Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
Tujuan dari penelitian ini adalah untuk menentukan faktor-faktor yang dapat mempengaruhi kesediaan untuk membayar (WTP) iuran Jaminan Kesehatan nasional (JKN) oleh sektor pekerja informal (Peserta Mandiri) setelah dilakukan tele-collection. Tantangan kesinambungan program JKN adalah rendahnya WTP peserta mandiri. Berbagai upaya penagihan telah dilakukan untuk mengumpulkan iuran pekerja informal, namun tingkat efektivitasnya masih rendah. Penulis melakukan analisis pada data set tele-collection menggunakan variabel Socio-Demographic, faktor produk/layanan dan waktu penagihan untuk memprediksi WTP setelah tele-collection. Studi ini menggunakan metode data mining dengan algoritma berbasis pohon keputusan untuk analisis prediktif. Metode evaluasi yang digunakan adalah nilai akurasi dan Area Under ROC Curve (AUC). Studi menunjukkan bahwa (a) faktor yang paling mempengaruhi WTP pekerja informal setelah dilakukan tele-collection adalah: akses fasilitas kesehatan, waktu penagihan, lama waktu menunggak, dan usia kepala keluarga yang secara kolektif menghasilkan probabilitas prediksi sebesar 82.4 persen. (b) Penggunaan algoritma Light Gradient Bosting Machine (LGBM) memiliki performa yang lebih akurat dibandingkan dengan algoritma berbasis pohon keputusan lainnya pada data yang dianalisis. Hasil penelitian ini secara praktis dapat dimanfaatkan oleh BPJS Kesehatan untuk meningkatkan peluang keberhasilan program tele-collection dari yang sebelumnya masih kurang efektif. ......This study aims to determine the main factors influencing the informal worker sector's willingness to pay (WTP) for National Health Insurance System (NHIS) premiums after tele-collection. The difficulty for the NHIS program's is the low WTP for payments from informal participants. Social Security Agency for Health (SSAH) has made numerous initiatives to collect payments from informal participants, but their effectiveness remains low. Therefore, the author analyzed the tele-collection data set from the SSAH using socio-demographic data, product or service factors, and billing time as independent factors to predict WTP. In addition, this study used tree-based algorithms for modelling and using accuracy values and area under the ROC curve (AUC) to evaluate predictive results. Results: (a) The determinant factors of WTP for informal participants after tele-collection are: access to facility health services, billing time, number of months in arrears, and age of the family head, which collectively yielded a predicted probability of 82.4 per cent; (b) the Light Gradient Boosting Machine (LGBM) algorithm performed more accurately on the collected data compared to other tree-based algorithms. The findings of this study can be used practically by SSAH to improve the probability of success in their tele-collection program, which was previously less effective.

Abstrak :
Burnout mengacu pada reaksi psikologis terhadap stres kerja kronis. Fenomena burnout merupakan fenomena yang harus diatasi oleh perusahaan karena membawa pengaruh negatif terhadap produktivitas dan keinginan karyawan untuk resign. Penelitian ini bertujuan untuk memprediksi karyawan dengan tingkat burnout yang tinggi dan menganalisis faktor yang mempengaruhi burnout karyawan di tengah pandemi COVID-19. Beberapa faktor yang dianalisis diantaranya tipe perusahaan, jabatan, skema work from home (WFH), tingkat kelelahan mental, dan jam kerja per hari. Berdasarkan penerapan metode neural network, sebanyak 92.2% varians burnout dapat dijelaskan oleh variabel input dengan tingkat kelelahan mental dan jam kerja per hari merupakan variabel yang memberi pengaruh yang signifikan terhadap tingkat burnout. Neural network kembali diterapkan dengan dua variabel tersebut dan masih dapat menjelaskan 91.9% varians burnout. Penelitian ini dapat digunakan employer dalam memprediksi tingkat burnout rate yang dihadapi karyawan sekaligus memperkaya penelitian-penelitian sebelumnya mengenai prediksi burnout. ......Burnout refers to a psychological reaction to chronic work stress. The phenomenon of burnout is undoubtedly a phenomenon that companies must overcome because it may adversely affect productivity and employees' desire to resign from their job. This study aims to predict employees with high burn rates and analyze all the possible factors influencing employee burnout amid the COVID-19 pandemic. Several factors were analyzed, including the type of company, job positions, work-from-home (WFH) schemes, mental fatigue score, and working hours per day. Based on the application of the neural network method, 92.2% of the burnout variance can be explained by the input variable, with the level of mental fatigue and working hours per day variables significantly influencing burnout. The neural network is re-applied with these two variables and can still explain 91.9% of the burnout variance. Employers can use this research to predict the burnout rate faced by employees and enrich previous studies regarding burnout prediction.

Abstrak :
Memprediksi niat kunjungan kembali memainkan peran penting dalam kebangkitan kembali waktu pandemi yang akan menguntungkan keunggulan kompetitif jangka pendek dan jangka panjang. Penelitian ini mengkaji faktor-faktor penentu niat berkunjung kembali dari analisis sentimen berbasis aspek dan pembelajaran mesin. Pendekatan big data diterapkan pada empat set data atraksi, hotel bintang 4&5, hotel bintang 3, dan motel dengan 49.399 ulasan dari TripAdvisor. Kami menerapkan metode pemodelan topik untuk mengekstrak aspek dan atribut, menghasilkan 10 aspek untuk kategorisasi hotel 4&5 dan kumpulan data atraksi, 6 aspek pada kumpulan data hotel bintang 3 dan Motel. Hasil analisis sentimen menunjukkan bahwa sentimen wisatawan secara positif dan negatif juga mempengaruhi kemungkinan niat berkunjung kembali. Peneliti menerapkan metode Logistic Regression, Random Forest Classifier, Decision Tree, k-NN, dan XGBoost untuk memprediksi niat berkunjung kembali yang menghasilkan tiga topik utama yang mendominasi probabilitas niat berkunjung kembali untuk masing-masing dataset. Aspek Properti pada hotel bintang 4&5 dan hotel bintang 3 mengindikasikan memiliki kemungkinan tinggi untuk niat berkunjung kembali. Sedangkan aspek Motels pada Atmosfir, Aktivitas Wisata, dan Durasi cenderung memiliki probabilitas niat berkunjung kembali. Aspek atraksi pada Harga, Layanan, Suasana meningkatkan kemungkinan niat berkunjung kembali. Studi ini berkontribusi pada pemanfaatan data besar dan pembelajaran mesin di industri pariwisata dan perhotelan dengan berfokus pada strategi inovatif sebagai pengurangan biaya untuk mempertahankan niat kunjungan kembali di kebangkitan kembali dari pandemi. ......Predicting revisit intention plays a crucial role in the reawakening time of pandemic that will benefit short-term and long-term competitive advantage. This study examines the determiner factors of revisit intention from aspect-based sentiment analysis and machine learning. A big data approach was applied on four datasets of attractions, hotel 4&5 stars, hotel 3 stars, and motels with 49,399 reviews from TripAdvisor. We applied a topic modeling method to extract aspects and attributes, resulting in 10 aspects for hotel 4&5 categorization and attractions dataset, 6 aspects on hotel 3 stars and Motels dataset. Results on sentiment analysis show that tourists’ sentiment in positives and negatives also affect probability of revisit intention. Researchers applied methods of Logistic Regression, Random Forest Classifier, Decision Tree, k-NN, andXGBoost to predict revisit intention resulting in three main topics that have dominated probability on revisit intention for each dataset respectively. Aspect Properties on hotels 4&5 stars and hotel 3 stars indicate to have a high probability of revisit intention. Meanwhile, Motels' aspects on Atmosphere, Tourist Activities, and Duration tend to have a probability of revisit intention. Attraction’s aspects on Price, Services, Ambience increase probability of revisit intention. This study contributes to the utilization of big data and machine learning in tourism and hospitality industry by focusing on an innovative strategy as cost reduction to maintain revisit intention in the reawakening from pandemic.

Abstrak :
Meningkatnya jumlah investor dari tahun ke tahun di pasar modal berbagai negara mengakibatkan proses pengambilan keputusan dalam membeli saham menjadi salah satu hal yang penting. Tahapan ini merupakan tahapan yang penting karena akan memengaruhi tingkat kekayaan atau pendapatan yang akan diterima oleh seorang investor. Dalam membantu proses pemilihan saham tersebut, seorang investor dapat menggunakan analisa teknikal atau analisa fundamental dalam prosesnya. Namun seiring dengan perkembangan teknologi dan juga kemudahan dalam mengakses data harga indeks saham, maka proses prediksi selanjutnya dapat dilakukan dengan menggunakan analisis big data dalam prosesnya. Penelitian ini akan dilakukan proses prediksi indeks harga saham dengan menggunakan ARIMA dan juga algoritma Long Short-Term Memory untuk pengolahan datanya dan metode web scraping untuk metode pengumpulan data harga indeks saham. Hasil dari penelitian menunjukkan nilai MAPE 1.243% untuk indeks JKSE, 1.005% untuk indeks KLSE, 1.923% untuk indeks PSEI, 1.523% untuk indeks SET.BK dan 3.7944% untuk indeks STI. ......The increasing number of investors from year to year in the capital markets of various countries has made the decision-making process in buying shares become one of the essential things. This stage is crucial because it will affect the level of wealth or income that an investor will receive. In helping the stock selection process, an investor can use technical analysis or fundamental analysis. However, along with technological developments and the ease of accessing stock index price data, the next prediction process can be carried out using big data analysis. This research will carry out the stock price index prediction process using ARIMA and the Long Short-Term Memory algorithm for data processing and web scraping methods for stock index price data collection methods. The study results showed that the MAPE value was 1.243% for the JKSE index, 1.005% for the KLSE index, 1.923% for the PSEI index, 1.523% for the SET.BK index and 3.7944% for the STI index.

Abstrak :
Dengan ketatnya persaingan pada Industri asuransi kendaraan bermotor dan besarnya kemungkinan hilangnya pelanggan (customer churn), perusahaan dituntut untuk semakin memperhatikan pengelolaan hubungan pelanggan. Faktanya mempertahankan pelanggan dinilai lebih efisien secara sumber daya dibanding jika harus mencari pelanggan baru. Dengan perkembangan teknik pengelolaan (CRM) dan besarnya pertumbuhan data yang ada, kemungkinan untuk menganalisa perilaku pelanggan dan mengurangi terjadinya churn dapat dilakukan dengan analisa big data dan machine learning. Dalam penelitian ini, algoritma machine learning dalam membuat model terbaik yang dapat memprediksi churn pada pelanggan. Data yang digunakan merupakan 27.013 data transaksi pembelian dari PT. Asuransi XYZ yang merupakan salah satu perusahaan asuransi otomotif terbesar di Indonesia. Setelah melakukan eksplorasi dan descriptive analytics, peneliti membandingkan akurasi antara logistic regression, decision tree, dan random forest dalam memprediksi churn pada pelanggan. Ditemukan bahwa random forest memiliki skor akurasi total terbaik yaitu 87.74% diikuti dengan decision tree dan logistic regression. Lebih lanjut lagi, tenure, presentase komisi, dan jumlah premi adalah feature yang paling penting dari model. Hasil dari penelitian diharapkan dapat membantu perusahaan dalam mengurangi churn pada pelangan dengan memprediksi lebih awal dan membuat kampanye retensi pelanggan yang tepat ......With the tightness of the competition in auto insurance market and the possibilities of company loss because of customer churning, insurer company should put more concern in customer relationship management. Moreover, there is fact of acquiring new costumers is more expensive than retaining one. Fortunately, due to current advancement in CRM and vast growth of data provided, the possibilities to learn customer behavior from the data is becoming feasible to retain the customer. This research purpose is to used machine learning algorithm to build model provide best accuracy to predict customer churn. We use 27.013 transaction data from XYZ Insurance Ltd, one of major auto-insurer in Indonesia. After exploring the data with the descriptive analysis, we conduct predictive analysis model with logistic regression, decision tree, and random forest to determine which algorithm give the best accuracy. This research found that random forest model has highest accuracy score (87,74%) followed by decision tree and logistic regression. Furthermore, tenure, percentage of commision, and amount of premium are the most feature that impacting customer churn. This result could help insurer company to reducing customer churn by creating right marketing campaign to retain customers.

Abstrak :
The rapid changes in the world today, especially with digitization and the technological revolution, are transforming the way humans live. The internet revolution has brought significant changes, with over 63% of the world's population, reaching 5 billion out of the current 7.8 billion, regularly using the internet. In Indonesia, 213 million people, or more than 75%, have embraced internet usage. These changes profoundly impact various aspects of our lives, from ordering food, entertainment services to accessing educational services. Although e-commerce opportunities continue to grow, shifts in customer behavior pose challenges for companies in creating products and services that meet customer expectations. E-commerce competition is intense, with only 1% of companies having a competitive advantage (Chevalier, 2021). Eighty-four percent of e-commerce companies reveal that competition in this industry is fierce and dominated by price competition. While e-commerce continues to grow, its growth rate is slowing down. Business analytics becomes the key to effectively leveraging data. In an era of disruption filled with uncertainty, top executives' intuition, experience, and education need to be supported by relevant data. Most companies understand the crucial role of data and analytics but have not yet incorporated them into their routine operations. This research comprehensively discusses strategies to maximize the use of data and analytics, known as business analytics adoption. Furthermore, the technology-organization-environment (TOE) factors, as antecedents to business analytics adoption, are not fully utilized to support adoption, leading to companies struggling to grow and compete. This research aims to elaborate on these critical factors using fundamental questions: "Are knowledge retention, dynamic capabilities, and TOE (technology, organization, and environment) important in adopting business analytics to enhance competitive advantage?" To fill the literature gap, this study proposes the TOE framework, knowledge retention, and dynamic capabilities as crucial factors in the adoption of business analytics to enhance competitive advantage for e-commerce companies. In the e-commerce era, the use of data and analytics is not just a necessity but a requirement for companies to adapt and remain relevant in the ever-changing market. ......Perubahan pesat dunia saat ini, terutama dengan digitalisasi dan revolusi teknologi yang mengubah cara hidup manusia. Revolusi internet membawa perubahan signifikan, lebih dari 63% populasi dunia, yaitu mencapai 5 miliar dari 7,8 miliar populasi dunia saat ini telah menggunakan internet secara rutin. Di Indonesia sebanyak 213 juta orang, yaitu lebih dari 75% telah menggunakan internet. Perubahan ini sangat mempengaruhi berbagai aspek kehidupan kita, mulai dari cara memesan makanan, layanan hiburan hingga mengakses layanan pendidikan. Meskipun peluang e-commerce terus bertumbuh, perubahan perilaku pelanggan menimbulkan tantangan bagi perusahaan dalam menciptakan produk dan layanan yang sesuai dengan harapan pelanggan. Persaingan e-commerce sangatlah ketat, hanya 1% perusahaan yang memiliki competitive advantage (Chevalier, 2021). Sebanyak 84% perusahaan e-commerce mengungkapkan persaingan di industri ini sangatlah ketat dan didominasi oleh persaingan harga. E-commerce masih terus bertumbuh, namun tingkat pertumbuhannya mulai melambat. Business analytics menjadi kunci untuk memanfaatkan data secara efektif. Di era disrupsi yang penuh dengan ketidakpastian, intuisi, pengalaman, dan pendidikan para eksekutif puncak perlu didukung oleh data yang relevan. Sebagian besar perusahaan memahami peran penting data dan analytics, namun belum menggunakannya secara rutin. Penelitian ini membahas secara menyeluruh strategi untuk memaksimalkan penggunaan data dan analitik, yang dikenal sebagai adopsi business analytics. Selain itu, faktor teknologi-organisasi-lingkungan (kerangka TOE) sebagai antecedent dari adopsi analisis bisnis tidak dimanfaatkan sepenuhnya untuk mendukung adopsi dan sebagai konsekuensinya perusahaan kesulitan untuk tumbuh dan bersaing. Penelitian ini bertujuan untuk menguraikan faktor-faktor penting ini dengan menggunakan pertanyaan mendasar: “Apakah faktor retensi pengetahuan, kemampuan dinamis, dan TOE (teknologi, organisasi, dan lingkungan) penting dalam mengadopsi analisis bisnis untuk meningkatkan keunggulan kompetitif? Untuk mengisi kesenjangan literature, penelitian ini mengusulkan kerangka TOE, retensi pengetahuan, dan kemampuan dinamis sebagai faktor penting dalam adopsi analisis bisnis untuk meningkatkan keunggulan kompetitif bagi perusahaan perdagangan elektronik. Dalam era perdagangan elektronik, penggunaan data dan analitik bukan hanya menjadi kebutuhan, tetapi suatu keharusan agar perusahaan dapat beradaptasi dan tetap relevan di pasar yang terus berubah.

Abstrak :
Co-creation experience masih belum banyak dieskplorasi dalam literatur meskipun perannya penting dalam menentukan kualitas hubungan dengan brand dalam value co-creation. Literatur lebih banyak membahas anteseden co-creation experience yang bersumber dari eksternal sementara stimulus yang berasal dari dalam individu itu sendiri kurang mendapat perhatian. Penelitian ini bertujuan untuk mengidentifikasi peran stimulus yang berasal dari internal individu (enriching the self, enabling the self dan gratifying the self) dan stimulus lingkungan (content/information quality, visual appeal, dan social interaction) terhadap terbentuknya pengalaman co-creation yang positif dan memotivasi terbentuknya perilaku brand relational. Metode online survey dilakukan dengan melibatkan 967 responden. PLS SEM digunakan untuk mengindentifikasi pengaruh dan besaran efek variabel-variabel pada model penelitian. Hasil menunjukkan gratifying the self dan social interaction merupakan elemen yang paling besar dan kuat mempengaruhi terbentuknya pengalaman co-creation yang positif. Unsur personal trait (propensity to interact online) juga terbukti berpengaruh terhadap pengalaman co-creation dan mengkonfirmasi peran co-creation experience dalam membentuk continuance intention dan E-WOM. Kontribusi penelitian ini terhadap literatur dengan menunjukkan peran stimulus internal dalam co-creation experience melalui self-determination theory. Implikasi manajerial studi ini menggarisbawahi pentingnya fokus oleh manajer virtual service ecosystem dalam mendesain platform yang memenuhi inner needs dan mengakomodasi karakter personal pengguna, serta memfasilitasi terciptanya interaksi yang lebih bermakna. ......Despite its pivotal role in brand relationship quality within value co-creation, the co-creation experience remains underexplored in the literature. Existing research predominantly emphasizes external antecedents, neglecting stimuli originating from within the individual. This study aims to discern the impact of internal factors (enriching the self, enabling the self, and gratifying the self) and environmental stimuli (content/information quality, visual appeal, and social interaction) on positive co-creation experiences and the instigation of brand relational behaviors. Employing an online survey with 967 participants, Partial Least Squares Structural Equation Modeling (PLS SEM) was used to gauge the variables' influence. Results highlight that gratifying the self and social interaction significantly influence positive co-creation experiences. Personal traits, like online interaction propensity, also shape co-creation experiences, affirming their role in determining continuance intention and electronic word-of-mouth (E-WOM). This research contributes by revealing the role of internal stimuli in co-creation experiences through the self-determination theory. Managerially, the study underscores the necessity for virtual service ecosystem managers to design platforms addressing inner needs, accommodating users' traits, and fostering more meaningful interactions, thus enhancing overall brand relationships.