Hasil Pencarian  ::  Simpan CSV :: Kembali

"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."

"ABSTRAKSkripsi ini bertujuan untuk mengetahui kepuasan pelanggan layanan data operator CDMA di Indonesia dengan menggunakan pesan tweet sebagai data kepuasan pelanggan real time. Data tersebut diolah menggunakan text mining dan sentiment analysis dengan membuat model klasifikasi teks. Tingkat akurasi model yang dibuat untuk memprediksi sentimen dari pesan tweet mencapai 80 %. Hasil penelitian menunjukkan bahwa pelanggan data operator CDMA di Indonesia baik secara umum maupun pada masing-masing operator cenderung tidak puas dengan layanan data yang diberikan. Secara umum kriteria kemudahan koneksi paling mempengaruhi ketidakpuasan pelanggan layanan data operator CDMA di Indonesia. Sedangkan kriteria kemudahan koneksi paling mempengaruhi ketidakpuasan pelanggan layanan data operator CDMA 1. Kemudian kriteria kemudahan koneksi dan kehandalan jaringan paling mempengaruhi ketidakpuasan pelanggan layanan data operator CDMA 2.

---

ABSTRACTThis thesis aims to gain insight of customer satisfaction of Indonesian CDMA data services operators by using tweets as real time customer satisfaction data. The data is processed using text mining and sentiment analysis by creating text classification model. The model accuracy to predict sentiment of a tweet achieve 80%. The results showed that Indonesia CDMA data subcribers in general or to individual operators tend to not satisfied with the service provided. Connection easiness criteria most influencing customer dissatisfaction of Indonesia CDMA data service operators in general. While, the connection easiness criteria most influencing customer dissatisfaction of CDMA data service operator 1. Then, Connection easiness and network reliability criteria most influencing customer dissatisfaction of CDMA data service operator 2."

"Media sosial kini tak hanya dimanfaatkan untuk kepentingan pribadi, tapi telah marak dipakai untuk kepentingan bisnis. Analisis sentimen merupakan penelitian komputasional dari ekspresi sentimen secara tekstual. Twitter adalah salah satu media sosial populer, keterbatasan karakter memberikan kesulitan tersendiri dalam menganalisis sentimen dibanding media sosial lainnya. Semua data yang dipakai dalam penelitian ini merupakan tweet yang disampaikan dalam Bahasa Indonesia. Hasil analisis sentimen di twitter memakai aplikasi yang ada menunjukkan tingkat akurasi yang kecil. Penelitian ini bertujuan untuk membandingkan metode pengklasifikasian sentimen yang lebih akurat antara 2 metode klasifikasi populer. Akurasi yang dihasilkan oleh Metoda SVM lebih bagus daripada Metode NBC.

---

Social media is now not used for personal purposes only, but also adopted for business purposes. Sentiment analysis is a computational research of sentiments expressed textually. Twitter is a popular social media in Indonesia, its character limitations make it more challenging to be analyzed than the other social media. All data used in this research is tweets delivered in Bahasa Indonesia. The results of sentiment analysis in twitter using existing applications show low accuracy. This research aims to compare the sentiment classification method that more accurately between two popular classification methods. Accuracy produced by the SVM is better than NBC."

"Peningkatan data digital mendorong peningkatan kebutuhan teknik penggalian informasi. Media sosial merupakan salah satu penghasil data digital dalam jumlah besar, berupa aspirasi masyarakat mengenai apa yang terjadi di sekitar mereka. Maka dari itu, penelitian ini menganalisis respon masyarakat melalui akun twitter mengenai harga bahan pokok dan mengklasifikasikan respon tersebut menjadi dua kelompok; respon positif dan negatif. Penelitian ini menggunakan metode text mining, sedangkan asosiasi jenis bahan pokok dengan sentimen respon diukur menggunakan uji Chi Square dan Prosedur Marascuillo. Hasil penelitian menunjukkan bahwa Harga Susu, Harga Telur dan Harga Bawang Merah berasosiasi paling signifikan terhadap munculnya sentimen negatif dibandingkan komoditas lain.

---

The increase number of digital data pushes the needs of techniques in mining the information. Social media creates a large pool of data consisting of people’s aspiration on what happen around them. Therefore, this research analyzes people’s responses through their twitter account on staple food prices and classify them into sentiment classes; positive and negative. Research is done using text mining and the association between types of staple foods and sentiments is analyzed using Chi Square Test and Marascuillo Procedure. The result reveals Milk price, Egg Price and Red Onion price associate with negative sentiment tweets most significantly than others."

"Era baru globalisasi mempengaruhi perkembangan teknologi, salah satunya yang menjadi indikator dalam majunya teknologi adalah kemajuan akan sumber data yang bisa diperoleh dengan mudah. Adalah Big Data yang mana suatu tempat di dalam internet yang berisi kumpulan data yang bervolume atau memiliki jumlah yang sangat banyak dan kompleks, alhasil tidak dapat untuk diproses menggunakan alat pengambil data secara konvensional melainkan membutuhkan perangkat bantu (software) dan perangkat bantu yang kinerjanya sesuai. Media sosial seperti yang diketahui oleh banyak orang adalah alat penting dalam berkomunikasi dimana dapat dilakukan secara online. Media sosial membuat masyarakat dapat berkomunikasi dengan mudah dan mempersingkat waktu. Penelitian menemukan bahwa penduduk Indonesia adalah termasuk pengguna jejaring sosial terbesar ke-4 didunia menurut data dari Hootsuit We Are Social tahun 2020. Twitter adalah media sosial terbesar ke 4 di Indonesia sebagai pengguna terbanyak. Data opini mengenai kebijakan pemerintah terkait wakaf tunai dan zakat profesi menjadi sumber yang penting untuk diolah sebagai data mining atau penambangan data. Tujuan dari penelitian ini adalah melihat sentimen dari masyarakat tekait wakaf tunai dan zakat profesi menggunakan Algoritma Naïve Bayes Classifier (NBC) menggunakan Analilis NVIVO 12 untuk analisa frekuensi kata. Penulis menggunakan labelling sentimen menggunakan metode Naive Bayes . Hasil akurasi data 77.5%, sebesar 52% sentiment Negatif dan 48% sentiment positif, wakaf tunai memiliki akurasi naïve bayes 70,3%, sentiment negatif 62% dan positif 37%.

---

The new era of globalization affects the development of technology, the indicator in advancing technology is the progress of data sources that can be reached easily. The Big Data, which is a resource on the internet that contains a large volume of data collection. Social media, as many people known, is an important tool in communicating, which can be done online. Social media allows people to communicate easily in shortens time. The study found that the Indonesian population is the 4th largest social network user in the world, according to data from Hootsuite We Are Social in 2020. Twitter is the 4th largest social media user in Indonesia as the most users. On the other hand, cash waqf and zakah profession are the tools to eradicate poverty in Islamic Economics, it is also has large potential but poorly managed and has minimum collection of zakah and cash waqf. The Policy in making zakah on profession and cash waqf as the obligation to be paid for all moeslem civil servant in Indonesia should be identifies through research. The research of correlation between the more people trust in finance institution the more people will pay or put their money on the institution of bank or finance. The purpose of this study is to look at the sentiments of the public regarding cash waqf and professional zakat using the Naïve Bayes Classifier (NBC) Algorithm using NVIVO 12 Analys for word frequency analysis. The author uses sentiment labelling using the Naïve Bayes method. The results of data accuracy are 77.5%, 52% negative sentiment and 48% positive sentiment, cash waqf has nave Bayes accuracy of 70.3%, negative sentiment 62% and positive 37%. The result is people in social media twitter did not trust to the regulation of obligation in paying zakah profession and cash waqf. Distrusted issue is the main issue"

"Kepuasan pelanggan merupakan salah satu faktor penting bagi keberhasilan suatu bisnis, termasuk pada industri jasa penerbangan yang mengalami peningkatan dari tahun ke tahun. Salah satu cara untuk mengukur tingkat kepuasan pelanggan adalah dengan cara penyampaian opini atau ulasan. Opini atau ulasan disampaikan melalui pesan singkat, kotak saran, media sosial maupun halaman web sehingga data yang tersedia berjumlah banyak. Pendekatan text mining tepat digunakan untuk mengekstrak informasi dari data ulasan yang berjumlah banyak secara otomatis. Penelitian ini mengevaluasi dan menganalisis ulasan pelanggan terhadap layanan dan fasilitas Bandara Soekarno-Hatta yang merupakan bandara terbesar di Indonesia. Penelitian ini mengombinasikan pendekatan text mining berupa analisis sentimen dan text summarization. Teknik klasifikasi digunakan untuk mengidentifikasi sentimen positif atau negatif yang terkandung dalam kalimat ulasan. Teknik klasifikasi yang digunakan adalah support vector machine yang cocok digunakan untuk data yang berjumlah besar dan na ve bayes classifier yang hanya membutuhkan jumlah data latihan yang kecil untuk menentukan estimasi parameter dalam proses pengklasifikasian. Text summarization dengan teknik k-medoids clustering digunakan untuk memperoleh kalimat representatif yang menggambarkan keseluruhan isi ulasan. Hasil dari teknik klasifikasi pada penelitian ini menunjukkan bahwa algoritme support vector machine menghasilkan nilai akurasi yang lebih tinggi dibandingkan algoritme na ve bayes classifier dalam menganalisis sentimen. Tahap text summarization dengan teknik k-medoids clustering menghasilkan nilai Davies-Bouldin Index yang mendekati nol. Luaran dari penelitian ini berupa identifikasi aspek layanan dan fasilitas bandara yang menjadi kekuatan dan kelemahan serta penentuan prioritas perbaikan dan peningkatan kualitas aspek layanan dan fasilitas yang masih menjadi kelemahan.

---

Customer satisfaction is an important factor for the business rsquo success, including airline service industry which is increasing from year to year. One way to measure customer satisfaction level is by customer opinions or reviews. Opinions or reviews are conveyed via short messages, suggestion boxes, social media and web pages so customer reviews provided are numerous. Text mining is a right approach to extract information from a large number of review data automatically. This study evaluates and analyzes customer reviews of services and facilities of Soekarno Hatta Airport as the largest airport in Indonesia. This study combines text mining approach of sentimental analysis and text summarization. The classification technique is used to identify the positive or negative sentiments contained in the review sentence. The classification technique used is a support vector machine suitable for large amounts of data and na ve bayes classifier which requires only a small amount of exercise data to determine parameter estimation in the classification process. Text summarization with k medoids clustering technique is used to obtain representative sentences that describe the entire contents of the review. The results of the classification technique in this study indicate that support vector machine algorithm has a higher accuracy value than na ve bayes classifier algorithm in analyzing sentiments. Text summarization stage with k medoids clustering technique yields a near zero Davies Bouldin Index value. The output of this research is identification of service aspect and airport facility which become the strength and weakness as well as the improvement prioritization of aspects that still become weakness."

"Penggunaan internet sudah menjadi kebiasaan dan kebutuhan tersendiri di masa setelah diberlakukannya kegiatan bekerja secara hybrid dan juga kegiatan sekolah yang mulai kembali normal seperti sebelum pandemi covid-19. Berdasarkan data yang dirilis oleh Asosiasi Penyelenggara Jasa Internet Indonesia, penetrasi internet di Indonesia mencapai 77.02%, kemunculan beragam penyedia layanan internet di Indonesia dengan produk- yang bersaing, dipengaruhi juga dengan meningkatnya penggunaan internet. Belum adanya media ulasan resmi, mendorong masyarakat menggunakan media sosial untuk mengungkapkan ulasan terhadap layanan internet. Pada penelitian ini digunakan data media sosial Twitter untuk mendapatkan nilai sentimen terhadap layanan internet dengan membuat model klasifikasi menggunakan algoritma Naïve Bayes, Support Vector Machine, dan Decision Tree dan juga pengukuran nilai kepuasan pelanggan dan reputasi merek dagang berdasarkan dari analisis sentimen yang didapatkan. Didapatkan hasil analisis sentimen dengan algortima SVM memiliki hasil performa yang paling baik yaitu 75.36 %. Layanan internet Biznet, MNC Play, dan Iconnet mendapatkan nilai kepuasan pelanggan berada pada urutan pertama, kedua, dan ketiga, sedangkan untuk nilai reputasi merek dagang, penyedia layanan internet Biznet dan MNC Play mendapatkan urutan pertama dan kedua baik pada perhitungan hasil pelabelan manual maupun hasil prediksi. Perhitungan CSS dan NBR ini dapat dipertimbangkan oleh perusahaan untuk dijadikan referensi dalam meningkatkan layanannya, selain itu dapat digunakan oleh masyarakat sebagai bahan pertimbangan untuk memilih dan membandingkan penyedia layanan internet terbaik yang akan digunakan.

---

The use of the internet has become a habit and a necessity after the implementation of hybrid work and also school activities which have started return to normal like before the Covid-19 pandemic. Based on data released by the Association of Indonesian Internet Service Providers, internet penetration in Indonesia has reached 77.02%, the appearance of various internet service providers in Indonesia with competitive products is also influenced by the increasing use of the internet. There is no official review media, has encouraged the sociecty to use social media to express reviews of internet services. In this study, Twitter social media data is used to obtain sentiment analysis for internet services by creating a classification model using the Naïve Bayes algorithm, Support Vector Machine, and Decision Tree, and also to measure customer satisfaction and brand reputation score based on the sentiment analysis obtained. The results of sentiment analysis with the SVM algorithm have the best performance, with the accuracy 75.36%. Biznet, MNC Play, and Iconnet get first, second, and third place for customer satisfaction scores, while for net brand reputation scores, Biznet and MNC Play internet service providers get first and second place, for the calculation using manual labeling data or prediction data of classification model. The calculation of the CSS and NBR can be considered by the company as the reference to improve their services, besides that it can be used by the society as a consideration for choosing and comparing the best internet service providers to use."

"Pemilihan metode machine learning atau deep learning menjadi suatu permasalahan dalam klasifikasi. Hal ini didapatkan dari penelitian yang menunjukkan bahwa deep learning kinerjanya lebih baik daripada machine learning, namun terdapat penelitian bahwa kedua metode tersebut kinerjanya tidak menentu tergantung dataset yang digunakan. Oleh karena itu, penelitian ini membandingkan kinerja dari machine learning dan deep learning untuk permasalahan klasifikasi teks dan analisis sentimen terhadap dampak Covid-19 di Indonesia. Hasil penelitian ini menunjukkan bahwa kinerja pada klasifikasi teks dan analisis sentimen menggunakan metode machine learning lebih baik dibandingkan dengan deep learning. Hasil penelitian mengenai klasifikasi teks menunjukkan bahwa kinerja metode machine learning yaitu Label Powerset dan Random Forest menghasilkan akurasi 77 % sedangkan kinerja metode deep learning yaitu Long Short-Term Memory (LSTM) dan Gate Reccurent Unit (GRU) menghasilkan akurasi 48%. Hasil penelitian mengenai analisis sentimen menunjukkan bahwa kinerja metode machine learning yaitu Label Powerset dan Random Forest menghasilkan akurasi 63 % sedangkan kinerja metode deep learning yaitu Long Short-Term Memory (LSTM) dan Gate Reccurent Unit (GRU) menghasilkan akurasi 55% dan 54%. Keseimbangan jumlah label pada semua label mempengaruhi hasil dari klasifikasi. Oleh karena itu, disarankan untuk menggunakan metode untuk menyeimbangkan jumlah label yang digunakan untuk klasifikasi.

---

The choice of machine learning or deep learning methods becomes a problem in classification. This is obtained from research which shows that deep learning performs better than machine learning, but there is research that the two methods perform erratically depending on the dataset used. Therefore, this study compares the performance of machine learning and deep learning for text classification problems and sentiment analysis on the impact of Covid-19 in Indonesia. The results of this study indicate that the performance of text classification and sentiment analysis using machine learning methods is better than deep learning. The results of research on text classification show that the performance of machine learning methods, namely Label Power and Random Forest, produces an accuracy of 77%, while the performance of deep learning methods, namely Long Short-Term Memory (LSTM) and Gate Recurrent Unit (GRU), produces an accuracy of 48%. The results of the research on sentiment analysis show that the performance of machine learning methods, namely Label Power and Random Forest, produces an accuracy of 63%, while the performance of deep learning methods, namely Long Short-Term Memory (LSTM) and Gate Recurrent Unit (GRU), produces 55% and 54% accuracy. The balance of the number of labels on all labels affects the results of the classification. Therefore, it is advisable to use a method to balance the number of labels used for classification."

"Transjakarta Busway merupakan organisasi yang bergerak di bidang Transportasi yang dituntut untuk selalu memberikan pelayanan yang prima bagi masyarakat sebagai konsekuensi logis dari penjabaran visi, misi, serta tujuan perusahaan agar mampu menghadapi persaingan di masa yang akan datang. Untuk menghadapi persaingan tersebut maka diperlukan kemampuan evaluasi kinerja atas implementasi strategi yang telah dijabarkan dalam program kerja untuk mengetahui sejauh mana strategi mampu menjawab perubahan lingkungan serta mengetahui keberhasilan kinerja.Melihat fenomena di atas maka perlu digunakan suatu model pengukuran kinerja yang mampu mengakomodasi kebutuhan untuk memandang dan menilai Transjakarta Busway secara komprehensif, yaitu dengan menggunakan Balanced Scorecard. Balanced Scorecard merupakan sistem manajemen strategik yang menjabarkan visi, misi, tujuan, dan strategi ke dalam tujuan operasional dan tolak ukur kinerja untuk 4 perspektif yang saling mendukung, yaitu perspektif pelanggan, perspektif keuangan, perspektif proses bisnis internal, serta perspektif pertumbuhan dan pembelajaran.

---

As an organization that focused in transportation sector, the Transjakarta Busway has claimed by peoples to improve their service aspect as the logical consequences of companies vision, mission, and target formulation in order to face the tight competition in the future. To get that point, they must have a performance evaluation ability that give an information about the performance of strategy that have already prepared to face the changing in environment and to know the company performance result.According of that, its need the performance measurement tool that able to accomodating requirement of company comprehensive vision ability then. One of method which can realize this requirement is Balanced Scorecard. Balanced Scorecard is strategic management system that formulate the companies vision, mission, target, and strategy into operasional target and performance measuring rod. This Balanced Scorecard contains four perspective that are costumers perspective, financial perspective, internal business process perspective, and also learn and growth perspective."