Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
Ilmu Data adalah irisan dari matematika dan statistika, komputer, serta keahlian domain. Dalam beberapa tahun terakhir inovasi pada bidang ilmu data berkembang sangat pesat, seperti Artificial Intelligence (AI) yang telah banyak membantu kehidupan manusia. Deep Learning (DL) sebagai bagian dari AI merupakan pengembangan dari salah satu model machine learning yaitu neural network. Dengan banyaknya jumlah lapisan neural network, model deep learning mampu melakukan proses ekstrasi fitur dan klasifikasi dalam satu arsitektur. Model ini telah terbukti mengungguli teknik state-of-the-art machine learning di beberapa bidang seperti pengenalan pola, suara, citra, dan klasifikasi teks. Model deep learning telah melampaui pendekatan berbasis AI dalam berbagai tugas klasifikasi teks, termasuk analisis sentimen. Data teks dapat berasal dari berbagai sumber, seperti sumber dari media sosial. Analisis sentimen atau opinion mining merupakan salah satu studi komputasi yang menganalisis opini dan emosi yang diekspresikan pada teks. Pada penelitian ini analisis peforma machine learning dilakukan pada metode deep learning berbasis representasi data BERT dengan metode CNN dan LSTM serta metode hybrid deep learning CNN-LSTM dan LSTM-CNN. Implementasi model menggunakan data komentar youtube pada video politik dengan topik terkait Pilpres 2024, kemudian evaluasi peforma dilakukan menggunakan confusion metric berupa akurasi, presisi, dan recall. ......Data Science is the intersection of mathematics and statistics, computing, and a domain of expertise. In recent years innovation in the field of data science has developed very rapidly, such as Artificial Intelligence (AI) which helped a lot in human life. Deep Learning (DL) as part of AI is the development of one of the machine learning models, namely neural network. With the large number of neural network layers, deep learning models are capable of performing feature extraction and classification processes in a single architecture. This model has proven to outperform state-of-the-art machine learning techniques in areas such as pattern recognition, speech, imagery, and text classification. Deep learning models have gone beyond AI-based approaches in a variety of text classification task, including sentiment analysis. Text data can come from various sources, such as source from social media. Sentiment analysis or opinion mining is a computational study that analyze opinions and emotions expressed in text. In this research, machine learning performance analysis is carried out on a deep learning method based on BERT data representation with the CNN and LSTM and hybrid deep learning CNN-LSTM and LSTM-CNN method. The implementation of the model uses YouTube commentary data on political videos related to the 2024 Indonesia presidential election, then performance analysis is carried out using confusion metrics in the form of accuracy, precision, and recall.

Abstrak :
UKM Distro mulai berkembang pesat dengan banyaknya clothing brand yang baru mulai merintis maupun yang sudah lama merintis hadir dan dapat dijumpai secara online. Bertambahnya jumlah pelaku UKM Distro membuat persaingan antar pelaku menjadi semakin ketat. Untuk dapat bersaing dalam mendapatkan pelanggan, UKM Distro diharuskan untuk unggul secara kompetitif. Meningkatkan keunggulan kompetitif dengan melakukan inovasi pada semua komponen yang dimiliki para pelaku UKM Distro. Komponen ini merupakan faktor-faktor inovasi yang dimiliki oleh para pelaku UKM Distro seperti faktor inovasi Produk, Proses, Organisasi, dan Pemasaran.  Dilakukan penelitian terhadap beberapa UKM Distro untuk memprioritaskan faktor-faktor inovasi tersebut. Tujuannya untuk mendapatkan data yang kemudian diolah dengan metode Analytical Hierarchy Process (AHP). Pengolahan dengan metode ini ialah untuk menentukan bobot dari setiap faktor dan subfaktor inovasi UKM Distro. Bobot dari setiap faktor kemudian diperingkatkan untuk mendapatkan priorirtas inovasi setiap faktor dan sub-faktor UKM Distro. Peringkat tersebut kemudian dapat menjadi acuan oleh pelaku UKM Distro untuk melakukan lebih banyak inovasi yang efektif untuk meningkatkan keunggulan kompetitif. Hasil dari penelitian ini adalah prioritas dari faktor dan subfaktor inovasi UKM Distro berdasarkan besar nilai bobot. Peringkat pertama adalah inovasi Produk dengan inovasi dalam kualitas sablon atau bordir dan desain gambar. Peringkat kedua adalah Inovasi pemasaran dengan inovasi dalam metode pemasaran dan kesesuaian pelanggan.

---

SME Distro began to grow rapidly with the number of clothing brands that were just starting to pioneer and who had long been pioneering and could be found online. The increasing number of SME Distro actors makes competition between actors increasingly tight. To be able to compete in obtaining customers, SME Distro are required to excel competitively. Increase competitive advantage by innovating on all components owned by SME distributors. This component is an innovation factors that is owned by the SME Distro actors such as Product innovation, Process, Organization, and Marketing factors. Conducted research on several SME Distro to prioritize these innovation factors. The goal is to obtain data which is then processed using the Analytical Hierarchy Process (AHP) method. Processing with this method is to determine the weight of each factor and the innovation sub-factor of SME Distro. The weight of each factor is then ranked to get the priority of innovation for each factor and sub-factor of the SME Distro. The rating can then become a reference by SME Distro players to do more effective innovations to increase competitive advantage. The results of this study are the priorities of the factors and innovation sub-factors of SME Distro based on the weight values. The first rank is Product innovation with innovation in quality of screen printing or embriodery and image design. The second rank is Marketing innovation with innovation in marketing method and customer suitability.