Hasil Pencarian  ::  Simpan CSV :: Kembali

"Dalam persaingan e-commerce Indonesia yang sangat kompetitif, PT XYZ merupakan salah satu perusahaan yang bergerak pada e-commerce yang memiliki permasalahan tingginya biaya promosi yang naik sebesar 134% pada bulan agustus tapi tidak memberikan dampak yang besar terhadap jumlah pengguna yang melakukan transaksi. Menjawab permasalahan tersebut identifikasi calon pembeli potensial sangat penting untuk menerapkan strategi pemasaran yang efektif dan mengoptimalkan biaya. Penelitian ini mengatasi tantangan ini dengan mengeksplorasi potensi pembelajaran mesin dalam memprediksi perilaku pengguna dalam melakukan transaksi. Metode klasifikasi yang dipilih adalah ensemble learning, dengan secara spesifik penelitian ini mengusulkan pendekatan yang memanfaatkan algoritma Random Forest, XGBoost, dan LGBM, untuk mengklasifikasikan pengguna berdasarkan kemungkinan mereka melakukan transaksi di dalam platform e-commerce. Temuan dalam penelitian ini menunjukkan bahwa penggabungan beberapa algoritma dapat meningkatkan nilai performa klasifikasi. Kombinasi model XGBoost dan LGBM memiliki nilai presisi tertinggi dibanding kombinasi lainnya, yaitu 89,8%. Kepentingan fitur juga dinilai pada penelitian ini, yang menunjukkan bahwa fitur yang paling berpengaruh dalam prediksi pembeli potensial adalah semakin lama durasi seorang pengguna dalam menghabiskan waktu di dalam platform e-commerce semakin tinggi kemungkinan untuk melakukan pembelian atau transaksi.

---

In the highly competitive Indonesian e-commerce landscape, PT XYZ is one of the e-commerce companies that faces the problem of high promotion costs, which increased by 134% in August but did not have a significant impact on the number of users who made transactions. To address this problem, the identification of potential buyers is essential for implementing effective marketing strategies and optimizing costs. This study addresses this challenge by exploring the potential of machine learning in predicting user behavior in making transactions. The classification method chosen was ensemble learning, and specifically this study proposes an approach that utilizes the Random Forest, XGBoost, and LGBM algorithms to classify users based on their likelihood of making a transaction within the e-commerce platform. The findings of this study show that combining multiple algorithms can improve the classification performance value. The combination of the XGBoost and LGBM models has the highest precision value compared to other combinations, at 89.8%. Feature importance was also evaluated in this study, which showed that the most influential feature in the prediction of potential buyers is the longer the duration of a user's time spent within the e-commerce platform, the higher the likelihood of making a purchase or transaction."

"Pada tahun 2022, hanya 27% dari total pegawai PT Telkom Indonesia dan 29% pegawai Divisi Telkom Regional 2 yang berkontribusi dalam mengajukan dokumen knowledge pada knowledge portal perusahaan. Pada periode tersebut, SDM di PT Telkom Indonesia mengalami penurunan sebesar 11%. Sementara itu, di lingkup Divisi Telkom Regional 2, terdapat penurunan sebesar 6%. Knowledge yang dimiliki oleh pegawai di PT Telkom Indonesia tidak terdokumentasi dengan baik, menyebabkan ketidaktersediaan informasi saat pegawai mengalami pensiun, mutasi, atau promosi. Perusahaan memiliki knowledge portal yang digunakan oleh seluruh pegawai yang ada. Adanya ekspektasi dari perusahaan terhadap penggunaan knowledge portal oleh pegawai yang dilakukan dengan baik. Namun realita yang terjadi adalah penggunaan knowledge portal oleh pegawai tidak maksimal. Penelitian ini bertujuan untuk menganalisis faktor-faktor yang memengaruhi penggunaan knowledge portal pada perusahaan. Pengumpulan data diperoleh dengan penyebaran kuesioner kepada 146 pegawai, wawancara terhadap pakar, dan studi literatur. Penelitian menggunakan metode SLR untuk mendapatkan 4 aspek dan 12 kriteria faktor penggunaan knowledge portal. Kuesioner dilakukan pengolahan dengan tools SPSS. Teknis analisis data yang digunakan adalah statistik deskriptif, analisis korelasi, analisis regresi linier sederhana dan analisis regresi linier berganda. Model penelitian ini mengusulkan 12 variabel dependen yang terbagi dalam 4 aspek dan 2 variabel independen. Hasil penelitian didapatkan 3 variabel yang memiliki pengaruh terhadap penggunaan knowledge portal yaitu learning, decentralization, dan reward. Hasil tersebut juga berarti bahwa pengaruh semua variabel dependen terhadap variabel independennya sebesar 56,9% kemudian sisanya dipengaruhi oleh variabel lain yang tidak dijelaskan dalam model ini. Peningkatan penggunaan knowledge portal dapat dilakukan dengan beberapa cara seperti pemberian reward, pembuatan policy untuk mempelajari knowledge portal, dan pemberian priviledge kepada pegawai untuk lebih mendapatkan peran dalam pekerjaan.

---

In 2022, only 27% of the total employees of PT Telkom Indonesia and 29% of the employees of Regional Division 2 Telkom contributed to submitting knowledge documents on the company's knowledge portal. During that period, the human resources at PT Telkom Indonesia experienced an 11% decrease. Meanwhile, within the scope of Regional Division 2 Telkom, there was a decrease of 6%. The knowledge possessed by employees at PT Telkom Indonesia was not well-documented, leading to the unavailability of information when employees undergo retirement, transfer, or promotion. The company has a knowledge portal used by all employees. There is an expectation from the company regarding the effective use of the knowledge portal by employees. However, the reality is that the usage of the knowledge portal by employees is not optimal. This research aims to analyze the factors influencing the usage of the knowledge portal in the company. Data collection was obtained through the distribution of questionnaires to 146 employees, interviews with experts, and literature reviews. The research uses the SLR method to obtain 4 aspects and 12 criteria for knowledge portal usage factors. The questionnaire data is processed using SPSS tools. The technical data analysis used includes descriptive statistics, correlation analysis, simple linear regression analysis, and multiple linear regression analysis. This research model proposes 12 dependent variables divided into 4 aspects and 2 independent variables. The research results identified 3 variables that have an influence on the usage of the knowledge portal, namely learning, decentralization, and reward. These results also mean that the influence of all dependent variables on their independent variables is 56.9%, with the remainder influenced by other variables not explained in this model. Increasing the usage of the knowledge portal can be achieved through various means such as providing rewards, creating policies to encourage learning from the knowledge portal, and granting privileges to employees to play a more significant role in their work."