Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
Privasi data menjadi perhatian krusial dalam lanskap bisnis saat ini, terutama dengan Big Data dan Analytics (BD&A) serta kecerdasan buatan (AI). Diulas melalui empat artikel, lanskap analitika bisnis yang terus berkembang membahas aspek sejarah, tantangan implementasi, dan perannya yang transformatif. Sambil menyoroti manfaat BD&A dan AI, esai menekankan kebutuhan mendesak akan kesadaran dan langkah-langkah proaktif untuk mengatasi isu privasi data. Esai ini menekankan dampak negatif dari pengumpulan data yang luas dan menganjurkan perlindungan informasi pribadi melalui regulasi yang ketat. Diskusinya menekankan kesiapan organisasi dan pengembangan kepemimpinan untuk mengatasi tantangan dalam adopsi BD&A sambil memastikan perlindungan data yang sensitif. Esai ini menyimpulkan dengan mengajak untuk lebih mendalami privasi data melalui studi kasus di masa depan untuk mengurangi risiko dalam penanganan informasi rahasia di lingkungan digital yang dinamis. ......Data privacy is a critical concern in today's business landscape, particularly with Big Data and Analytics (BD&A) and artificial intelligence (AI). Explored through four articles, the evolving business analytics landscape addresses historical aspects, implementation challenges, and its transformative role. While highlighting the benefits of BD&A and AI, the essay emphasizes the urgent need for awareness and proactive measures to address data privacy issues. It underscores the drawbacks of extensive data collection and advocates for safeguarding personal information through stringent regulations. The discussion stresses organizational readiness and leadership development to navigate challenges in BD&A adoption while ensuring sensitive data protection. The essay concludes by calling for deeper exploration of data privacy in future case studies to mitigate risks in handling confidential information in the dynamic digital environment.

Abstrak :
E-commerce dan big data merupakan bukti dari kemajuan teknologi yang sangat pesat. Big data berperan cukup penting dalam perusahaan e-commerce untuk menangani perkembangan semua data, mengolah setiap data tersebut dan menjadi competitive advantage bagi perusahaan. Perusahaan XYZ.com mengalami kesulitan dalam menganalisis stok dan tren dari produk yang dijual. Jika hal ini tidak ditanggulangi, maka perusahaan XYZ.com akan kehilangan opportunity gain. Untuk menentukan tren dan stok produk secara cepat dengan akurat, dibutuhkan big data predictive analysis. Penelitian ini mengolah data transaksi menjadi data yang dapat dianalisis untuk menentukan tren dan prediksi tren produk berdasarkan kategorinya dengan menggunakan big data predictive analysis. Hasil dari penelitian ini akan memberikan informasi kepada pihak manajemen kategori apa yang berpotensi menjadi tren dan jumlah minimal stok yang harus disediakan dari kategori produk tersebut.

---

E commerce and big data are evidence of rapid technological advances. Big data plays an important role in e commerce companies to handle and analyze all data changes, and become a competitive advantage for the company. XYZ.com experience a difficulty in analyzing stocks and commerce product trend. If this issue not addressed, XYZ.com company will lose an opportunity gain. To determine trends and stock accurately, XYZ.com can use big data predictive analysis. This study processes transaction data into data that can be analyzed to determine trends and predictions of product trends based on its categories using big data predictive analysis. The results of this study give massive informations to management about what categories will potential become trends and minimum stock required to be provided.

Abstrak :
Tujuan dari penelitian ini adalah memberikan solusi dan masukkan kepada XYZ.com untuk mengembangkan layanan video on demand dengan mengevaluasi data yang diperoleh melalui web analytics. Melalui data tersebut XYZ dapat memperdalam pengetahuan mengenai perilaku pengunjung, terutama pengunjung yang memiliki value berupa durasi kunjungan yang tinggi sehingga dimasa mendatang XYZ.com dapat merumuskan strategi untuk meningkatkan dan mempertahankan hubungan yang nantinya diharapkan dapat meningkatkan advertising revenue. Penelitian ini menggunakan big data analytics, yakni analisis deskriptif. Teknik analisa data yang digunakan adalah analisa clustering dan data analysis menggunakan SQL. Clustering analysis digunakan untuk mengelompokkan pengunjung berdasarkan durasi kunjungan dan jumlah perangkat. Data analysis dengan SQL digunakan untuk menganalisa karakteristik dari pola penggunaan perangkat dan traffic source, serta dapat membantu memvisualisasikan data. Hasil akhir dari penelitian yang dilakukan adalah mengetahui jumlah cluster dari pengunjung yang terbentuk, pola penggunaan perangkat dan traffic source yang digunakan pada visitor yang memiliki durasi kunjungan yang tinggi.

---

The purpose of this research is to provide solution and recommendation for XYZ.com in order to develop and enhance their video on demand service by evaluating the data extracted from web analytics. Through these data, XYZ can deepen the knowledge about the behavior of visitors, especially visitors who have value of high duration of visits, so that in future XYZ.com can formulate strategies to improve and maintain relationship that will be expected to increase advertising revenue. This study use big data analytics, namely descriptive analysis. Data analysis technique used are clustering analysis and data analysis using SQL. Clustering analysis is used to group visitors based on the duration of the visit and the number of devices. Data analysis with SQL is used to analyze characteristics of device usage patterns and traffic sources, and can help visualize data. The final result of this research is to know the number of clusters of visitors formed, the pattern of device usage and traffic source used in visitors who have high duration of visit.

Abstrak :
ABSTRAK
Industri e-commerce adalah industri yang paling bergantung pada pemasaran media sosial .Tujuan dilakukannya penelitian ini adalah untuk menjadi acuan bagi perusahaan-perusahaan e-commerce dalam membuat strategi pemasaran di media sosial dengan menganalisa faktor-faktor apa saja yang berpengaruh pada peningkatan brand post popularity share, like, reactions dan komentar dan bagaimana pengaruhnya. Faktor-faktor yang akan dianalisa diadopsi dari beberapa studi sebelumnya yaitu tingkat vividness, tingkat interactivity, durasi di posisi teratas, dan panjang pesan. Data yang akan di observasi adalah 136.009 status dari 75 brand e-commerce yang memiliki akun di Facebook dan kemudian akan dianalisa menggunakan analisa regresi poisson.

---

ABSTRACT
E commerce industry is the industry most dependent on social media marketing. The aim of this study is to be a guide for brands to help them create a solid social media marketing strategy by analyzing factors influencing brand post popularity shares, likes, reactions, and comments and how these factors influence. The factors that will be analyzed are adopted from previous studies and they are levels of vividness, levels of interactivity, duration on top and message length. The data that will be used to be analyzed consists of 136.009 statuses from 75 e commerce brands that has a brand page on Facebook. Then, the data will be tested via poisson regression analysis.

Abstrak :
ABSTRAK
Pencucian uang merupakan fenomena umum yang terjadi di seluruh dunia. Sektor keuangan seperti lembaga perbankan merupakan titik kontak tingkat pertama dalam pencucian uang. Untuk itu, setiap bank perlu melakukan pemantauan terhadap kegiatan transaksi nasabahnya melalui penyimpanan data arus transaksi. Penerapan teknik lanjutan dari big data analytics sepeti data mining dapat digunakan sebagai teknik untuk mendeteksi indikasi pencucian uang, Pada penelitian ini, penulis menganalisis data transaksi pada sebuah rekening nasabah di Bank menggunakan teknik statistik deskriptif, regresi, dan visualisasi untuk mengetahui pola yang terjadi pada data histori dan mengidentifikasi transaksi anomali. Hasil interpretasi analisis regresi menunjukkan pada saat tertentu, waktu berpengaruh secara signifikan terhadap jumlah transaksi. Hasil penelitian akhirnya menunjukkan adanya penyimpangan pola transaksi yang mengarah pada adanya indikasi pencucian uang dalam rekening nasabah tersebut.

---

ABSTRACT
Money laundering is a common phenomenon that occurs all over the world. The financial sector such as banking institutions is the first point of contact in money laundering. Therefore, every bank needs to monitor its customers 39 transaction activities through storage of transaction flow data. Application of advanced techniques of big data analytics such as data mining can be used as a technique to detect money laundering indications. In this study, a set of a customer rsquo s transaction data in a bank is being analysed using descriptive statistics, regression, and visualization techniques to observe the patterns that occur in historical data and to identify anomalous transactions. Regression analysis interpretation showed that time had significant impact on transaction amount. The result of the research finally showed an existence of unusual transaction pattern which led to an indication of money laundering in the customer 39 s account.

Abstrak :
Penelitian ini bertujuan untuk mengidentifikasi segmentasi RFM pada toko kosmetik online di Indonesia. Penelitian ini menggunakan analisis RFM (Recency, Frequency, dan Monetary) yang dilanjutkan dengan K-Means Clustering dengan menggunakan Hiearchical Clustering untuk mencari nilai k. Penelitian ini menggunakan data transaksi penjualan Makeupuccino sepanjang tahun 2017 untuk segmentasi RFM. Hasilnya menunjukkan bahwa jumlah segmentasi yang paling tepat untuk toko kosmetik online adalah 4, yang dibagi menjadi Platinum, Gold, Iron, dan Lead. Keempat segmentasi tersebut memiliki marketing objective dan program marketing yang berbeda. ...... This research aims to identify RFM segmentation on makeup online store in Indonesia. This research uses RFM (Recency, Frequency, and Monetary) analysis and then uses K-Means Clustering with Hierarchical Clustering as the way to finds k values. This study uses transaction on Makeupuccino (one of makeup online store in Indonesia) during 2017 to get RFM segmentation. The result shows that the best RFM segmentation for makeup online store in Indonesia is 4, that divided into Platinum, Gold, Iron, and Lead. Each of segmentation has different marketing objective and marketing program.

Abstrak :
Perkembangan teknologi informasi dan internet dalam berbagai sektor kehidupan menyebabkan terjadinya peningkatan pertumbuhan data di dunia. Pertumbuhan data yang berjumlah besar ini memunculkan istilah baru yaitu Big Data. Karakteristik yang membedakan Big Data dengan data konvensional biasa adalah bahwa Big Data memiliki karakteristik volume, velocity, variety, value, dan veracity. Kehadiran Big Data dimanfaatkan oleh berbagai pihak melalui Big Data Analytics, contohnya Pelaku Usaha untuk meningkatkan kegiatan usahanya dalam hal memberikan insight yang lebih luas dan dalam. Namun potensi yang diberikan oleh Big Data ini juga memiliki risiko penggunaan yaitu pelanggaran privasi dan data pribadi seseorang. Risiko ini tercermin dari kasus penyalahgunaan data pribadi Pengguna Facebook oleh Cambridge Analytica yang berkaitan dengan 87 juta data Pengguna. Oleh karena itu perlu diketahui ketentuan perlindungan privasi dan data pribadi di Indonesia dan yang diatur dalam General Data Protection Regulation (GDPR) dan diaplikasikan dalam Big Data Analytics, serta penyelesaian kasus Cambridge Analytica-Facebook. Penelitian ini menggunakan metode yuridis normatif yang bersumber dari studi kepustakaan. Dalam Penelitian ini ditemukan bahwa perlindungan privasi dan data pribadi di Indonesia masih bersifat parsial dan sektoral berbeda dengan GDPR yang telah mengatur secara khusus dalam satu ketentuan. Big Data Analytics juga memiliki beberapa implikasi dengan prinsip perlindungan privasi dan data pribadi yang berlaku. Indonesia disarankan untuk segera mengesahkan ketentuan perlindungan privasi dan data pribadi khusus yang sampai saat ini masih berupa rancangan undang-undang.

---

The development of information technology and the internet in various sectors of life has led to an increase in data growth in the world. This huge amount of data growth gave rise to a new term, Big Data. The characteristic that distinguishes Big Data from conventional data is that Big Data has the characteristic of volume, velocity, variety, value, and veracity. The presence of Big Data is utilized by various parties through Big Data Analytics, for example for Corporation to incurease their business activities in terms of providing broader and deeper insight. But this potential provided by Big Data also comes with risks, which is violation of one's privacy and personal data. One of the most scandalous case of abuse of personal data is Cambridge Analytica-Facebook relating to 87 millions user data. Therefor it is necessary to know the provisions of privacy and personal data protection in Indonesia and which are regulated in the General Data Protection (GDPR) and how it applied in Big Data Analytics, as well as the settlement of the Cambridge Analytica-Facebook case. This study uses normative juridical methods sourced from library studies. In this study, it was found that the protection of privacy and personal data in Indonesia is still partial and sectoral which is different from GDPR that has specifically regulated in one bill. Big Data Analytics also has several implications with applicable privacy and personal data protection principles. Indonesia is advised to immediately ratify the provisions on protection of privacy and personal data which is now is still in the form of a RUU.

Abstrak :
Penerapan sistem self-assessment pajak memberi kepercayaan penuh dari pemerintah kepada wajib pajak untuk menghitung, menyetorkan, dan melaporkan sendiri jumlah pajak yang terhutang. Untuk mencapai hasil yang optimal, penerapan sistem ini sangat ditentukan oleh tingkat kepatuhan dari para wajib pajak. Kepatuhan dipengaruhi oleh faktor internal dan eksternal seperti teknologi, sumber daya dan keterampilan, kerangka kerja legislatif di mana badan penerimaan beroperasi, tujuan dan strategi organisasi, dan sikap masyarakat terhadap kepatuhan pajak. Studi ini bertujuan untuk menganalisis tingkat kepatuhan wajib pajak dengan kebijakan Compliance Risk Management(CRM) berbasis machine learning. Studi ini menggunakan pendekatan kualitatif dengan melakukan wawancara terhadap narasumber yang berperan dalam penerapan kebijakan pajak di Indonesia. Hasil penelitian dari studi ini adalah pentingnya kebijakan CRM berbasis Machine Learning yang pada prinsipnya bahwa setiap wajib pajak tidak dapat diperlakukan sama, sehingga diperlukannya keputusan untuk memilih wajib pajak yang diperiksa harus didasarkan pada justifikasi yang rasional berdasarkan tingkat risiko. Otoritas pajak perlu fokus dalam pemanfatan big data analyticsdengan alogaritma machine learningsebagai sumber informasi penting dalam pengambilan keputusan, dan membantu memprediksi pola wajib pajak yang berpotensi menggelapkan pajak dan yang taat membayar pajak, dan dapat digunakan untuk mengurangi risikosebelum terjadi.

Abstrak :

Tujuan - Tujuan dari penelitian ini adalah untuk menghasilkan insight dan rekomendasi yang relevan dan dapat ditindaklanjuti dari berbagai sumber data maskapai penerbangan yang terkait dengan produk, pelanggan, kanal penjualan, dan transaksi. Insight ini dapat bermanfaat untuk mendukung kegiatan penjualan dan pemasaran.

Desain / metodologi / pendekatan - Penelitian ini melakukan proses analisis big data. Pertama, sumber data yang terkait dengan aktivitas pelanggan dan produk Garuda Indonesia perlu dikumpulkan, disiapkan, dan diintegrasikan ke dalam satu platform big data. Kemudian, data terintegrasi dianalisis dan diproses melalui pendekatan analisis big data. Metode data aggregation, analisis cluster, dan analisis pareto digunakan untuk menganalisis insight. Model analisis RFM digunakan untuk menghitung customer value. Untuk segmentasi pelanggan, metode clustering digunakan. Kemudian, analisis campaign media dan konten digunakan untuk mengukur efektivitas proses campaign.

Hasil - Penelitian ini menghasilkan kerangka analisis bauran pemasaran untuk maskapai penerbangan menggunakan pendekatan analisis big data yang mencakup elemen 5P (Product, Pricing, Place, Promotion, and People).

---

Purpose – The purpose of this research is to generate relevant, actionable insight and recommendation from various airlines’ data sources related to Airlines’ products, customers, channels, and transactions. This insight can be beneficial to support sales and marketing campaign activity.

Design/methodology/approach – This research conducts big data analytics process and experimental analysis. First, data sources related to customer’s activities and Garuda Indonesia’s products need to be collected, prepared, and integrated into a single big data platform. Then, the integrated data is analyzed and processed through big data analytics approach. Data aggregation technique, cluster analysis, and pareto analysis are used for analyzing the insight. RFM model and analysis is used to calculate customer value. For segmenting customer, the clustering method is used. Therefore, analysis of campaign medium and content is used to measure the effectiveness of the campaign process.

Result – This research finds that a marketing mix framework analysis for airlines using big data analytics approach covering 5P element (Product, Pricing, Place, Promotion, and People).

Abstrak :
Transportation has been a significant industry for big cities for hundreds of years. It is a part of our everyday lives and contributes considerably to a country’s economy. As the population of a certain country keep on increasing as time flies by, the demand for the innovation in the transportation world kept on increasing to keep up with the exponential growth of the industry. One of the technology that is used to handle the increasing demand for transportation analytics is by using big data analytics as it can handle humongous amount of data that are too large or complex to be dealt with traditional data processing application software. Big data analytics has been used through many different kind of applications in the modern era and it has achieve a great number of success in different field of work. A traffic data imputation is proposed in order to solve this problem and there are several imputation methods that are available which has their own plus and minuses. There are traditional data imputation methods that are already used from many years ago such as linear interpolation and regression but it has been proved that this traditional methos still have a low accuracy rating. Hence, a more modernized and more accurate method is introduced which is called the Generative Adversarial Network (GAN). ......Transportasi telah menjadi industri yang signifikan bagi kota-kota besar selama ratusan tahun. Ini merupakan bagian dari kehidupan kita sheari-hari dan berkontribusi besar terhadap perekonomian suatu negara. Seiring dengan bertambahnya jumlah penduduk suatu negara, permintaan akan inovasi dalam dunia transportasi terus meningkat untuk mengikuti pertumbuhan industri yang eksponensial. Salah satu teknologi yang digunakan untuk menangani peningkatan permintaan ini adalah dengan menggunakan analitik data besar karena dapat menangani data dalam jumlah yang terlalu besar dan kompleks untuk ditangani dengan aplikasi perangkat lunak pengolah data tradisional. Dalam menjalankan Analisa menggunakan analisis data besar, ada masalahnya yang muncul yaiu hadirnya data data yang tidak lengkap. Sebuah metode imputasi data diusulkan untuk mengatasi masalah ini seperti interpolasi linier dan metode yang lebih modern dan akurat digunakan pada skripsi ini yang disebut jaringan berlawanan generatif.