Hasil Pencarian  ::  Simpan CSV :: Kembali

"ABSTRAKSkripsi ini membahas tentang analisis hukum terhadap ketahanan dan keamanan nasional negara Indonesia dari adanya potensi konglomerasi industri informasi dan komunikasi yang ditimbulkan oleh perusahaan asing di Indonesia. Perkembangan dan akselerasi teknologi digital di bidang industri informasi dan komunikasi di masing-masing negara di dunia juga mempengaruhi persaingan industri secara global, termasuk Indonesia. Penelitian hukum dalam skripsi ini menggunakan pendekatan normatif dengan menganalisis kaedah-kaedah hukum dalam peraturan perundang-undangan yang terkait, dengan sifat peneltian yaitu preskriptif-analitis. Dengan mengambil kasus dari Google Application dan Google Loon di Indonesia, penelitian ini menemukan bahwa struktur industri informasi dan komunikasi yang tadinya terpisah satu sama lain berubah menjadi terintegrasi, karena dua atau lebih produk atau layanan yang sebelumnya diselenggarakan oleh perusahaan yang berbeda, kemudian diselenggarakan oleh perusahaan yang sama. Perlindungan hukum yang diberikan negara Indonesia terhadap potensi konglomerasi dalam industri informasi dan komunikasi dalam kasus Google Application dan Google Loon didasarkan pada ketentuan khusus mengenai larangan praktek monopoli dan persaingan usaha tidak sehat dalam UU No. 5 Tahun 1999. Untuk penerapan Google Loon di Indonesia, dari hasil kajian yang telah ada, opsi yang menjadi pilihan pertama adalah opsi Status Quo atau Loon tidak diimplementasikan. Oleh karena itu, diharapkan pemerintah harus bisa bertindak tegas terhadap produk-produk asing dalam industri informasi dan komunikasi yang tidak mentaati regulasi yang ada di Indonesia.

---

ABSTRAKThis thesis discusses the legal analysis of Indonesian national resilience and security against potential conglomeration of information and communication industry which is caused by foreign companies in Indonesia. The development and acceleration of digital technology in the field of information and communication industry in each country in the world also affect the industry competition globally, including Indonesia. The legal research in this thesis uses normative approach by analyzing the legal principles in the related laws and regulations, with the nature of research that is the prescriptive analytical. Taking the case of Google Application and Google Loon in Indonesia, the study found that the information and communication industry structure that was once separate from one another turned into integrated, because two or more products or services previously held by different companies became organized by the same company. Legal protection granted by the state of Indonesia to potential conglomeration in the information and communication industry in the case of Google Application and Google Loon is based on special provisions concerning the ban on monopolistic practices and unfair business competition in Law of Republic of Indonesia Number 5 of 1999. For the implementation of Google Loon in Indonesia, from the results of existing studies, the option that became the first choice is the Status Quo or Loon option is not implemented. Therefore, it is expected that the government should be able to act firmly against foreign products in the information and communication industries that do not comply with the existing regulations in Indonesia."

"Persaingan pasar yang ketat membuat pengelola aplikasi XYZ harus dapat menghadirkan keunggulan dari produknya. Untuk itu, pengelola XYZ melakukan analisis terhadap ulasan yang diberikan oleh penggunanya. Namun, pengelola aplikasi XYZ mengalami kesulitan dalam melakukan analisis ulasan karena menggunakan cara yang manual dan tidak efisien. Penelitian ini dilakukan untuk mengetahui sentimen dari aspek-aspek mobile service quality (M-S-QUAL) dan topik-topik yang sering dibicarakan oleh pengguna aplikasi XYZ pada review Google Playstore. Data ulasan yang digunakan merupakan ulasan dari bulan Januari 2023 hingga Agustus 2024, data ini berjumlah 13,364 data. Terdapat 5,000 data yang dianotasi. Data tersebut kemudian dibersihkan dan digunakan untuk melakukan analisis sentimen berbasis aspek (ABSA) dan pemodelan topik. Hasil penelitian menunjukkan dari sembilan aspek M-S-QUAL, terdapat tiga aspek yang dieliminasi karena kekurangan data, dan terdapat empat aspek yang dieliminasi karena model machine learning yang dilatih memiliki performa yang kurang baik dengan F1-score dibawah 0.7. Model yang layak digunakan untuk scoring hanya ada pada aspek billing dan system availability yaitu model XGBoost dengan teknik oversampling synthetic minority over-sampling technique (SMOTE) untuk kedua aspek. Performa dari model-model ini adalah 0.758 pada aspek billing, dan 0.802 pada aspek system availability. Dari 4,006 ulasan relevan pada aspek billing, 6.44% adalah sentimen positif, 90.81% adalah sentimen negatif, dan 2.75% adalah sentimen netral. Dari 2,410 ulasan relevan pada aspek system availability, 7.88% memiliki sentimen positif, 86.76% memiliki sentimen negatif, dan 5.35% memiliki sentimen netral. Hasil ini menunjukkan bahwa sentimen dominan pada ulasan yang relevan dengan aspek billing dan system availability adalah sentimen negatif. Pemodelan topik dilakukan untuk masing-masing sentimen positif dan negatif pada aspek billing dan system availability. Pemodelan topik aspek billing menghasilkan 3 topik untuk sentimen positif, 3 topik untuk sentimen negatif. Pemodelan topik aspek system availability menghasilkan 2 topik untuk sentimen positif, dan 2 topik untuk sentimen negatif. Topik-topik ini yang dapat dijadikan poin perbaikan dan peningkatan aplikasi XYZ.

---

The intense competition in the market forces the XYZ management to offer competitive advantages in their product. To achieve this, they analyze user reviews. However, they face challenges in analyzing user reviews because they still use manual methods, which makes the process inefficient. This study aims to understand the sentiment of aspects of mobile service quality (M-S-QUAL) and the popular topics from XYZ app users in Google Play Store reviews. The data used in this study was 13,364 reviews from January 2023 to August 2024, with 5,000 of them manually labeled. The data was cleaned and used for aspect-based sentiment analysis (ABSA) and topic modeling. The results showed that, out of nine M-S-QUAL aspects, three were excluded due to insufficient data, and four more were excluded because the machine learning models performed poorly, with F1-scores below 0.7. Only the billing and system availability aspects had decent models. The models for these aspects used the XGBoost algorithm combined with synthetic minority over-sampling technique (SMOTE). The models’ performance scores were 0.758 for billing and 0.802 for system availability. For the billing aspect, out of 4,006 relevant reviews, 6.44% had positive sentiment, 90.81% were negative, and 2.75% were neutral. For system availability, out of 2,410 relevant reviews, 7.88% were positive, 86.76% were negative, and 5.35% were neutral. This shows that most users had negative sentiment about billing and system availability. Topic modeling was conducted separately for positive and negative sentiments in both the billing and system availability aspects. For the billing aspect, topic modeling resulted in three topics for positive sentiment and three topics for negative sentiment. For the system availability aspect, two topics were identified for both positive and negative sentiments. These topics can serve as key areas for improving and enhancing the XYZ application."

"Dalam upaya meningkatkan layanan melalui aplikasi Aplikasi Pegadaian Digital, PT Pegadaian terus berupaya untuk melakukan monitoring kepuasan pelanggan dari aplikasi dengan memanfaatkan dashboard Google Play Store. Namun, berdasarkan hasil analisis, terdapat ketidakcocokan antara rating Google Play Store dengan label orientasi sentimen sesungguhnya. Persentasi kesalahan rating yang diambil dari 524 komentar yang telah divalidasi oleh manusia adalah sebesar 34.09%. Artinya, rating pada Google Play Store yang diberikan terhadap 34.09% dari 1.018 review tidak merefleksikan orientasi sentimen yang sesungguhnya. Hal ini menjadi masalah dikarenakan tidak sejalan dengan harapan yang telah disampaikan oleh Kepala Divisi Operasional dan Infrastruktur TI pada sharing and learning yang dilakukan pada tanggal 9 Maret 2021 mengenai peningkatan layanan sentra operasi, di mana seharusnya perusahaan dapat mengetahui kepuasan pelanggan secara akurat. Jika hanya mengandalkan data rating dan ulasan secara mentah dan tanpa analisis maka harapan pelanggan yang sesungguhnya tidak dapat dipenuhi. Sehingga dibutuhkan analisis yang mampu melakukan evaluasi dan menunjukan tingkat kepuasan pelanggan terhadap suatu produk berdasarkan data opini pelanggan secara langsung. Tujuannya adalah untuk mengetahui apakah rating merupakan model klasifikasi orientasi sentimen yang efektif. Selain itu analisis sentimen perlu dilakukan untuk mengetahui sejauh apa model klasifikasi orientasi sentimen yang baik dapat bekerja dan membantu perusahaan untuk mengetahui bagaimana gambaran sentimen positif dan negatif berdasarkan ulasan aplikasi terhadap aplikasi. Pada Penelitian ini, untuk mendapatkan informasi tersebut, dilakukan pendekatan data mining yaitu analisis sentimen dengan metode Maximum Entropy dan Support Vector Machine. Dengan metode ini akan digambarkan ulasan yang termasuk ulasan positif dan negatif. Selanjutnya ulasan dimodelkan dalam bentuk harapan atau persepi dari pengguna yang nantinya dapat digunakan oleh perusahaan sebagai bahan evaluasi pengembangan aplikasi. Hasil permodelan diuji akurasinya dengan menggunakan Confussion Matrix. Dari hasil confusion matrix didapatkan hasil bahwa algoritma Support Vector Machine mendapatkan nilai accuracy, precision, recall dan F-score yaitu accuracy sebesar 87,25%, nilai precision sebesar 97,67%, recall sebesar 77,78%, dan nilai F-Score 86,60%. Dengan penelitian ini, diharapakan membantu PT. Pegadaian dalam menggali harapan pelanggan secara lebih sepesifik dan detail sehingga perusahaan mampu meberikan layanan yang tepat sasaran dan sesuai harapan pelanggan.

---

To improve services through the Pegadaian Digital Application, PT Pegadaian continues to make efforts to monitor customer satisfaction from the application by utilizing the Google Play Store dashboard. However, based on the results of the analysis, there is a discrepancy between the Google Play Store rating and the actual sentiment orientation label. The percentage of rating errors taken from 524 comments that have been validated by humans is 34.09%. That is, the rating on the Google Play Store given to 34.09% from 1,018 reviews does not reflect the true sentiment orientation. This is a problem because it is not in line with the expectations that have been conveyed by the Head of Operations and IT Infrastructure Division in the sharing and learning conducted on March 9, 2021 regarding improving operations center services, where the company should be able to accurately determine customer satisfaction. If you only rely on raw rating and review data and without analysis, real customer expectations cannot be met. So we need an analysis that is able to evaluate and show the level of customer satisfaction with a product based on customer opinion data directly. The aim is to find out whether the rating is an effective sentiment orientation classification model. Besides that, sentiment analysis needs to be done to find out how far a good sentiment orientation classification model can work and help companies to find out how positive and negative sentiment is based on application reviews of applications. In this study, to obtain this information, a data mining approach was used, namely sentiment analysis using the Maximum Entropy and Support Vector Machine methods. With this method a review will be described including positive and negative reviews. Furthermore, the review is modeled in the form of expectations or perceptions from users which can later be used by the company as material for evaluating application development. Modeling results are tested for accuracy using the Confussion Matrix. From the results of the confusion matrix, the results show that the Support Vector Machine algorithm gets accuracy, precision, recall and F-score, namely accuracy of 87.25%, precision value of 97.67%, recall of 77.78%, and F-Score value 86.60%. With this research, it is hoped that it will help PT. Pegadaian explores customer expectations more specifically and in detail so that the company is able to provide services that are right on target and in line with customer expectations."

"Beberapa tahun terakhir teknologi di bidang computer vision mengalami kemajuan yang signifikan. Aplikasi teknologi ini merambat ke banyak area perkembangan teknologi lainnya, salah satunya dalam teknologi search engine untuk mempermudah pengguna mencari tanpa perlu mengetik. Salah satu implementasi dari konsep ini adalah aplikasi Google Lens oleh Google. Penelitian ini melihat dua dari tujuh fitur utama dalam aplikasi tersebut, translate dan homework. Fitur translate bertujuan untuk mempermudah pengguna dalam mencari translasi suatu teks ke bahasa lain tanpa perlu mengetik teks awal, melainkan menggunakan kamera pengguna untuk menangkap teks awal dan langsung diterjemahkan dan ditampilkan pada pengguna. Fitur homework melakukan hal yang sama, namun bertujuan untuk membantu mencari solusi pertanyaan yang biasa merupakan pekerjaan rumah siswa. Melalui pengujian akurasi optical character recognition (OCR) didapatkan bahwa fitur translate pada Google Lens, memiliki nilai akurasi lebih dari 0.99 ketika melihat potongan teks pengetikan dan 0.96 pada teks tulisan tangan dalam berbagai bahasa. Serta hasil translasi memiliki rata-rata nilai 9.2 untuk semua bahasa yang diuji. Fitur homework memiliki nilai akurasi OCR 0.99 untuk semua jenis soal, dan mampu menjawab 310 soal dari total 353. Hasil ini menunjukkan bahwa, untuk kedua fitur yang diuji, Google Lens memiliki potensial untuk digunakan dalam kehidupan sehari-hari. Hal ini terlihat pada bagian wawancara 20 responden, di mana 84.2% yakin akan kembali menggunakan aplikasi Google Lens untuk kedua fitur tersebut.

---

In recent years, there have been significant advancements in computer vision technology. This technology has spread to various other areas of technological development, including search engine technology to facilitate user searches without the need for typing. One implementation of this concept is the Google Lens application developed by Google. This study focuses on two out of seven main features of the application: translate andhomework. The translate feature aims to facilitate users in searching for translations of a text into another language without the need for typing the original text. Instead, it utilizes the user’s camera to capture the original text and immediately translate and display it to the user. The homework feature performs a similar function, but it is designed to assist in finding solutions to commonly assigned homework questions. Through accuracy testing of optical character recognition (OCR), it was found that the translate feature of Google Lens achieved an accuracy score of over 0.99 when examining typed text and 0.96 for handwritten text in various languages. Additionally, the translation results had an average score of 9.2 for all tested languages. The homework feature achieved an OCR accuracy score of 0.99 for all types of questions and was able to answer 310 out of a total of 353 questions. These results demonstrate that Google Lens has the potential for everyday use in both tested features. This is supported by the interview section of 20 respondents, where 84.2% of the respondents expressed confidence in using the Google Lens application again for both features."

"Beberapa tahun terakhir teknologi di bidang computer vision mengalami kemajuan yang signifikan. Aplikasi teknologi ini merambat ke banyak area perkembangan teknologi lainnya, salah satunya dalam teknologi search engine untuk mempermudah pengguna mencari tanpa perlu mengetik. Salah satu implementasi dari konsep ini adalah aplikasi Google Lens oleh Google. Penelitian ini melihat dua dari tujuh fitur utama dalam aplikasi tersebut, translate dan homework. Fitur translate bertujuan untuk mempermudah pengguna dalam mencari translasi suatu teks ke bahasa lain tanpa perlu mengetik teks awal, melainkan menggunakan kamera pengguna untuk menangkap teks awal dan langsung diterjemahkan dan ditampilkan pada pengguna. Fitur homework melakukan hal yang sama, namun bertujuan untuk membantu mencari solusi pertanyaan yang biasa merupakan pekerjaan rumah siswa. Melalui pengujian akurasi optical character recognition (OCR) didapatkan bahwa fitur translate pada Google Lens, memiliki nilai akurasi lebih dari 0.99 ketika melihat potongan teks pengetikan dan 0.96 pada teks tulisan tangan dalam berbagai bahasa. Serta hasil translasi memiliki rata-rata nilai 9.2 untuk semua bahasa yang diuji. Fitur homework memiliki nilai akurasi OCR 0.99 untuk semua jenis soal, dan mampu menjawab 310 soal dari total 353. Hasil ini mennunjukan bahwa, untuk kedua fitur yang diuji, Google Lens memiliki potensial untuk digunakan dalam kehidupan sehari-hari. Hal ini terlihat pada bagian wawancara 20 responden, di mana 84.2% yakin akan kembali menggunakan aplikasi Google Lens untuk kedua fitur tersebut.

---

In recent years, there have been significant advancements in computer vision technology. This technology has spread to various other areas of technological development, includ- ing search engine technology to facilitate user searches without the need for typing. One implementation of this concept is the Google Lens application developed by Google. This study focuses on two out of seven main features of the application: translate and homework. The translate feature aims to facilitate users in searching for translations of a text into another language without the need for typing the original text. Instead, it utilizes the user’s camera to capture the original text and immediately translate and display it to the user. The homework feature performs a similar function, but it is designed to assist in finding solutions to commonly assigned homework questions. Through accuracy testing of optical character recognition (OCR), it was found that the translate feature of Google Lens achieved an accuracy score of over 0.99 when examining typed text and 0.96 for handwritten text in various languages. Additionally, the translation results had an average score of 9.2 for all tested languages. The homework feature achieved an OCR accuracy score of 0.99 for all types of questions and was able to answer 310 out of a total of 353 questions. These results demonstrate that Google Lens has the potential for everyday use in both tested features. This is supported by the interview section of 20 respondents, where 84.2% of the respondents expressed confidence in using the Google Lens application again for both features."

"Perkembangan media sosial telah berkembang pesat, tidak hanya sebagai alat komunikasi sosial antar individu. Fungsi dan kegunaannya semakin berkembang serta banyak dimanfaatkan organisasi swasta maupun pemerintah untuk mengukur tingkat layanan. Ditjen Imigrasi selaku organisasi pemerintah merupakan salah satu organisasi yang memanfaatkan media sosial, salah satu fungsinya untuk mengetahui apakah layanan yang diberikan telah diterima dengan baik oleh masyarakat. Selain melalui media sosial, Imigrasi juga telah meluncurkan aplikasi M-Paspor di platform Google Play Store, di platform tersebut Imigrasi juga dapat mengetahui tingkat efektivitas dari aplikasi yang telah diluncurkan. Berdasarkan survei yang dilakukan oleh Balitbangham yang merupakan internal dari Kemenkumham, layanan yang diberikan oleh imigrasi mendapat nilai sangat baik, namun faktanya pada media sosial maupun google play store banyak komentar maupun ulasan yang kurang puas dengan pelayanan pihak imigrasi. Hal tersebut menjadi kontradiksi antara hasil survei Balitbangham dan data di media sosial. Namun, akan sulit untuk melakukan analisis data media sosial dikarenakan jumlah yang banyak. Oleh karena itu, perlu dilakukan untuk mengusulkan sistem untuk melakukan analisis sentimen menggunakan data teks komentar dan ulasan. Sehingga pihak Imigrasi dapat mengambil langkah terbaik untuk dapat memperbaiki layanan yang masih belum maksimal. Dataset yang digunakan berupa data yang diambil dari media sosial Twitter dan Instagram serta ulasan pada Google Play Store. Hasil penelitian menunjukan jika fitur ekstraksi TF-IDF Unigram yang dipadukan dengan algoritma Support Vector Machine (SVM) serta SMOTE menghasilkan performa paling tinggi dibandingkan dengan nave Bayes (NB) maupun Random Forest (RF). dalam melakukan klasifikasi, SVM menghasilkan dengan hasil Precision 72%, Recall 69%, Accurasy 69, serta F1-Score sebesar 68%. Model tersebut dapat digunakan Imigrasi untuk mengetahui umpan balik pelayanan dari masyarakat yang dapat digunakan sebagai pertimbangan dalam melakukan perbaikan pelayanan serta merumuskan strategi pelayanan oleh Direktorat terkait agar pelayanan lebih efisien untuk kedepannya. Sehingga, Imigrasi akan mampu dengan cepat merespon kendala yang dihadapai oleh masyarakat.

---

The development of social media has grown rapidly, not only as a means of social communication between individuals. Its functions and uses are growing and are widely used by private and government organizations to measure service levels. The Directorate General of Immigration as a government organization is one of the organizations that utilizes social media. Its function is to find out whether the services provided have been well received or not by the public. Apart from social media, Immigration has also launched the M-Passport application on the Google Play Store platform, on the platform, Immigration officials can also find out the effectiveness of the applications that have been launched. Based on a survey conducted by Balitbangham which is internal to the Ministry of Human Rights, the services provided by immigration get a very good score, but the fact is that on social media and the Google Play Store some many comments and reviews are not satisfied with the services of the immigration authorities. This is a contradiction between the results of the Balitbangham survey and data on social media. However, it will be difficult to analyze social media data due to the large number. Therefore, it is necessary to propose a system to perform sentiment analysis using commentary and reviewing text data. So that Immigration can take the best steps to be able to improve services that are still not optimal. The dataset used is in the form of data taken from social media Twitter and Instagram as well as reviews on the Google Play Store. The results show that the TF-IDF Unigram extract feature combined with the Support Vector Machine (SVM) and SMOTE algorithms produces the highest performance compared to Naïve Bayes (NB) and Random Forest (RF). In classifying, SVM produces 72% Precision, 69% Recall, 69% Accuracy, and 68% F1-Score. This model can be used by Immigration to find out service feedback from the community as a consideration in making service improvements and formulating more efficient service strategies for the future. Thus, Immigration will be able to quickly respond to the obstacles faced by the community."

"Kebijakan baru yang dikeluarkan oleh perusahaan Google Indonesia dinilai KPPU dapat menjadi sebuah tindakan pelanggaran Hukum Persaingan Usaha yang menimbulkan persaingan usaha tidak sehat. Pokok permasalahan disini, adalah membahas dua permasalahan berkenaan kebijakan tersebut. Pertama, mengenai tinjauan aturan-aturan umum dari pengadaan jasa layanan distribusi aplikasi di Indonesia, serta tinjauan mengenai peraturan lebih khusus yang melarang adanya pelanggaran dalam menjalankan usaha mengacu pada aturan Hukum Persaingan Usaha. Kedua, mengenai analisis yuridis terhadap dugaan adanya pelanggaran Hukum Persaingan Usaha yang dilakukan Google Indonesia sebagai penyedia jasa layanan distribusi aplikasi terhadap pengembang aplikasi. Dalam penulisannya, naskah ini ditulis dengan menggunakan metode penelitian yuridis normatif serta melalui pendekatan Undang-Undang khususnya yang mencakup aturan-aturan persaingan usaha di Indonesia. Penulisan juga dibuat dengan menggunakan bahan hukum primer maupun sekunder dengan pendekatan kualitatif. Hasil penelitian mengungkapkan bahwa kebijakan baru Google Indonesia yang diduga melanggar tiga pasal di dalam UU Antimonopoli telah sesuai dengan maksud dan unsur dari pasal-pasal tersebut, serta dampak dari kebijakan tersebut dapat menganggu iklim persaingan usaha di Indonesia. 

---

According to the KPPU, the new policy issued by the company Google Indonesia can be an act of violating the Business Competition Law which creates unfair business competition. The main problem here is to discuss two problems regarding the policy. First, regarding a review of general rules for the procurement of application distribution services in Indonesia, as well as a review of more specific regulations that prohibit violations in running a business referring to the rules of Business Competition Law. Second, regarding the juridical analysis of allegations of violations of the Business Competition Law by Google Indonesia as a provider of application distribution services to application developers. In writing, this manuscript was written using normative juridical research methods and through the approach of laws specifically covering business competition regulations in Indonesia. Writing is also made using primary and secondary legal materials with a qualitative approach. The results of the study revealed that Google Indonesia's new policy, which allegedly violated three articles in the Antimonopoly Law, was in accordance with the intent and elements of these articles, and the impact of the policy could disrupt the business competition climate in Indonesia"