Hasil Pencarian  ::  Simpan CSV :: Kembali

"Penelitian ini bertujuan untuk mengetahui pengaruh Chatbot LazzieChat terhadap customer satisfaction, brand-relationship quality pada Lazada, dan continuance chatbot intention di Indonesia. LazzieChat sendiri merupakan chatbot e-commerce artificial intelligence (AI) pertama di Asia Tenggara yang ditenagai oleh teknologi OpenAI Chat GPT dari Azure OpenAI Service. Meningkatnya penggunaan chatbot, membuat Lazada menciptakan inovasi yang berkolaborasi Microsoft Azure Open AI Service untuk menambah daya saing Lazada di industri ­e-commerce. Penelitian kuantitatif ini menggunakan teknik non probability sampling berupa judgmental sampling dengan jumlah 303 responden pengguna Lazada di Indonesia. Analisis pada penelitian ini dilakukan dengan Partial Least Square-Structural Equation Modeling (PLS-SEM) untuk menguji apakah information quality, system quality, experience with chatbot, dan chatbot anthropomorphism berpengaruh terhadap customer satisfaction, brand-relationship quality, dan chatbot continuance intention. Temuan menunjukkan bahwa information quality, system quality, experience with chatbot, dan chatbot anthropomorphism berpengaruh positif terhadap customer satisfaction, customer satisfaction berpengaruh positif terhadap brand-relationship quality dan chatbot continuance intention, dan brand-relationship quality berpengaruh positif terhadap chatbot continuance intention.

---

This research aims to determine the influence of the LazzieChat chatbot on customer satisfaction, brand-relationship quality at Lazada, and continuance chatbot intention in Indonesia. LazzieChat itself is the first artificial intelligence (AI) e-commerce chatbot in Southeast Asia which is powered by OpenAI Chat GPT technology from Azure OpenAI Service. The increasing use of chatbots has led Lazada to create innovations in collaboration with Microsoft Azure Open AI Service to increase Lazada's competitiveness in the e-commerce industry. This quantitative research uses a non-probability sampling technique in the form of judgmental sampling with 303 Lazada user respondents in Indonesia. The analysis in this research was carried out using Partial Least Square-Structural Equation Modeling (PLS-SEM) to test whether information quality, system quality, experience with chatbot, and chatbot anthropomorphism influence customer satisfaction, brand-relationship quality, and chatbot continuance intention. The findings show that information quality, system quality, experience with chatbot, and chatbot anthropomorphism have a positive effect on customer satisfaction, customer satisfaction has a positive effect on brand-relationship quality and chatbot continuance intention, and brand-relationship quality has a positive effect on chatbot continuance intention."

"Penelitian ini bertujuan untuk mengkaji pengaruh kualitas layanan chatbot berbasis AI terhadap loyalitas pelanggan yang dirasakan, dengan mempertimbangkan peran mediasi dari perceived value, trust, dan satisfaction. Metode yang digunakan adalah survei kuantitatif dengan pengambilan sampel dari pelanggan Lazada di DKI Jakarta. Data dikumpulkan melalui kuesioner dan dianalisis menggunakan KMO. Hasil penelitian menunjukkan bahwa kualitas layanan AI chatbot secara signifikan mempengaruhi nilai yang dirasakan dan kepuasan pelanggan, yang selanjutnya berdampak pada kepercayaan pelanggan. Nilai yang dirasakan dan kepuasan pelanggan juga berperan sebagai mediator dalam hubungan antara kualitas layanan AI chatbot dan loyalitas pelanggan. Penelitian ini memberikan wawasan penting bagi Lazada dan perusahaan e-commerce lainnya dalam mengembangkan strategi layanan pelanggan berbasis AI. Implikasi praktis dari penelitian ini termasuk pentingnya mengintegrasikan solusi AI chatbot yang efektif untuk meningkatkan pengalaman pelanggan, yang pada gilirannya dapat mendorong loyalitas pelanggan. Penelitian ini juga menyarankan arah untuk penelitian masa depan, terutama dalam mengkaji dampak jangka panjang dari teknologi AI dalam layanan pelanggan pada berbagai sektor industri.

---

This study aims to examine the influence of AI-based chatbot service quality on perceived customer loyalty, taking into consideration the mediating roles of perceived value, trust, and satisfaction. The research method employed was a quantitative survey, with a sample taken from Lazada customers in DKI Jakarta. Data were collected through questionnaires and analyzed using KMO. The research results indicate that the quality of AI chatbot services significantly affects perceived value and customer satisfaction, which subsequently impacts customer trust. Perceived value and customer satisfaction also act as mediators in the relationship between AI chatbot service quality and customer loyalty. This study provides valuable insights for Lazada and other e-commerce companies in developing AI-based customer service strategies. Practical implications of this research include the importance of integrating effective AI chatbot solutions to enhance customer experiences, ultimately driving customer loyalty. The study also suggests directions for future research, especially in examining the long-term impact of AI technology in customer service across various industry sectors."

"Tujuan dari penelitian ini untuk mengkaji terkait live agent dan chatbot dan pengaruhnya terhadap customer satisfaction dengan moderasi social presence dengan mengetahui pengaruh dari live agent dan chatbot diharapkan akan berdampak terhadap customer satisfaction platform e-commerce.Jenis penelitian ini adalah explanatory research atau penelitian eksplanatif. Teknik purposive sampling digunakan dalam pemilihan sampel dengan kriteria tertentu. Perhitungan jumlah sampel menggunakan metode Bernoulli yang diperoleh jumlah 300 responden.Hasil penelitian yang diperoleh yaitu semua hipotesa di dalam penelitian ini terbukti. Seluruh variabel independent dalam penelitian ini berpengaruh terhadap variabel dependen secara siginifikan, dan variabel moderasi terbukti memperkuat hubungan antara variabel independent terhadap variabel dependen.

---

The purpose of this study is to examine related to live agents and chatbots and their effect on customer satisfaction with social presence moderation by knowing the influence of live agents and chatbots is expected to have an impact on the customer satisfaction of e-commerce platforms. This type of research is explanatory research or explanatory research. The purposive sampling technique is used in the selection of samples with certain criteria. The calculation of the number of samples using the Bernoulli method obtained the number of 300 respondents. The results of the research obtained are that all hypotheses in this study are proven. All independent variables in this study significantly affect the dependent variables, and the moderation variables affect the independent and dependent variables."

"Penelitian ini bertujuan untuk melihat pengaruh dari keinformatifan, efektivitas, dan hiburan terhadap niat pembelian dan kepuasan yang dimediasi oleh kondisi flow pengunjung toko online Lazada Indonesia dengan konsep model stimulusorganism-response (SOR) yang diperkenalkan oleh Mehrabian dan Russel (1978). Responden penelitian ini berjumlah 160 orang yang telah mengunjungi situs tersebut. Model penelitian menggunakan 7 hipotesis dan diuji oleh metode analisis jalur (path analysis).Hasil penelitian menyatakan bahwa efektivitas dan hiburan (stimulus) mempunyai pengaruh langsung terhadap flow (organism), begitu pula pengaruh tidak langsung keduanya terhadap niat pembelian dan kepuasan (responses). Namun keinformatifan (stimulus) tidak mempunyai pengaruh langsung terhadap flow maupun pengaruh tidak langsung terhadap niat pembelian dan kepuasan. Sedangkan pada jurnal penelitian, terdapat pengaruh langsung antara variabel-variabel stimulus terhadap flow dan pengaruh tidak langsung variabel-variabel stimulus kepada variabel-variabel responses.

---

This study aims to know the relationships between informativeness, effectiveness, and entertainment toward purchase intenton and satisfaction mediated by flow of consumers in Lazada Indonesia online store using the stimulus-organism-response (SOR) concept model introduced by Mehrabian and Russel (1978). This study using 160 respondents who has been visiting Lazada Indonesia website. The model has 7 hypotheses and had tested using path analysis method.

The results declare that effectiveness and entertainment (stimulus) have direct effect toward flow (organism) and indirect effect toward purchase intention and satisfaction (responses). But informativeness does not has any direct nor indirect effect towards them. Whereas, in main reference journal, the three stimulus variables have direct effect toward flow as organism variable and indirect effect toward two responses variables."

"Chatbot sebagai asisten virtual yang digunakan oleh suatu instansi dapat memberikan manfaat bagi penggunanya. Dengan adanya chatbot, pengguna dapat berbicara langsung kepada chatbot melalui pesan singkat, yang kemudian sistem secara spontan mengidentifikasi intent pesan tersebut dan merespons dengan tindakan yang relevan. Sayangnya, cakupan pengetahuan chatbot terbatas dalam menangani pesan oleh pengguna yang semakin bervariasi. Dampak utama dari adanya variasi tersebut adalah adanya perubahan pada komposisi label intent. Untuk itu, penelitian ini berfokus pada dua hal. Pertama, pemodelan topik untuk menemukan intent dari pesan pengguna yang belum teridentifikasi intent-nya. Kedua, pemodelan topik digunakan untuk mengorganisasi intent yang sudah ada dengan menganalisis hasil keluaran model topik. Setelah dianalisis, terdapat dua kemungkinan fenomena perubahan komposisi intent yaitu: penggabungan dan pemecahan intent, dikarenakan terdapat noise saat proses anotasi dataset orisinal. Pemodelan topik yang digunakan terdiri dari Latent Dirichlet Allocation (LDA) sebagai model baseline dan dengan model state-of-the-art Top2Vec dan BERTopic. Penelitian dilakukan terhadap dataset salah satu e-commerce di Indonesia dan empat dataset publik. Untuk mengevaluasi model topik digunakan metrik evaluasi coherence, topic diversity dan topic quality. Hasil penelitian menunjukkan model topik BERTopic dan Top2Vec menghasilkan nilai topic quality 0.036 yang lebih baik dibandingkan model topik LDA yaitu -0.014. Terdapat pula pemecahan intent dan penggabungan intent yang ditemukan dengan analisis threshold proporsi.

---

Chatbot, as a virtual assistant used by an institution, can provide benefits for its users. With a chatbot, users can speak directly to the chatbot via a short message, which then the system spontaneously identifies the intent of the message and responds with the relevant action. Unfortunately, the scope of chatbot knowledge is limited in handling messages by an increasingly varied user. The main impact of this variation is a change in the composition of the intent label. For this reason, this research focuses on two things. First, topic modeling to find intents from user messages whose intents have not been identified. Second, topic modeling is used to organize existing intents by analyzing the output of the topic model. After being analyzed, there are two possible phenomena of changing intent composition: merging and splitting intents because there is noise during the annotation process of the original dataset. The topic modeling used consists of Latent Dirichlet Allocation (LDA) as the baseline model and the state-of-the-art Top2Vec and BERTopic models. The research was conducted on one dataset of e-commerce in Indonesia and four public datasets. The evaluation metrics of coherence, topic diversity, and topic quality were used to evaluate the topic model. The results showed that the BERTopic and Top2Vec topic models produced a topic quality value of 0.036, better than the LDA topic model, which was -0.014. There are also intent splitting and intent merging found by proportion threshold analysis."

"

Masa pasca pandemi COVID-19 telah merubah perilaku perusahaan untuk lebih melek terhadap transformasi digital. Penerapan chatbot dalam dunia bisnis merupakan salah satu bentuk digitalisasi yang dapat meningkatkan keunggulan kompetitif untuk menghadapi persaingan yang semakin ketat. Namun sayangnya masih minim penelitian yang membahas efektivitas implementasi chatbot di Indonesia. Penelitian ini bertujuan untuk menganalisis pengaruh chatbot marketing efforts terhadap customer response melalui communication quality dan customer brand relationship pada pengguna Tanya Veronika di aplikasi My Telkomsel. Penelitian ini menggunakan pendekatan kuantitatif dengan teknik pengambilan melalui penyebaran kuesioner secara purposive sampling dengan Google Form kepada 196 responden yang merupakan pengguna aplikasi My Telkomsel, minimal berusia 18 tahun, dan pernah menggunakan fitur Tanya Veronika di aplikasi My Telkomsel minimal dua kali dalam satu tahun terakhir. Data yang diperoleh, diolah menggunakan SEM melalui SmartPLS 4.0. Hasil penelitian mengungkapkan bahwa customer response pada pengguna Tanya Veronika di aplikasi My telkomsel dipengaruhi secara positif dan signifikan oleh chatbot marleting efforts melalui communication quality dan customer brand relationship.

---

The era of post-COVID-19 pandemic has driven changes in company behavior to emphasize awareness on digital transformation. The implementation of chatbots in the business sector is one of the forms of digitalization that can increase competitive advantage to compete in the increasingly tight competition. However, there is still a lack of research that discusses about the effectiveness of chatbot implementation in Indonesia. This study aimed to analyze the effect of chatbot marketing efforts on customer response through communication quality and customer brand relationship on Tanya Veronika's users in My Telkomsel application. This study used a quantitative approach with data collection techniques through distributing questionnaires using purposive sampling with Google Form to 196 respondents who are users of the My Telkomsel application, a minimum of 18 years old, and have used the Tanya Veronika feature in My Telkomsel application at the very least twice in the past year. The data obtained is processed using SEM through SmartPLS 4.0. The results revealed that customer response on Tanya Veronika's users in the My Telkomsel application is positively and significantly affected by chatbot marketing efforts through communication quality and customer brand relationship.

"

"ABSTRAKPenelitian ini bertujuan untuk menganalisis pengaruh satisfaction, habit dan customer value perspectives yang dijelaskan oleh variabel perceived usefulness, perceived enjoyment dan social ties terhadap continuance intention atau intensi mahasiswa Universitas Indonesia untuk melanjutkan penggunaan aplikasi WhatsApp. Responden penelitian ini adalah mahasiswa aktif Universitas Indonesia program S1 dan D3 Vokasi yang telah menggunakan aplikasi WhatsApp minimal semenjak enam bulan terakhir. Kuesioner dalam penelitian ini adalah self administered questionnaires yang disebarkan dan diisi secara online. Penelitian ini menggunakan metode Structural Equation Modelling (SEM), dan pengolahan data dari 271 responden menggunakan software LISREL 8.51. Hasil penelitian ini menunujukkan bahwa perceived usefulness dan social ties terbukti secara signifikan memengaruhi satisfaction dan habit, namun tidak berpengaruh signifikan terhadap continuance intention. Sementara perceived enjoyment terbukti tidak berpengaruh signifikan terhadap satisfaction, habit dan continuance intention

---

ABSTRACTThis study aims to analyze the effects of satisfaction, habit and customer value perspectives which explained by three variables: perceived usefulness, perceived enjoyment, social ties toward continuance intention of University of Indonesia student in using WhatsApp. Data for this research were collected from University of Indonesia active student from Bachelor (S1) and Diploma (D3) program who has using WhatsApp at least for the last six months. Self administered questionnaires in this research were distributed and filled online. This research using Structural Equation Modelling (SEM) method and 271 response were run with LISREL 8.51. The results of this research indicate that the perceived usefulness and social ties have significant effects on satisfaction and habit but have no significant effect on continuance intention. While perceived enjoyment has no significant effect on satisfaction, habit and continuance intention."

"Penelitian ini bertujuan untuk mengembangkan sistem chatbot yang mampu menjawab pertanyaan seputar akademik Teknik Komputer UI. Sistem ini memanfaatkan teknologi Large Language Model (LLM) Komodo-7B yang telah di-fine-tuning dengan teknik Low-Rank Adaptation (LoRA) dan diintegrasikan dengan Retrieval Augmented Generation (RAG). Dataset Ultrachat yang diterjemahkan ke Bahasa Indonesia digunakan untuk fine-tuning model Komodo-7B, sementara dokumen PDF Kurikulum Teknik Komputer UI 2020 v4 digunakan sebagai sumber informasi untuk model RAG.Pengujian performa model Komodo-7B menunjukkan bahwa LoRA efektif dalam meningkatkan kemampuan model dalam memahami dan menghasilkan teks percakapan Bahasa Indonesia. Namun, pengujian performa chatbot menggunakan dua dataset pertanyaan, yaitu dataset custom yang dihasilkan menggunakan Giskard dan API ChatGPT, dan dataset Fathurrahman Irwansa yang telah diadaptasi, menunjukkan bahwa sistem chatbot masih memiliki ruang untuk peningkatan. Tingkat akurasi yang rendah pada kedua dataset (32% pada dataset custom dan 24,1% pada dataset Fathur) mengindikasikan bahwa sistem retrieval yang digunakan kurang akurat dalam menemukan konteks yang relevan. Meskipun demikian, ketika model RAG dapat mengambil konteks yang relevan, model Komodo-7B menunjukkan akurasi yang cukup tinggi (80% pada dataset custom dan 91,29% pada dataset Fathur, dihitung dari jumlah ketika kedua Komodo-7B dan konteks benar, kemudian dibagi dengan jumlah ketika konteks benar).Hasil penelitian menunjukkan bahwa model Komodo-7B memiliki potensi yang baik untuk digunakan pada sistem chatbot jika dikombinasikan dengan sistem retrieval yang lebih akurat. Penelitian ini memberikan kontribusi dalam pengembangan sistem chatbot berbasis LLM untuk menjawab pertanyaan seputar akademik, dan membuka peluang untuk penggunaan yang lebih luas di lingkungan Universitas Indonesia.

---

This research aims to develop a chatbot system capable of answering questions regarding the academic curriculum of Computer Engineering at Universitas Indonesia. The system utilizes the Komodo-7B Large Language Model (LLM), fine-tuned with Low-Rank Adaptation (LoRA) and integrated with Retrieval Augmented Generation (RAG). The Ultrachat dataset, translated into Indonesian, is used for fine-tuning the Komodo-7B model, while the 2020 v4 Computer Engineering Curriculum PDF document serves as the information source for the RAG model. Performance evaluation of the Komodo-7B model demonstrates that LoRA effectively enhances the model's ability to understand and generate Indonesian text. However, chatbot performance testing using two question datasets, a custom dataset generated using Giskard and the ChatGPT API, and the Fathur dataset adapted from prior research, reveals that the chatbot system still has room for improvement. The low accuracy on both datasets (32% on the custom dataset and 24.1% on the Fathur dataset) indicates that the retrieval system employed is not sufficiently accurate in finding relevant context. Nevertheless, when the RAG model successfully identifies relevant context, the Komodo-7B model exhibits relatively high accuracy (80% on the custom dataset and 91.29% on the Fathur dataset, calculated from the total of when Komodo-7B and the context are both correct, then divided by the total of when the context is correct). The research findings suggest that the Komodo-7B model holds significant potential for chatbot systems when combined with a more accurate retrieval system. This study contributes to the development of LLM-based chatbot systems for answering academic-related questions and opens up opportunities for broader applications within Universitas Indonesia."

"Dewasa ini, tidak dapat dipungkiri bahwa teknologi telah berkembang pesat dan digunakan secara masif di seluruh dunia. Mesin kecerdasan buatan atau AI pada masa ini mampu memenuhi berbagai macam kebutuhan manusia. Saat ini, sudah hadir generative AI dengan bentuk chatbot yang mampu menjawab pertanyaan dalam bentuk prompt dari manusia sebagai pengguna. Namun, tentunya perkembangan pesat kecerdasan buatan ini tidak bersifat sempurna. Dalam beberapa situasi, terjadi kesalahan dalam perkembangan kecerdasan buatan dan hal tersebut justru berpotensi untuk merugikan manusia, contohnya terjadinya pencemaran nama baik dalam chatbot seperti yang terjadi pada tahun 2023 di Amerika Serikat. Situasi tersebut pastinya akan menimbulkan beberapa macam ketidakpastian, salah satunya adalah pihak yang akan bertanggungjawab dalam hal terjadinya kesalahan hasil dari mesin kecerdasan buatan. Perumusan penulisan akan membahas lebih lanjut mengenai kedudukan generative AI di Indonesia dan Amerika Serikat sampai dengan tanggung jawab terhadap performa AI yang dianggap mencemarkan nama baik. Penulisan penelitian ini dilakukan dengan metode penelitian hukum doktrinal yang disusun lebih lanjut dengan pendekatan analisis yuridis normatif, yaitu dengan berfokus kepada kaidah-kaidah norma hukum dan penerapannya.

---

Today, technology has developed rapidly and is used massively throughout the world. Today's artificial intelligence or AI machines are able to fulfil various human needs. Currently, generative AI is available in the form of chatbot which is able to answer questions in the form of prompts from humans as users. However, of course, the rapid development of artificial intelligence is not perfect. In several situations, errors occur in the development of artificial intelligence and has the potential to harm humans, for example defamation in chatbots as happened in 2023 in the United States. Such situation will inevitably create several kinds of uncertainty, one of which is determining who will be held responsible when errors arise as the results of artificial intelligence systems. The formulation of this paper will discuss the standing of generative AI in Indonesia and the United States, including responsibility for AI performance that is considered defamatory. The writing of this study is reviewed with doctrinal research method, developed with a normative juridical analysis approach, focusing on legal norms and the application of legal norms."

"Dewasa ini, tidak dapat dipungkiri bahwa teknologi telah berkembang pesat dan digunakan secara masif di seluruh dunia. Mesin kecerdasan buatan atau AI pada masa ini mampu memenuhi berbagai macam kebutuhan manusia. Saat ini, sudah hadir generative AI dengan bentuk chatbot yang mampu menjawab pertanyaan dalam bentuk prompt dari manusia sebagai pengguna. Namun, tentunya perkembangan pesat kecerdasan buatan ini tidak bersifat sempurna. Dalam beberapa situasi, terjadi kesalahan dalam perkembangan kecerdasan buatan dan hal tersebut justru berpotensi untuk merugikan manusia, contohnya terjadinya pencemaran nama baik dalam chatbot seperti yang terjadi pada tahun 2023 di Amerika Serikat. Situasi tersebut pastinya akan menimbulkan beberapa macam ketidakpastian, salah satunya adalah pihak yang akan bertanggungjawab dalam hal terjadinya kesalahan hasil dari mesin kecerdasan buatan. Perumusan penulisan akan membahas lebih lanjut mengenai kedudukan generative AI di Indonesia dan Amerika Serikat sampai dengan tanggung jawab terhadap performa AI yang dianggap mencemarkan nama baik. Penulisan penelitian ini dilakukan dengan metode penelitian hukum doktrinal yang disusun lebih lanjut dengan pendekatan analisis yuridis normatif, yaitu dengan berfokus kepada kaidah-kaidah norma hukum dan penerapannya.

---

Today, technology has developed rapidly and is used massively throughout the world. Today's artificial intelligence or AI machines are able to fulfil various human needs. Currently, generative AI is available in the form of chatbot which is able to answer questions in the form of prompts from humans as users. However, of course, the rapid development of artificial intelligence is not perfect. In several situations, errors occur in the development of artificial intelligence and has the potential to harm humans, for example defamation in chatbots as happened in 2023 in the United States. Such situation will inevitably create several kinds of uncertainty, one of which is determining who will be held responsible when errors arise as the results of artificial intelligence systems. The formulation of this paper will discuss the standing of generative AI in Indonesia and the United States, including responsibility for AI performance that is considered defamatory. The writing of this study is reviewed with doctrinal research method, developed with a normative juridical analysis approach, focusing on legal norms and the application of legal norms."