis show results that are in accordance with previous research, where talk about vaccination is always shadowed by vaccine hesitancy, which was slightly below the numbers of positive sentiment data. The motivations found from the topic exploration have been mapped into individual, microsocial, intermediate-social, and macro-social levels. Of the four categories, the topic of macro-social related to the halalness of vaccines in terms of religion was not found in previous studies. Some practical recommendation had been proposed, included strategic and practical recommendation. Utilizing both integrated more complete information portal and a prediction- based distribution model would bring up the adaptive response toward vaccination.

Abstrak :
Bukalapak merupakan salah satu perusahaan di Indonesia yang bergerak di bidang ECommerce. Tercatat pada tahun 2019, Bukalapak mengalami peningkatan pertumbuhan pengguna sebanyak 230% jika dibandingkan dengan tahun sebelumnya. Sayangnya pertumbuhan pengguna juga diikuti dengan peningkatan jumlah komplain yang terjadi di Bukalapak. Tercatat pada tahun 2020, komplain Bukalapak meningkat sebanyak 50% di akhir tahun 2020 jika dibandingkan dengan di awal tahun 2020. Peningkatan komplain tersebut menyebabkan meningkatnya average handle time pada komplain yang menyebabkan turunya kepuasan pengguna. Hal tersebut tentunya menjadi perhatian bagi pihak manajemen. Pada penelitian kali ini, dilakukan klasifikasi kategori komplain yang ada di Bukalapak. Penelitian ini bertujuan untuk mencari tahu, model klasifikasi apa yang cocok digunakan dalam menentukan kategori komplain yang masuk ke Bukalapak. Adapun model klasifikasi yang digunakan di dalam penelitian ini yaitu, Logistic Regression, k Nearest Neighbor, dan Support Vector Machine. Sedangkan data yang digunakan merupakan data komplain dari Januari 2021 hingga Desember 2021. Dari hasil penelitian, ditemukan bahwa model klasifikasi logistic regression memiliki nilai akurasi paling tinggi di antara 2 model lainya. Model logistic regression berhasil mendapatkan nilai akurasi sebesar 83,9%. Posisi kedua di tempati oleh model k Nearest Neighbors dengan akurasi sebesar 65,3%. Terakhir ditempati oleh model Support Vector Machine dengan nilai akurasi sebesar 40.5%. ......Bukalapak is one of the companies in Indonesia that is engaged in E-Commerce. It was recorded that in 2019, Bukalapak experienced a 230% increase in user growth compared to the previous year. Unfortunately, the growth in users is also followed by an increase in the number of complaints that occur in Bukalapak. It was recorded that in 2020, Bukalapak complaints increased by 50% at the end of 2020 when compared to the beginning of 2020. The increase in complaints led to an increase in the average handle time for complaints which led to a decrease in user satisfaction. This is certainly a concern for the management. In this study, the classification of complaints categories in Bukalapak will be carried out. This study aims to find out what classification model is suitable to be used in determining the category of complaints in Bukalapak. The classification model that will be used in this research is Logistic Regression, k Nearest Neighbor, and Support Vector Machine. While the data that will be used is data on complaints from January 2021 to December 2021. From the results of the study, it was found that the logistic regression classification model had the highest value among the other 2 models. The logistic regression model managed to get an accuracy value of 83.9%. The second position is occupied by the k Nearest Neighbors model with an accuracy of 65.3%. Last occupied by the SVM model with an accuracy value of 40.5%

Abstrak :
Direktorat Jenderal Pemasyarakatan adalah unsur pelaksana teknis Kementerian Hukum dan Hak Asasi Manusia yang memiliki tugas merumuskan dan melaksanakan kebijakan dan standarisasi teknis di bisang pemasyarakatan. Direktorat Jenderal Pemasyarakatan melakukan transformasi digital dalam menjalankan pelayanan pemasyarakatan. Transformasi digital sejalan dengan tata kelola data dan informasi yang baik dalam mencapai tujuan organisasi. Berdasarkan peraturan satu data Indonesia dan sistem pemerintah berbasis elektronik menjadi pedoman instansi pemerintah dalam pertukaran data dan penggunaan sistem informasi dalam menjalankan tugas pokok dan fungsinya. Menurut dokumen cetak biru TI Ditjenpas belum memiliki tata kelola data yang mengakibatkan beberapa data tidak valid dan tidak sesuai yang membuat kurangnya kualitas data. Dengan adanya tata kelola data memudahkan organisasi dalam mengelola data agar mendapatkan data yang terstandar dan berkualitas untuk menyelesaikan permasalahan yang ada. Metode yang digunakan dalam perancangan data governance di Direktorat Jenderal Pemasyarakatan mengacu pada Data Management Body of Knowledge (DMBOK). Pada penelitian ini melakukan pengukuran tingkat kematangan data governance untuk mengetahui peta kemampuan organisasi dalam menerapkan data governance, selanjutnya melakukan pemetaan peran, aktivitas, dan tanggungjawab, serta melakukan perancangan struktur organisasi data governance di Direktorat Jenderal Pemasyarakatan. Perancangan data governance dapat menjadi solusi untuk mempersiapkan manajemen data governance dalam mendukung kepatuhan terhadap regulasi. ......The Directorate General of Corrections is the technical implementing element of the Ministry of Law and Human Rights, which has the task of formulating and implementing policies and technical standardization in the correctional sector. The Directorate General of Corrections carries out digital transformation in correctional services. Digital transformation aligns with good data and information governance in achieving organizational goals. Based on the Indonesian one data regulation and an electronic-based government system, it becomes a guideline for government agencies in exchanging data and using information systems in carrying out their primary duties and functions. According to the IT blueprint document, Ditjenpas does not yet have data governance, resulting in invalid and inappropriate data and a lack of data quality. With data governance, it is easier for organizations to manage data in order to obtain standardized and quality data to solve existing problems. The method used in designing data governance at the Directorate General of Corrections refers to as the Data Management Body of Knowledge (DMBOK). In this study, to measure the maturity level of data governance to determine the map of the organization's ability to implement data governance, then to map roles, activities, and responsibilities, and to design the organizational structure of data governance at the Directorate General of Corrections. Data governance design can be a solution to prepare data governance management to support regulatory compliance.

Abstrak :
Potensi penggunaan media sosial bagi desa wisata di era digitalisasi ini sangatlah besar. Mempertimbangkan besarnya potensi penggunaan tersebut, Kemenparekraf menghimbau para pengelola desa wisata untuk meningkatkan adaptasi mereka terhadap media sosial. Namun sangat disayangkan, realitasnya masih banyak pengelola desa wisata yang belum memiliki kesadaran akan pentingnya hal tersebut. Terbukti dari total 40 desa wisata di Kabupaten Bogor saja, baru 19 yang diketahui telah memanfaatkan media sosial. Penyebabnya adalah masih banyak pengelola desa wisata yang resisten. Terlebih lagi, kebanyakan dari mereka juga belum meyakini betul manfaat dari pengadopsian media sosial. Jika masalah ini dibiarkan tanpa upaya penyelesaian, maka akan berdampak pada timbulnya berbagai risiko kerugian jangka panjang, seperti: terhambatnya keberlanjutan pembangunan desa wisata, hilangnya peluang untuk bertahan dan pulih dari kondisi krisis pasca Covid-19, tidak mampu berkontribusi maksimal terhadap PDB, serta kehilangan atensi calon pengunjung sebesar 70% dari kegiatan search dan share. Perlu disusun rekomendasi strategi yang dapat mempercepat proses pengadopsian media sosial, khususnya untuk desa-desa wisata di Kabupaten Bogor. Namun, sebelum rekomendasi strategi dapat disusun, perlu diketahui dahulu faktor-faktor apa saja yang dapat memengaruhi pengelola desa wisata untuk mengadopsi media sosial serta bagaimana dampak penggunaannya. Untuk tujuan tersebut, dilaksanakan studi kualitatif dengan pendekatan studi kasus tunggal embeddeed terhadap delapan desa wisata di Kabupaten Bogor yang terpilih sebagai unit analisis melalui penerapan teknik maximum variation. Model penelitian dibangun berdasarkan perspektif multi-teori guna memberikan pemahaman yang komprehensif tentang pengaruh tiap-tiap faktor adopsi sekaligus menjamin kredibilitas hasil penelitian. Secara khusus teori adopsi inovasi TOE digunakan sebagai kerangka kerja menyeluruh, sedangkan indikator di dalamnya dikembangkan melalui eksplorasi empat teori adopsi inovasi lainnya yaitu DOI, TAM, UTAUT, dan Institutional Theory. Pengolahan dan analisis data penelitian dilakukan melalui penerapan tiga tingkat pengodean yaitu terbuka, aksial, dan selektif, dengan bantuan computer-assisted qualitative data analysis software NVivo 12. Hasil studi memvalidasi perceived benefit, perceived risk, perceived compatibility, perceived ease of use, cost,top management support, member capability, financial and IT resources, competitive pressure, customer pressure, dan social influence sebagai faktor-faktor yang memengaruhi pengadopsian media sosial. Hasil studi lebih lanjut mengidentifikasi bahwa penggunaan media sosial tidak hanya memberikan dampak positif berupa manfaat, tetapi juga bisa membawa dampak negatif berupa risiko. Meski demikian, para pengelola desa wisata meyakini bahwa manfaat yang dapat diterima jauh lebih besar dan signifikan jika dibandingkan dengan risiko yang mungkin dihadapinya. ......The potential use of social media for tourism villages in this digitalization era is extensive. Considering the magnitude of the potential use, the Ministry of Tourism and Creative Economy urges tourism village managers to improve their adaptation to social media. However, it is miserable that many tourism village managers are still unaware of this importance. The proof is from 40 tourism villages in Bogor Regency alone; only 19 are known to have used social media. The reason is that there are still many resistant tourism village managers. Moreover, most are also unsure of the benefits of adopting social media. Suppose this problem is left without any efforts to resolve it, it will have an impact on the emergence of various risks of long-term losses, such as delays in the sustainability of tourism village development, loss of opportunities to survive and recover from the post-Covid-19 crisis, unable to contribute optimally to GDP, and loss of attention of potential visitors by 70% from search and share activities. Therefore, it is necessary to formulate strategic recommendations to accelerate social media adoption, especially for tourism villages in Bogor Regency. However, before strategic recommendations can be drawn up, it is necessary to know what factors can influence tourism village managers to adopt social media and its impact. For this purpose, a qualitative study with an embedded single-case studies approach was carried out on eight selected tourism villages in Bogor Regency by applying the maximum variation technique. The research model is built based on a multi-theory perspective in order to provide a comprehensive understanding of the influence of each adoption factor while at the same time ensuring the credibility of the research results. In particular, the TOE framework was employed and complemented by four other innovation adoption theories: DOI, TAM, UTAUT, and Institutional Theory. Research data processing and analysis are carried out through the application of three coding levels: open, axial, and selective, with the help of computer-assisted qualitative data analysis software NVivo 12. The study results validate perceived benefits, perceived risk, perceived compatibility, perceived ease of use, cost, top management support, member capability, financial and IT resources, competitive pressure, customer pressure, and social influence as factors that influence the adoption of social media. The results of further studies identify that the use of social media not only has a positive impact in the form of benefits but can also have a negative impact in the form of risks. However, the tourism village managers believe that the benefits that can be received are more remarkable and significant when compared to the risks they may face.

Abstrak :
Saat ini media sosial merupakan sarana komunikasi yang tidak terlepas dari penyebaran ujaran kebencian yang cukup meresahkan penggunanya. Sejak tahun 2018 KOMINFO telah menangani sebanyak 3.640 ujaran kebencian yang tersebar di berbagai media sosial. Selain itu SafeNet telah menangani kasus Kekerasan Berbasis Gender Online (KBGO) pada tahun 2021 sebanyak 677 aduan yang didominasi dengan kasus pelecehan seksual. Disisi lain Sejak tahun 2020 Komnas Perempuan mencatat kasus kekerasan yang terjadi dalam komunitas dan ranah publik Indonesia sebesar 21 % (1.731 kasus) dengan kasus kekerasan seksual yang paling mendominasi. Banyaknya jenis ujaran kebencian yang berbeda-beda menyebabkan banyak tantangan dalam mendeteksi ujaran kebencian termasuk dalam domain kekerasan seksual. Tujuan dari penelitian ini adalah menghasilkan model klasifikasi ujaran kebencian kekerasan seksual dengan performa dan tingkat akurasi yang baik sehingga dapat dimanfaatkan secara teori bagi akademisi dan praktikal bagi lembaga seperti KOMINFO, SafeNet, LBH APIK Jakarta, Komnas Perempuan, POLRI. Data yang digunakan pada penelitian ini adalah hasil crawling media sosial twitter pada bulan Desember 2021 hingga Januari 2022. Dengan menggunakan pendekatan Machine Learning, dataset diolah dengangan teknik ekstraksi fitur Term Frequency-Inverse Document Frequency (TF-IDF), beberapa teknik sampling seperti Random Over Sampling (ROS), Random Under Sampling (RUS), Synthetic Minority Over-sampling Technique (SMOTE), dan Adaptive Synthetic (ADASYN) serta beberapa algoritma klasifikasi seperti Nave bayes (NB), Support Vector Machine (SVM), Logistic Regresion (LR), Decition Tree (DT), Random Forest (RF), Gradient Boosting Machine (GBM) dan Extreme Gradient Boosting (XGBoost). Penelitian ini menghasilkan akurasi tertinggi sebesar 0.9239 dimana Algoritma terbaik didominasi oleh SVM dan RF. Implikasi penelitian ini secara teori adalah perbandingn hasil klasifikasi 35 model klasifikasi dan secara praktik dapat diimplementsikan pada Lembaga yang memiliki sistem pendeteksi ujaran kebencian.   ......Currently, social media is a means of communication that cannot be separated from the spread of hate speech which is quite disturbing for its users. Since 2018, KOMINFO has handled 3,640 hate speech spread across various social media. SafeNet has handled cases of Online Gender-Based Violence (KBGO) in 2021 as many as 677 complaints, which were dominated by cases of sexual harassment. In 2020 Komnas Perempuan has recorded 21% of cases of violence occurring in the Indonesian community/public sphere (1,731 cases) with the most prominent case being sexual violence. Different types of hate speech cause many challenges in detecting such hate speech. The purpose of this study is to produce a classification model of sexual violence hate speech with good performance and accuracy so that it can be used theoretically for academics and practically for institutions such as KOMINFO, SafeNet, LBH APIK Jakarta, Komnas Perempuan, and POLRI. The data used in this study is the result of crawling social media twitter from December 2021 to January 2022. By using a Machine Learning approach, the dataset is processed using the Term Frequency-Inverse Document Frequency (TF-IDF) feature extraction technique, several sampling techniques such as Random Over Sampling (ROS), Random Under Sampling (RUS), Synthetic Minority Over-sampling Technique (SMOTE), and Adaptive Synthetic (ADASYN) as well as several classification algorithms such as Nave Bayes (NB), Support Vector Machine (SVM), Logistic Regression (LR), Decision Tree (DT), Random Forest (RF), Gradient Boosting Machine (GBM) and Extreme Gradient Boosting (XGBoost). This research produces the highest accuracy of 0.9239 where the best algorithm is dominated by SVM and RF. The theoretical implication of this research is the comparison of the classification results of 35 classification models and practically it can be implemented in institutions that have a hate speech detection system.

Abstrak :
Pandemi COVID-19 memiliki dampak yang buruk terhadap ketenagakerjaan di Indonesia. Masalah pengangguran di Indonesia menjadi salah satu perhatian publik dalam dua tahun ini. Pada Agustus 2020, yaitu sebesar 9,8 juta orang dan Agustus 2021, yaitu sebesar 9,1 juta orang. Dengan adanya kondisi tersebut, pemerintah perlu melakukan pembenahan terhadap masalah tingkat pengangguran yang ada saat ini. Melihat kondisi tersebut, pemerintah perlu melakukan perbaikan terkait masalah pengangguran saat ini. Tujuan utama dari penelitian ini adalah untuk mengetahui bagaimana opini masyarakat mengenai upaya pemerintah dalam mengatasi masalah pengangguran selama pandemi COVID-19 di Indonesia. Analisis sentimen dilakukan terhadap opini masyarakat dengan menggunakan media sosial Twitter sebagai sumber data. Untuk mengukur kinerja model digunakan tiga algoritma yaitu Naïve Bayes, Decision Tree, dan Random Forest. Hasil pada penelitian ini adalah terdapat label positif yang memiliki 1710 sentimen, dan untuk label negatif yang memiliki 1553 sentimen. Untuk algoritma terbaik yang dihasilkan pada penelitian ini adalah Random Forest, yaitu dengan nilai akurasi sebesar 79%. Penelitian ini juga menghasilkan 15 fitur yang berpengaruh terhadap topik penelitian. Untuk fitur berpengaruh dengan bobot positif tertinggi adalah ‘abai’. Sedangkan untuk fitur berpengaruh dengan bobot negatif tertinggi adalah ‘materai’. ......The COVID-19 pandemic has had a negative impact on employment in Indonesia. The problem of unemployment in Indonesia has become one of the public's concerns in the past two years. In August 2020, which was 9.8 million people and August 2021, which was 9.1 million people. Given these conditions, the government needs to make improvements to the problem of the current unemployment rate. Seeing these conditions, the government needs to make improvements related to the current unemployment problem. The main purpose of this research is to find out how the public opinion regarding the government's efforts in overcoming the unemployment problem during the COVID-19 pandemic in Indonesia. Sentiment analysis was carried out on public opinion using Twitter as a data source. To measure the performance of the model, three algorithms are used, namely Nave Bayes, Decision Tree, and Random Forest. The results of this study are positive labels that have 1710 sentiments, and negative labels that have 1553 sentiments. The best algorithm produced in this study is Random Forest, with an accuracy value of 79%. This research also produces 15 features that influence the research topic. For the influential feature with the highest positive weight is 'ignore'. Meanwhile, the influential feature with the highest negative weight is 'stamp'.

Abstrak :
Banyaknya ulasan aplikasi Info BMKG yang belum pernah diolah menyulitkan pengembang aplikasi dalam mengembangkan fitur berdasarkan masukan pengguna. Ulasan pengguna aplikasi terdapat informasi penting yang dapat dijadikan rujukan oleh pengembang untuk meningkatkan kualitas layanan aplikasi. Penelitian ini bertujuan untuk membuat model klasifikasi terbaik terhadap ulasan pengguna aplikasi Info BMKG. Dataset yang digunakan berasal dari ulasan pengguna aplikasi Info BMKG di Google Play Store sebanyak 10.286 data. Klasifikasi ulasan dibagi ke dalam dua label, yaitu label relevansi dan label kategori. Label relevansi terdiri atas kelas relevan dan tidak relevan. Untuk label kategori terbagi empat kelas yaitu bug report, user request, weather information performance (layanan cuaca), dan earthquake information performance (layanan gempa bumi). Algoritme klasifikasi yang digunakan adalah Naïve Bayes, Support Vector Machine (SVM), Logistic Regression, dan Random Forest. Penelitian ini menghasilkan dua model untuk klasifikasi relevansi dan klasifikasi kategori. Hasil pemodelan klasifikasi terbaik untuk relevansi diraih oleh SVM dengan nilai akurasi sebesar 92,61%. Sedangkan untuk klasifikasi kategori, hasil pemodelan terbaik diraih oleh Random Forest dengan nilai akurasi sebesar 87,69%. Kedua model terbaik melalui teknik over-sampling pada dataset dan normalisasi koreksi ejaan pada tahap prapemrosesan. Untuk ekstraksi fitur terbaik pada model klasifikasi relevansi menggunakan unigram dengan TF-IDF dan panjang teks. Sementara pada model klasifikasi kategori hanya menggunakan unigram dengan TF-IDF saja. ......A large number of unprocessed Info BMKG app reviews makes it difficult for app developers to develop features based on user input. App user reviews contain important information that can be used as a reference by developers to improve the service quality of the app. This study aims to create the best classification model for user reviews of the Info BMKG app. Dataset used comes from user reviews of the Info BMKG app on the Google Play Store of 10,286 data. Review classification is divided into two labels, namely the relevance label and the category label. The relevance label consists of relevant and irrelevant classes. Category labels are divided into four classes, namely bug reports, user requests, weather information performance (weather services), and earthquake information performance (earthquake services). The classification algorithm used is Naïve Bayes, Support Vector Machine (SVM), Logistic Regression, and Random Forest. This research produces two models for relevance classification and category classification. Best classification modeling results for relevance were achieved by SVM with an accuracy value of 92.61%. For category classification, the best modeling results were achieved by Random Forest with an accuracy value of 87.69%. The two best models are over-sampling techniques on the dataset and normalization of spelling corrections at the pre-processing stage. The best feature extraction in the relevance classification model was carried out with the TF-IDF unigram and text length. Meanwhile, the category classification model only uses the TF-IDF unigram.

Abstrak :
Universitas Sriwijaya (Unsri) sebagai salah satu institusi perguruan tinggi negeri selayaknya mampu untuk memanfaatkan teknologi informasi dan komunikasi dalam menunjang berbagai kegiatan salah satunya dalam kegiatan proses pembelajaran. Salah satu penggunaan teknologi informasi dan komunikasi pada Universitas Sriwijaya yaitu dengan menggunaan sistem informasi akademik yang diberi nama Sistem Informasi Manajemen Akademik (SIMAK) Universitas Sriwijaya. SIMAK merupakan aplikasi mandatory yang dikembangkan pada tahun 2008 untuk mendukung kegiatan akademik di Unsri. Berdasarkan data logactivity SIMAK yang diambil pada tanggal 26 Desember 2018, persentase rata-rata penggunaan aplikasi SIMAK tahun 2013-2018 yaitu 77,7% pengguna dosen yang mengakses aplikasi SIMAK, sehingga dapat dilihat rendahnya pengguna dosen. Universitas Sriwijaya belum pernah melakukan evaluasi terhadap faktor kesuksesan penggunaan SIMAK. Hal ini yang membuat peneliti ingin mengetahui faktor-faktor apa saja yang memengaruhi kesuksesan penggunaan aplikasi SIMAK oleh pengguna dosen. Model penelitian yang digunakan merupakan hasil modifikasi teori kesuksesan sistem informasi DeLone dan McLean dengan menambahkan beberapa variabel dari aspek individu dan aspek organisasi. Pengumpulan data melalui survei kepada 1232 responden dosen yang menjadi pengguna SIMAK. Metode penelitian yang dilakukan yaitu dengan metode mixed method. Metode analisis data menggunakan Structural Equation Modeling (SEM) dan SmartPLS sebagai alat olah data. Hasil penelitian ini menunjukkan faktor-faktor yang memengaruhi kesuksesan penggunaan aplikasi SIMAK Online yaitu information quality, system quality, service quality, top management support, self-efficacy, user satisfaction, dan net benefit.

---

Sriwijaya University (Unsri) as one of the state higher education institutions should be able to utilize information and communication technology in supporting various activities, one of which is in the learning process activities. One of the uses of information and communication technology at Sriwijaya University is by using an academic information system named Sistem Informasi Manajemen Akademik (SIMAK) of Sriwijaya University. SIMAK is a mandatory application developed in 2008 to support academic activities in Unsri. Based on SIMAK activity log data taken on December 26, 2018, the average percentage of SIMAK application usage in 2013-2018 is 77.7% of lecturers who access SIMAK applications, so that they can be seen as low lecturer users. Sriwijaya University has never evaluated the success factor of using SIMAK. This makes the researcher want to know what factors affecting the success of SIMAK application usage by lecturer users. The research model used is a modification of DeLone and McLeans information system success theory by adding several variables from individual aspects and organizational aspects. Data collection through a survey of 1232 lecturer respondents who were SIMAK users. The research method used is the mixed method method. Data analysis method uses Structural Equation Modeling (SEM) and SmartPLS as data processing tools. The results of this study indicate the factors that influence the successful use of SIMAK Online applications, namely information quality, system quality, service quality, top management support, self-efficacy, user satisfaction, and net benefits

Abstrak :
ABSTRAK
Dinas Penanaman Modal dan Pelayanan Terpadu Satu Pintu (DPMPTSP) adalah Organisasi Perangkat Daerah Pemerintah Provinsi DKI Jakarta yang memiliki tugas bidang penanaman modal dan penyelenggaraan pelayanan perizinan dan non perizinan. DPMPTSP memegang peranan penting dalam mewujudkan iklim investasi dan berbisnis yang mudah, cepat, nyaman, transparan dan tidak berbelit-belit, serta menciptakan pelayanan perizinan dan non perizinan dengan kualitas yang prima. Menurut hasil survei kemudahan berusaha atau Ease Of Doing Business (EODB) tahun 2017 yang dilakukan oleh World Bank Group, Provinsi DKI Jakarta mendapatkan bobot nilai sebesar 78% sehingga berkonstribusi meningkatkan peringkat Indonesia secara keseluruhan sebanyak 34 peringkat dalam dua tahun terakhir. Sampai dengan saat ini EODB Indonesia hanya menempati peringkat 73 dari 190 negara. Terdapat beberapa permasalahan yang menyebabkan belum tercapainya peningkatan peringkat kemudahan berusaha di DKI Jakarta, salah satunya adalah belum optimalnya pemanfaatan SI/TI dalam mendukung penyelenggaraan pemerintahan. Saat ini masih terdapat pelayanan perizinan dan non perizinan yang dilakukan secara manual, duplikasi dan dualisme data, sistem informasi yang belum terintegrasi (silo) dan investasi SI/TI belum mendukung tujuan organisasi. Metodologi yang digunakan pada penelitian ini adalah Ward dan Peppard dengan alat analisis seperti Mission Model Canvas, Value Chain, Critical Success Factor, PESTEL, McFarlan Strategic Grid, dan tren teknologi. Metode penelitian yang digunakan pada penelitian ini adalah metode penelitian kualitatif dan analisis data kualitatif menggunakan analisis tematik. Penelitian ini menghasilkan perencanaan strategis sistem informasi yang terdiri dari strategi SI, strategi TI, strategi manajemen SI/TI dan peta jalan pengembangan SI/TI yang selaras dengan strategi DPMPTSP Provinsi DKI Jakarta. ABSTRACT
Jakarta Investment and One-Stop Integrated Service Department (DPMPTSP) is the Regional Organization of the DKI Jakarta Provincial Government which responsible to the investment and the implementation of licensing and non-licensing services. DPMPTSP plays an important role in realizing easy investment climate and business, fast, convenient, transparent and not complicated, and creates licensing and non-licensing services with excellent quality. According to the results of the Ease Of Doing Business (EODB) survey conducted by the World Bank Group in 2017, DKI Jakarta Province has a score of 78%, contributing 34 rankings in overall Indonesia in the past two years. Until now, EODB Indonesia is only ranked 73 out of 190 countries. There are several problems that cause failure to improve the ranking of ease of doing business in DKI Jakarta, one of them is the use of IS/IT in supporting governance that has not been optimal. At present there are still licensing and non-licensing services that are processed manually, duplication and dualism of data, information systems that are not yet integrated (silos) and investment in IS / IT have not supported organizational goals. The methodology used in this study is Ward and Peppard with analytical tools such as Mission Model Canvas, Value Chain, Critical Success Factors, PESTEL, McFarlan Strategic Grid, and technological trends. The research method used in this study is a qualitative research method and qualitative data analysis using thematic analysis. This study produces an information system strategic planning which consisting of the IS strategy, IT strategy, IS/IT management strategy and the IS/IT development roadmap that conformable with the Jakarta Investment and One-Stop Integrated Service Department strategy.