Hasil Pencarian  ::  Simpan CSV :: Kembali

"Penggunaan aplikasi pesan dan antar makanan melalui telepon seluler semakin meningkat di Indonesia. Terdapat dua perusahaan m-commerce di Indonesia yang berada dalam bisnis aplikasi pesan antar makanan, yaitu Gojek dan Grab, dengan layanan bernama GoFood dan GrabFood. Kedua aplikasi ini memiliki target pasar yang sama, ditambah dengan layanan yang ditawarkan dan fitur aplikasinya yang serupa. Maka dari itu, penting bagi perusahaan untuk memiliki daya saing yang baik. Penelitian ini dilakukan untuk mengetahui penilaian pengguna terhadap aplikasi dan indikator yang mempengaruhi pemilihan merek layanan. Terdapat lima aspek dengan empat belas indikator yang digunakan dalam pengukuran pemilihan merek. Penelitian ini dilakukan dengan menyebarkan kuesioner untuk pengguna GoFood dan GrabFood yang kemudian diolah dengan menggunakan uji statistik univariat, bivariat, multivariat dan analisis faktor. Dilanjutkan dengan regresi linear berganda untuk mengetahui prioritas peningkatan. Berdasarkan hasil uji statistik didapatkan bahwa aspek yang mempengaruhi pilihan merek secara signifikan adalah aspek kualitas (mobile service quality). Berdasarkan hasil analisis faktor dan saran pengguna, hal yang perlu ditingkatkan aplikasi GoFood adalah promo, metode pembayaran, dan efisiensi. Untuk GrabFood keamanan, kemudahan penggunaan, dan penanganan komplain. Prioritas utama indikator yang perlu ditingkatkan GrabFood agar menyaingi GoFood adalah fulfillment dan trust. Penelitian ini diharapkan mampu membantu perusahaan dalam meningkatkan kualitas layanan aplikasinya.

---

Mobile food ordering application usage is increasing in Indonesia. There are two m-commerce companies in Indonesia that offer food delivery applications service, namely Gojek and Grab, with services called GoFood and GrabFood. Both of these applications have the same target market, similar services and application features. Therefore, it is important for companies to have good competitiveness. This research was conducted to determine user experience of applications usage and indicators that influence service brand choice. There are five aspects with fourteen indicators used in measuring brand choice. This research was conducted by distributing questionnaires to GoFood and GrabFood users which were then processed using univariate, bivariate, multivariate statistical analysis and factor analysis. Followed by multiple linear regression to determine the priority of improvement. Statistical tests results found that the aspects that significantly influence brand choice is quality aspect. Results of factor analysis and user experience, stated that GoFood need to improve their promos, payment methods, and efficiency. As for GrabFood security, ease of use and complaint handling. The top priority indicators that GrabFood needs to improve to compete with GoFood are fulfillment and trust. This research is expected to be able to assist companies in improving the quality of their services."

"Penelitian dalam tesis ini bertujuan untuk mengeksplorasi isu-isu yang menjadi fokus konsumen terkait layanan pesan antar makanan secara daring selama pandemi COVID-19 di Indonesia melalui data media sosial. Dengan percepatan transformasi digital di industri makanan dan kuliner, bahasan di media sosial mengenai layanan pesan antar makanan cukup meningkat. Terlebih pada masa pandemi COVID-19 di Indonesia telah mengubah kebiasaan konsumen untuk dapat memesan makanan dari rumah atau dari mana saja. Pandemi COVID-19 yang sedang berlangsung menghadirkan tantangan terkait kualitas dan keamanan pangan, kualitas layanan, dan opini konsumen. Penelitian ini menerapkan pendekatan pemodelan topik untuk memahami perspektif konsumen Indonesia terhadap layanan pesan antar makanan secara daring. Komentar dan tweet konsumen di media sosial (Instagram dan Twitter) terkait layanan pesan antar makanan secara daring dari tahun 2020 hingga 2021 dikumpulkan dengan menggunakan pendekatan text mining. Data dianalisis menggunakan pemodelan topik dengan Latent Dirichlet Allocation yang diimplementasikan dengan Python. Hasil penelitian ini menemukan tema dari topik-topik yang dihasilkan, yaitu Manfaat Penghematan Biaya, Manfaat Penghematan Waktu, dan Kepercayaan. Studi penelitian ini menemukan bahwa mengenai penggunaan layanan pesan antar makanan secara daring, persepsi dimensi harga, dan dimensi kualitas layanan elektronik melebihi kekhawatiran mengenai efek COVID-19 seperti kualitas makanan dan risiko keamanan. Wawasan dari penelitian ini akan sangat membantu untuk evaluasi kualitas layanan dan penelitian lebih lanjut di industri pesan antar makanan.

---

This thesis study aims to explore the issues consumers focus on regarding online food delivery services during the COVID-19 pandemic in Indonesia through social media data. With the accelerated digital transformation in the food and culinary industry, social media discussions about food delivery have emerged. The COVID-19 pandemic in Indonesia has changed consumer habits from dining in to ordering food from home or anywhere. The ongoing COVID-19 pandemic presents challenges regarding food quality and safety, service quality, and consumers’ opinions. This study applied the topic modeling approach to understand consumers’ perspectives on online food delivery services. Consumers’ social media comments and tweets (Instagram and Twitter) related to online food delivery services between 2020 and 2021 were collected using a text mining approach. The data were analyzed using topic modeling with Latent Dirichlet Allocation implemented with Python. The results of this study found several themes from the topics conducted with the Latent Dirichlet Allocation model, which are Price-Saving Benefit, Time-Saving Benefit, and Trustworthiness. This study discovered that regarding usage of online food delivery services, the perception of price and e-service quality dimensions overweight the concerns regarding the effect of COVID-19 like food quality and safety risk. Insights from this study will be helpful for the evaluation of service quality and further research in the food delivery industry."

"Layanan pesan antar makanan secara online berkembang seiring perkembangan teknologi. Dalam layanan pesan antar makanan secara online, kurir akan mengambil pesanan dari penjual makanan (merchant) dan mengantarkannya ke titik pelanggan (customer). Sejalan dengan peningkatan permintaan akan layanan pesan antar makanan secara online, perusahan penyedia layanan memperkenalkan skema double-order, dimana satu kurir dapat mengambil pesanan dari dua penjual makanan (merchant) yang berbeda dan mengantarkannya ke dua titik pelanggan (customer) yang berbeda pula. Dari sisi perusahaan penyedia layanan, skema double-order diharapkan dapat meningkatkan efisiensi pelayanan dengan mengurangi biaya operasional yang digunakan. Penelitian pada skripsi ini membahas optimasi rute layanan pesan antar makanan secara online dengan menerapkan skema double-order yang bertujuan meminimumkan biaya operasional dengan mempertimbangkan batas waktu (time windows) untuk memastikan kualitas makanan tetap terjaga. Permasalahan optimasi ini merupakan bentuk Pickup and Delivery Problem with Time Windows (PDPTW). Metode tabu search digunakan sebagai metode penyelesaian untuk permasalahan optimasi rute layanan pesan antar makanan secara online ini. Tabu search mencari solusi terbaik dengan mengeksplorasi berbagai kemungkinan dan menyimpan solusi terbaik yang telah dicoba sebelumnya dalam tabu list. Solusi dalam tabu list dianggap tabu dan tidak akan dikunjungi kembali sehingga mencegah terjadinya eksplorasi solusi secara berulang. Implementasi metode tabu search dilakukan terhadap data simulasi dengan 50 pesanan dengan 120 iterasi. Optimasi rute layanan pesan antar makanan secara online dengan menerapkan skema double-order menghasilkan solusi optimal dengan penurunan biaya operasional sebesar 36,36%.

---

Online food delivery services are evolving with the development of technology. In an online food delivery service, a courier picks up an order from a merchant and delivers it to the customer. In line with the increasing demand for online food delivery services, service providers are introducing double-order schemes, where one courier can pick up orders from two different merchants and deliver them to two different customers. From the perspective of the service provider company, the double-order scheme is expected to improve service efficiency by reducing operational cost. The research in this thesis discusses online food delivery route optimization by applying a double-order scheme that aims to minimize operational costs by considering time windows to ensure food quality is maintained. This optimization problem is a form of Pickup and Delivery Problem with Time Windows (PDPTW). The tabu search method is used as a method for this online food delivery route optimization problem. Tabu search finds the best solution by exploring various possibilities and saving the best solution that has been tried before in the tabu list. Solutions in the tabu list are considered taboo and will not be revisited to prevent repeated exploration of solutions. The implementation of the tabu search method was performed on simulated data with 50 orders with 120 iterations. Online food delivery route optimization by applying the double-order scheme produces an optimal solution with a 36,36% decrease in operational costs. "

"Layanan pesan-antar makanan (takeaway-delivery) merupakan salah satu layanan yang ditawarkan oleh platform transportasi online dengan proses pengambilan dan pengantaran pesanan dilakukan oleh kurir (driver). Semakin meningkatnya penggunaan layanan pesan antar makanan ini mengakibatkan tingginya jumlah kurir yang dibutuhkan untuk memenuhi permintaan layanan tersebut. Salah satu solusi untuk mengatasi hal tersebut yaitu diperkenalkan fitur multi-order, dimana satu kurir dapat melayani dua permintaan layanan pesan antar makanan untuk pelanggan-pelanggan yang lokasinya berdekatan. Penelitian pada skripsi ini melakukan optimasi rute layanan pesan-antar makanan yang mengimplementasikan fitur multi-order dan bertujuan untuk meminimumkan biaya operasional dengan tetap mempertimbangkan kepuasan pelanggan. Kepuasan pelanggan yang dimaksud terkait dengan rentang waktu (time windows) yang ditetapkan untuk masing-masing pelanggan untuk pengantaran makanan agar kualitas makanan tetap terjaga. Masalah optimasi ini dimodelkan sebagai Vehicle Routing Problem Pickup and Delivery with Time Windows (VRPPDTW). Untuk penyelesaiannya digunakan Metode Ant Colony Optimization (ACO), yaitu metode heuristik yang terinspirasi dari perilaku semut saat mencari makanan yang meninggalkan jejak berupa zat kimia bernama pheromone pada jalur yang dilewati. Pheromone menjadi sinyal bagi sesama semut untuk menandakan jalur yang sudah pernah dilewati semut sebelumnya. Penerapan metode ACO dilakukan pada data yang terdiri dari 50 pesanan yang masuk dengan 10 kali iterasi dan 10 semut yang tersedia. Hasil yang diperoleh dari penerapan metode ACO untuk optimasi layanan pesan antar dengan fitur multi-order yaitu terjadi penghematan biaya operasional hingga 34,85% dan mengurangi jumlah driver yang beroperasi hingga 48% bila dibandingkan dengan layanan pesan antar tanpa menggunakan fitur multi-order.

---

Food delivery services offered by online transportation platforms involve couriers picking up and delivering orders. The increasing demand for these services has led to a higher number of couriers needed. To address this, the multi-order feature was introduced, allowing one courier to handle two food delivery requests from customers located near each other. This thesis research optimizes the food delivery service route using the multi-order feature, aiming to minimize operational costs while considering customer satisfaction. Customer satisfaction is tied to the time windows set for each customer to ensure food quality is maintained upon delivery. This optimization problem is modeled as a Vehicle Routing Problem Pickup and Delivery with Time Windows (VRPPDTW). The solution uses the Ant Colony Optimization (ACO) method, inspired by ants behavior in searching for food and leaving pheromone trails. These pheromones signal other ants about the paths traveled. The ACO method was applied to data consisting of 50 orders with 10 iterations and 10 available ants. Results from applying the ACO method for optimizing the multi-order food delivery service showed operational cost savings of up to 34.85% and a reduction in the number of drivers by up to 48% compared to delivery services without the multi-order feature."

"Perkembangan platform transportasi online mengubah perilaku masyarakat, khususnya dalam layanan pesan-antar makanan online. Tingginya penggunaan layanan ini menimbulkan masalah terkait tingginya jumlah kurir plaform transportasi online yang harus beroperasi untuk memenuhi semua permintaan layanan. Salah satu solusi untuk mengatasi hal tersebut yaitu dengan menggabungkan dua permintaan pesanan (order) dari pelanggan yang lokasinya berdekatan, cukup dilayani oleh satu kurir dengan memperhatikan beberapa kendala sehingga tetap menguntungkan semua pihak. Pelanggan dalam penelitian ini mengacu pada merchant dan customer. Penggabungan dua pelanggan yang dilayani oleh satu kurir di sini disebut sebagai fitur double orders. Penelitian ini melakukan optimasi rute pesan-antar makanan pada layanan transportasi online yang mengimplempentasikan penggunaan fitur double orders dengan mempertimbangkan kepuasan pelanggan dan bertujuan meminimumkan biaya operasional. Kepuasan pelanggan yang dimaksud terkait dengan rentang waktu (time windows) pengambilan dan pengantaran makanan agar kualitasnya tetap terjaga. Kurir yang melewati rentang waktu yang telah ditetapkan akan dikenakan biaya penalti. Masalah optimasi rute layanan pesan-antar makanan ini dimodelkan dalam bentuk Vehicle Routing Problem Pickup Delivery with Time Windows (VRPPDTW), untuk penyelesaiannya digunakan metode Particle Swarm Optimization (PSO). Metode PSO adalah metode metaheuristik yang terinspirasi dari perilaku kawanan organisme (swarm) yang menyimpan informasi mengenai posisi (solusi) terbaik. Pada penelitian ini digunakan data yang terdiri dari 50 permintaan layanan pesan-antar makanan. Hasil yang diperoleh dari penerapan metode PSO untuk mengoptimasi rute kurir layanan pesan-antar dengan fitur double orders tersebut mampu mengurangi jumlah kurir yang beroperasi hingga 50% dan menghemat total biaya operasional yang harus dikeluarkan hingga 36.65%.

---

The development of online transportation platforms has changed public behavior, especially in online food takeaway-delivery services. The high demand for these services has led to issues related to the large number of online transportation platforms drivers needed in fulfilling all service requests. One solution to this problem is by combining two orders from clients located nearby which can be served by a single driver while considering several constraints to ensure it benefits all parties involved. In this study, clients refer to both merchant and customer. The process of combining two clients served by a driver is referred to as the double orders feature. This study focuses on optimizing food takeaway-delivery routes in online transportation services by implementing the double orders feature, considering clients satisfaction and aiming to minimize operational costs. Clients’ satisfaction here relates to the time windows for picking up and delivering food to ensure its quality is maintained. Drivers who exceed the designated time windows will incur penalty costs. The problem of optimizing food takeaway-delivery service routes is modeled as a Vehicle Routing Problem with Pickup and Delivery and Time Windows (VRPPDTW), and it is solved using the Particle Swarm Optimization (PSO) method. PSO is a metaheuristic method inspired by the behavior of swarms of organisms, which store information about the best positions (solutions). In this study, data consisting of 50 food takeaway-delivery requests is used. The results obtained from applying the PSO method to optimize drivers routes with the double orders feature show that it can reduce the number of operating drivers by up to 50% and save total operational costs by 36.65%."