Abstract:Technological advancements have had a profound impact on the education sector around the globe including in Thailand and other developing countries. as in many other developing countries, there are major challenges in adapting…
adapting with the rapid development of technology. The school where the community service was held also faced similar issues. With an innovative approach through assessment training using technology, this community engagement activity is expected to be a positive step towards educational transformation, particularly in the southern part of Thailand. With the active involvement of teachers as well as full support from related parties, we can create a learning environment that is more dynamic, relevant, and globally competitive. A pre-test and a post-test were conducted at the beginning and the end of the training to measure teachers’ understanding in implementing digital assessment strategies. By equipping teachers with the knowledge and skills to implement digital assessment strategies, the training has had a measurable impact on professional development and instructional practices. In addition, the training provide access to further consultation or guidance, participants can feel supported and more confident in applying their learning in the classroom. The results of the pre- and post-training survey demonstrated a substantial improvement, averaging 51.3% increase across all survey items. This indicates the positive impact of the training in enhancing teachers' competencies in integrating technology into their assessment practices. Moving forward, schools in rural Thailand can apply the lessons learned from this workshop to enhance their own educational outcomes.
Keywords: teacher training; digital assessment strategies; southern Thailand
Abstrak: Dalam era globalisasi yang semakin cepat, pendidikan adalah salah satu aspek yang paling terpengaruh oleh perkembangan teknologi. Di Thailand Selatan, seperti di banyak negara berkembang, ada tantangan besar dalam dalam beradaptasi dengan perkembangan teknologi yang pesat. Sekolah tempat dimana program pengabdian kepada masyarakat ini dilaksanakan juga menghadapi masalah serupa. Dengan pendekatan inovatif melalui pelatihan penilaian menggunakan teknologi, kegiatan keterlibatan masyarakat ini diharapkan menjadi langkah positif menuju transformasi pendidikan di wilayah Thailand Selatan ini. Dengan keterlibatan aktif dari para guru serta dukungan penuh dari pihak terkait, kita dapat menciptakan lingkungan pembelajaran yang lebih dinamis, relevan, dan kompetitif secara global. Pre-test dan post-test dilakukan di awal dan akhir pelatihan untuk mengukur pemahaman guru dalam menerapkan strategi penilaian digital. Selain itu, pelatihan menyediakan akses ke konsultasi atau bimbingan lebih lanjut, sehingga peserta merasa didukung dan lebih percaya diri dalam menerapkan pembelajaran mereka di kelas. Setelah pelatihan selesai, kedua pihak melakukan evaluasi menyeluruh untuk mengukur keberhasilan, mengidentifikasi area yang perlu perbaikan, dan memberikan dampak yang lebih positif dalam jangka panjang.
Kata kunci: pelatihan guru; strategi penilaian digital; thailand selatan
Abstract:Abstract: The exclusive breastfeeding coverage in the work area of North Community Health Center (Puskesmas Purwokerto Utara) 2 had only reached 76% by mid-2020. To pursue the target of achieving 90% by the end of the year,…
ar, cross-sectoral cooperation is needed. Lecturers of The Communication Science Study Program of Universitas Amikom Purwokerto took the initiative as facilitators by partnering with North Community Health Center staff to conduct a community service as an implementation of the Tri Dharma of Higher Education. In this event, the facilitators conducted socialization and training methods for health cadres on how to communicate assertively with breastfeeding mothers by emphasizing acceptance, empathy, support and openness. The training was carried out for one week, included four villages within the Community Health Center working area, namely Grendeng, Bancarkembar, Sumampir and Pabuwaran. This community service has a good impact to the health cadres and The Community Health Center. The 90% target of exclusive breastfeeding will be reviewed by the end of 2021. However, the health cadres and The Community Health Center have more self-confidence to convince breastfeeding mothers to look after their children better by giving them the exclusive breastfeeding. In turn, the target will be achieved.
Keywords: assertive communication; cross sectorial cooperation; exclusive breastfeeding.
Abstrak: Cakupan ASI Eksklusif di wilayah kerja Puskesmas Purwokerto Utara 2 baru mencapai 76% pada pertengahan tahun 2020. Untuk mencapai target 90% cakupan ASI Eksklusif pada akhir tahun, dibutuhkan kerjasama lintas sektoral. Dosen Program Studi Ilmu Komunikasi Universitas Amikom Purwokerto berinisiatif menjadi fasilitator dengan bermitra dengan Puskesmas dalam melakukan pengabdian masyarakat sebagai bentuk pelaksanaan Tri Dharma Perguruan Tinggi. Pada kegiatan ini fasilitator menggunakan metode sosialisasi dan pelatihan kepada kader kesehatan tentang bagaimana berkomunikasi secara asertif dengan mengedepankan penerimaan, empati, dukungan dan keterbukaan kepada ibu menyusui. Pelatihan dilakukan selama satu minggu, dan meliputi empat desa yang berada dalam wilayah kerja puskesmas, yaitu Grendeng, Bancarkembar, Sumampir dan Pabuwaran. Pengabdian kepada masyarakat ini mempunyai dampak baik terhadap kader kesehatan dan Puskesmas. Target 90% ibu menyusui memberikan ASI eksklusif akan direview pada akhir tahun 2021. Namun, para kader kesehatan dan Puskesmas merasa lebih percaya diri dapat meyakinkan kepada para ibu menyusui untuk dapat memberikan ASI eksklusif kepada anak-anaknya dan pada gilirannya target tersebut dapat tercapai.
Kata kunci: ASI eksklusif; kerja sama lintas sektoral; komunikasi asertif
Abstract:Abstract: The emergence of some diseases that often attack school-age children, it turns out generally related to Clean and Healthy Life Behavior (PHBS). Other schools function as a place of learning and can also be a threat…
reat of disease transmission if not managed properly. More than that, school age for children is also a vulnerable period of various diseases. Therefore, the planting of PHBS values in schools is an absolute necessity and can be done through an approach with the PMR (Youth Red Cross) which is assisted by the local PMI (Indonesian Red Cross. In the hope that PMR members can carry out the Promotion Efforts to realize Clean and Healthy Life Behavior in the school environment to realize a Healthy School. The specific target of this activity will involve 30 members of the Intermediate PMR in the PMI Area of Magelang City. This activity includes the provision of material related to the technique of washing hands properly and properly and maintaining personal hygiene, the dangers of cigarettes and drugs, HIV AIDS, and the use of healthy latrines. Implementation with simulations for the application of Clean and Healthy Behavior through campaigns and demonstrations.
Keywords: PHBS, PMR, school
Abstrak: Munculnya sebagian penyakit yang sering menyerang anak usia sekolah, ternyata umumnya berkaitan dengan Perilaku Hidup Bersih dan Sehat (PHBS). Sekolah selain berfungsi sebagai tempat pembelajaran juga dapat menjadi ancaman penularan penyakit jika tidak dikelola dengan baik. Lebih dari itu, usia sekolah bagi anak juga merupakan masa rawan terserang berbagai penyakit. Oleh karena itu, penanaman nilai-nilai PHBS disekolah merupakan kebutuhan mutlak dan dapat dilakukan melalui pendekatan dengan PMR (Palang Merah Remaja) yang merupakan binaan dari PMI (Palang Merah Indonesia) setempat..Target khusus kegiatan ini akan melibatkan 30 anggota PMR Madya di wilayah Binaan PMI Kota Magelang. Kegiatan ini meliputi pemberian materi terkait teknik mencuci tangan dengan baik dan benar serta menjaga kebersihan diri, Bahaya Rokok dan Napza, HIV AIDS, serta Penggunaan Jamban Sehat. Implementasi dengan adanya simulasi untuk penerapan Perilaku Hidup Bersih dan Sehat melalui bentuk kampanye dan demonstrasi. Tujuan kegiatan pengabdian ini adalah meningkatkan pemahaman dan perilaku sasaran dalam memahami serta menerapkan perilaku hidup bersih dan sehat dan dapat mengaplikasikan dalam upaya menjaga kesehatan lingkungan sekolah dengan menghindari perilaku-perilaku yang beresiko menimbulkan penyakit.
Kata kunci: PHBS, PMR, sekolah
Abstract:Abstract: Query performance is a critical factor in managing large-scale databases. One of the most widely used optimization techniques is indexing. This study aims to analyze the impact of indexing on query performance…
in PostgreSQL, compare the effectiveness of B-Tree and Hash indexes, and evaluate their influence on query planner decisions. A quantitative experimental approach was employed using the TPC-H benchmark dataset at scale factors SF0.1, SF1, and SF10. Experiments were conducted using EXPLAIN ANALYZE on exact match, range, and join queries under three conditions: without indexing, with B-Tree indexing, and with Hash indexing. The results demonstrate that indexing significantly improves query performance. For exact match queries on the SF10 dataset, execution time decreased from 93.36 ms without indexing to 0.034 ms using B-Tree and 0.045 ms using Hash indexes. For join queries, execution time was reduced from 857.77 ms to 0.180 ms using B-Tree and 0.079 ms using Hash indexes. B-Tree showed consistent performance across different query types, while Hash achieved the best results for equality-based queries. Furthermore, index usage influenced query planner decisions in selecting more efficient execution strategies. These findings indicate that appropriate index selection can substantially improve data access efficiency in PostgreSQL.
Keywords: b-tree index; hash index; PostgreSQL; query optimization; query planner
Abstrak: Performa query merupakan faktor penting dalam pengelolaan basis data berskala besar. Salah satu teknik optimasi yang umum digunakan adalah indexing. Penelitian ini bertujuan menganalisis pengaruh penggunaan indexing terhadap performa query pada PostgreSQL, membandingkan efektivitas B-Tree dan Hash index, serta mengevaluasi pengaruhnya terhadap keputusan query planner. Penelitian menggunakan metode eksperimen kuantitatif dengan dataset benchmark TPC-H pada skala SF0.1, SF1, dan SF10. Pengujian dilakukan menggunakan EXPLAIN ANALYZE pada exact match query, range query, dan join query dalam kondisi tanpa index, menggunakan B-Tree index, dan Hash index. Hasil penelitian menunjukkan bahwa indexing meningkatkan performa query secara signifikan. Pada exact match query dataset SF10, execution time menurun dari 93,36 ms tanpa index menjadi 0,034 ms menggunakan B-Tree dan 0,045 ms menggunakan Hash index. Pada join query, execution time berkurang dari 857,77 ms menjadi 0,180 ms menggunakan B-Tree dan 0,079 ms menggunakan Hash index. B-Tree menunjukkan performa yang konsisten pada berbagai jenis query, sedangkan Hash index memberikan performa terbaik pada query berbasis equality. Selain itu, penggunaan index memengaruhi keputusan query planner dalam memilih strategi eksekusi yang lebih efisien. Hasil penelitian menunjukkan bahwa pemilihan metode indexing yang tepat dapat meningkatkan efisiensi akses data pada PostgreSQL
Kata kunci: b-tree index; hash index; optimasi query; PostgreSQL; query planner
Abstract:Abstract: Existing IoT anomaly detection studies have achieved high classification performance, but most focus on accuracy and F1-score without explicitly controlling the false positive rate (FPR). In addition, many approaches…
oaches rely on a single detection perspective, limiting their operational reliability. To address this gap, this study proposes a hybrid anomaly detection framework integrating Long Short-Term Memory (LSTM), Shannon entropy, and autoencoder reconstruction error. Shannon entropy is incorporated as an additional feature, while LSTM and the autoencoder capture temporal and reconstruction characteristics. The resulting hybrid representation is processed by a constraint-based threshold selection mechanism that enforces FPR . Experiments on the TON-IoT and Edge-IIoTset datasets achieved average F1-scores of 0.9250 and 0.9934, while maintaining average FPR values of 0.0091 and 0.0714, respectively. Analysis of entropy distributions showed consistent differences between normal and anomalous traffic across both datasets, indicating that Shannon entropy provides discriminative information for anomaly detection. These results demonstrate strong detection performance with controlled false alarms, while ablation studies confirm the significant contribution of Shannon entropy to overall model performance.
Keywords: false positive rate; hybrid deep learning; Internet of Things; network anomaly detection; Shannon entropy
Abstrak: Penelitian deteksi anomali Internet of Things (IoT) telah menunjukkan performa klasifikasi yang tinggi, namun sebagian besar masih berfokus pada accuracy dan F1-score tanpa mengendalikan false positive rate (FPR) secara eksplisit. Selain itu, banyak pendekatan hanya memanfaatkan satu perspektif deteksi sehingga reliabilitas operasionalnya masih terbatas. Untuk mengatasi kesenjangan tersebut, penelitian ini mengusulkan kerangka deteksi anomali hybrid yang mengintegrasikan Long Short-Term Memory (LSTM), Shannon entropy, dan autoencoder reconstruction error. Shannon entropy digunakan sebagai fitur tambahan, sedangkan LSTM dan autoencoder menangkap karakteristik temporal dan deviasi rekonstruksi. Representasi hybrid yang dihasilkan kemudian diproses melalui mekanisme constraint-based threshold selection dengan batas FPR . Hasil pengujian pada dataset TON-IoT dan Edge-IIoTset menghasilkan F1-score rata-rata sebesar 0,9250 dan 0,9934, dengan FPR rata-rata sebesar 0,0091 dan 0,0714. Perbedaan nilai entropy yang konsisten antara trafik normal dan anomali pada kedua dataset menunjukkan bahwa Shannon entropy menyediakan informasi diskriminatif untuk deteksi anomali. Hasil tersebut menunjukkan performa deteksi yang kuat dengan false alarm yang terkendali, sementara studi ablasi mengonfirmasi kontribusi signifikan Shannon entropy terhadap performa model.
Kata kunci: deteksi anomali jaringan; false positive rate; hybrid deep learning; Internet of Things; Shannon entropy
Abstract:Abstract: Toko Zuma faces challenges in optimizing customer relationship management and transaction recording due to conventional manual systems, which hinder real-time loyalty monitoring and sales analysis. This research…
h aims to design a digital Electronic Customer Relationship Management (E-CRM) system as an integrative solution for systematic and centralized management. The design method employs Unified Modeling Language (UML) for requirements analysis, user interface design, and Black-box Testing for validation. Results demonstrate a 100% success rate across all primary modules. The platform features Point Reward, automated transaction management, and live chat for direct interaction. Implementation enables personalized promotional strategies based on accurate data to increase customer retention. In conclusion, the Digital E-CRM system effectively automates business processes, serving as a strategic instrument for transparent and measurable customer relationship management.
Keywords: digital e-crm; relationship management; toko zuma; transaction activities.
Abstrak: Toko Zuma menghadapi kendala dalam optimalisasi manajemen hubungan pelanggan dan pencatatan transaksi karena masih menggunakan sistem manual konvensional. Penelitian ini bertujuan merancang sistem Electronic Customer Relationship Management (E-CRM) digital sebagai solusi integratif untuk pengelolaan basis data dan transaksi secara terpusat. Metode perancangan meliputi analisis kebutuhan menggunakan Unified Modeling Language (UML), desain antarmuka, dan validasi fungsional melalui Black-box Testing. Hasil pengujian menunjukkan tingkat keberhasilan 100% pada seluruh modul utama. Platform ini dilengkapi fitur Point Reward, manajemen transaksi otomatis, dan media interaksi live chat. Implementasi sistem ini memungkinkan strategi promosi personal berdasarkan data akurat untuk meningkatkan retensi pelanggan. Simpulannya, sistem E-CRM digital berhasil mengotomatisasi proses bisnis dan menjadi instrumen strategis dalam manajemen hubungan pelanggan yang transparan dan terukur.
Kata kunci: aktivitas transaksi; digital e-crm; pengelolaan relasi; toko zuma.
Abstract:Abstract: The rapid growth of e-commerce mobile applications has generated large volumes of user reviews, making manual sentiment analysis increasingly impractical. This study aims to compare the effectiveness of three machine…
achine learning algorithms Support Vector Machine (SVM), Random Forest, and Naive Bayes for automated sentiment classification of Indonesian-language mobile application reviews. A dataset of 3,000 user reviews from the RupaRupa application on the Google Play Store was collected and preprocessed through normalization, tokenization, stopword removal, and stemming. TF-IDF vectorization was applied for feature extraction, while the Synthetic Minority Over-sampling Technique (SMOTE) was used to address class imbalance across three sentiment categories: positive, negative, and neutral. The results show that SVM achieved the highest accuracy of 90.02%, while Random Forest obtained the best F1-score of 88.08% when sufficient training data were available. Naive Bayes demonstrated relatively stable performance across varying training data sizes. Furthermore, TF-IDF keyword analysis revealed that negative reviews were primarily associated with delivery issues, technical problems, and pricing concerns. These findings demonstrate the effectiveness of machine learning approaches for sentiment classification and provide practical insights for improving mobile application services.
Keywords: sentiment analysis; machine learning; SMOTE; TF-IDF; text classification
Abstrak: Pertumbuhan pesat aplikasi mobile e-commerce telah menghasilkan volume ulasan pengguna yang sangat besar, sehingga analisis sentimen secara manual menjadi semakin tidak praktis. Penelitian ini bertujuan untuk membandingkan efektivitas tiga algoritma machine learning Support Vector Machine (SVM), Random Forest, dan Naive Bayes dalam melakukan klasifikasi sentimen otomatis terhadap ulasan aplikasi mobile berbahasa Indonesia. Dataset yang digunakan terdiri dari 3.000 ulasan pengguna aplikasi RupaRupa yang dikumpulkan dari Google Play Store. Data kemudian diproses melalui tahapan preprocessing yang meliputi normalisasi, tokenisasi, penghapusan stopword, dan stemming. Ekstraksi fitur dilakukan menggunakan metode Term Frequency–Inverse Document Frequency (TF-IDF), sedangkan ketidakseimbangan kelas ditangani menggunakan Synthetic Minority Over-sampling Technique (SMOTE) pada tiga kategori sentimen, yaitu positif, negatif, dan netral. Hasil penelitian menunjukkan bahwa SVM mencapai tingkat akurasi tertinggi sebesar 90,02%, sementara Random Forest memperoleh nilai F1-score terbaik sebesar 88,08% ketika tersedia data pelatihan yang memadai. Naive Bayes menunjukkan performa yang relatif stabil pada berbagai ukuran data pelatihan. Selain itu, analisis kata kunci berbasis TF-IDF mengungkapkan bahwa ulasan negatif terutama berkaitan dengan masalah pengiriman, kendala teknis aplikasi, dan isu harga. Temuan ini menunjukkan bahwa pendekatan machine learning efektif untuk klasifikasi sentimen serta memberikan wawasan yang bermanfaat dalam meningkatkan kualitas layanan aplikasi mobile.
Kata Kunci: analisis sentimen; pembelajaran mesin; SMOTE; TF-IDF; klasifikasi teks.
Abstract:Abstract: Accurate forecasts of tea harvest production are important for workforce planning, factory operations, and marketing decisions, yet conventional estimation in plantations often relies on field experience and can…
n be biased and less adaptive to changing conditions. This study aims to develop a Random Forest Regression model to predict tea harvest production at the Bah Butong tea plantation using historical operational and climate-related data. The dataset consists of 60 monthly records (2020–2024) with six predictor variables: rainfall (mm), number of rainy days, pest level, weed level, number of harvested trees and land area. Data were split into 80% training (48 samples) and 20% testing (12 samples). Model hyperparameters were optimized using RandomizedSearchCV with RepeatedKFold cross-validation (5 folds, 3 repeats). The tuned model achieved MSE of 668,980,524.45, RMSE of 25,864.66 kg, MAE of 19,838.69 kg, and MAPE of 7.59% on the test set. The results indicate that the model can provide practical production estimates, with errors averaging about 7–8% of the actual production. Feature importance analysis shows that the number of harvested tea bushes and cultivated area contribute most to predictions. Future work should extend the historical period and incorporate time-based features (seasonality/lag) for improved forecasting.
Keywords: hyperparameter tuning; production prediction; random forest; regression; tea harvest
Abstrak: Perkiraan akurat produksi panen teh sangat penting untuk perencanaan tenaga kerja, operasional pabrik, dan keputusan pemasaran, namun estimasi konvensional di perkebunan seringkali bergantung pada pengalaman lapangan dan dapat bias serta kurang adaptif terhadap perubahan kondisi. Studi ini bertujuan untuk mengembangkan model Regresi Random Forest untuk memprediksi produksi panen teh di perkebunan teh Bah Butong menggunakan data operasional dan data terkait iklim historis. Dataset terdiri dari 60 catatan bulanan (2020–2024) dengan enam variabel prediktor: curah hujan (mm), jumlah hari hujan, tingkat hama, tingkat gulma, jumlah pokok panen, dan luas lahan. Data dibagi menjadi 80% data pelatihan (48 sampel) dan 20% data pengujian (12 sampel). Parameter model dioptimalkan menggunakan RandomizedSearchCV dengan validasi silang RepeatedKFold (5 lipatan, 3 pengulangan). Model yang telah disempurnakan mencapai MSE sebesar 668.980.524,45, RMSE sebesar 25.864,66 kg, MAE sebesar 19.838,69 kg, dan MAPE sebesar 7,59% pada set data uji. Hasil tersebut menunjukkan bahwa model dapat memberikan estimasi produksi yang praktis, dengan kesalahan rata-rata sekitar 7–8% dari produksi aktual. Analisis kepentingan fitur menunjukkan bahwa jumlah semak teh yang dipanen dan luas lahan budidaya paling berkontribusi pada prediksi. Pekerjaan selanjutnya harus memperpanjang periode historis dan menggabungkan fitur berbasis waktu (musiman/lag) untuk peramalan yang lebih baik.
Kata kunci: panen teh; prediksi produksi; random forest; regresi; tuning parameter
Abstract:Abstract: Automated batik motif classification is challenged by high inter-class similarity and texture complexity. This study proposes a hybrid model integrating MobileNetV2 as a feature extractor and Support Vector Machine…
hine (SVM) as the classifier to optimize accuracy and efficiency. Utilizing a Kaggle dataset of 8,640 images across 20 batik categories, the data was partitioned into 420 training images per class (Dayak: 360) and 15 testing images per class. The results demonstrate superior performance with 96.00% accuracy, exceeding the 90% target. The system showed high computational efficiency with a total execution time of 359.92 seconds and feature extraction taking only 22.63 seconds. This hybrid approach provides an ideal performance balance for resource-constrained mobile applications.
Keywords: batik classification; MobileNetV2; support vector machine; hybrid model; computational efficiency
Abstrak: Klasifikasi motif batik secara otomatis menghadapi tantangan kemiripan visual antar-kelas yang tinggi. Penelitian ini bertujuan mengoptimalkan akurasi dan efisiensi pengenalan batik menggunakan model hibrida MobileNetV2 sebagai pengekstraksi fitur dan Support Vector Machine (SVM) sebagai klasifikator. Menggunakan dataset Kaggle berisi 8.640 citra dari 20 kategori batik, data dibagi menjadi 420 citra latih per kelas (kecuali Batik Dayak 360) dan 15 citra uji per kelas. Hasil eksperimen menunjukkan performa impresif dengan akurasi 96,00%, melampaui target awal 90%. Sistem ini sangat efisien dengan total waktu eksekusi 359,92 detik, di mana ekstraksi fitur hanya membutuhkan 22,63 detik. Kombinasi MobileNetV2 dan SVM memberikan keseimbangan performa ideal untuk implementasi pada perangkat bergerak dengan sumber daya terbatas.
Kata kunci: klasifikasi batik; MobileNetV2; Support Vector Machine; Hybrid Model; efisiensi komputasi
Abstract:Abstract: The rapid growth of e-commerce in Indonesia has increased consumer interactions with digital platforms, particularly Lazada, Tokopedia, and Blibli, resulting in a large volume of customer reviews that reflect consumer…
onsumer experiences and perceptions but have not been optimally utilized in business decision-making. The main issue addressed in this study is how to process customer review data to generate meaningful information regarding consumer opinions. This research aims to apply web scraping techniques to collect customer review data and conduct sentiment analysis to identify trends in consumer opinions across the three e-commerce platforms. The dataset consists of 3,000 customer reviews, with 1,000 reviews collected from each platform, covering aspects such as shopping experience, service quality, delivery process, and customer satisfaction. The research methodology includes data collection through web scraping, text preprocessing for data cleaning and normalization, sentiment analysis using machine learning approaches, and visualization of sentiment results. The findings indicate differences in the distribution of positive, negative, and neutral sentiments across platforms, reflecting variations in consumer experiences and service strategies. These results demonstrate that sentiment analysis based on customer reviews can serve as strategic input to improve service quality, business performance, and marketing strategies in Indonesia’s e-commerce sector.
Keywords: customer reviews; digital services; e-commerce; sentiment analysis; web scarping
Abstrak: Pertumbuhan pesat e-commerce di Indonesia meningkatkan interaksi konsumen dengan platform digital, khususnya Lazada, Tokopedia, dan Blibli, yang menghasilkan ulasan pelanggan dalam jumlah besar sebagai cerminan pengalaman dan persepsi konsumen, namun belum dimanfaatkan secara optimal dalam pengambilan keputusan bisnis. Permasalahan utama penelitian ini adalah bagaimana mengolah data ulasan tersebut agar dapat memberikan informasi yang bermakna mengenai opini konsumen. Penelitian ini bertujuan menerapkan web scraping untuk mengumpulkan data ulasan pelanggan serta melakukan analisis sentimen guna mengidentifikasi tren opini konsumen pada ketiga platform e-commerce tersebut. Data yang digunakan berjumlah 3.000 ulasan pelanggan, dengan masing-masing platform diwakili oleh 1.000 ulasan yang mencakup pengalaman berbelanja, kualitas layanan, proses pengiriman, dan tingkat kepuasan pelanggan. Metode penelitian meliputi pengambilan data menggunakan web scraping, pra-pemrosesan teks untuk pembersihan dan normalisasi data, analisis sentimen dengan pendekatan pembelajaran mesin, serta visualisasi hasil sentimen. Hasil penelitian menunjukkan adanya perbedaan distribusi sentimen positif, negatif, dan netral pada setiap platform, yang mencerminkan variasi pengalaman konsumen dan strategi layanan. Temuan ini menunjukkan bahwa analisis sentimen berbasis ulasan pelanggan dapat menjadi masukan strategis untuk meningkatkan kualitas layanan, kinerja bisnis, dan strategi pemasaran e-commerce di Indonesia.
Kata kunci: customer reviews; digital services;e-commerce;sentiment analysis;web scarping