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
Abstract:Abstract: The policy to increase the Rural and Urban Land and Building Tax (PBB-P2) in Indonesia often elicits mixed reactions from the public. Some support it because they believe it can strengthen regional fiscal capacity,…
ity, while others reject it because they are concerned that it will increase the economic burden on the community. Understanding public sentiment towards this policy is important for evaluating the effectiveness of the policy and formulating appropriate communication strategies. This study aims to analyze public sentiment towards the PBB-P2 increase policy using data uploaded on Platform X (Twitter). The data were collected through crawling with the keyword “building tax,” then processed through several preprocessing stages before classifying tweets into positive and negative sentiments. Two models were used: Support Vector Machine (SVM) and Bidirectional Long Short-Term Memory (BiLSTM). Results show that SVM outperformed BiLSTM, achieving training accuracy of 99.4% and testing accuracy of 85.9%, with accuracy 0.8595, precision 0.8536, recall 0.8595, and F1-score 0.8449. Meanwhile, BiLSTM achieved training accuracy of 86.9% and testing accuracy of 82.9%, with accuracy 0.8294, precision 0.8150, recall 0.8294, and F1-score 0.8080. These findings suggest SVM is more effective in classifying public sentiment and can support better evaluation of regional tax policies.
Keywords: sentiment analysis; PBB-P2; BiLSTM; SVM; X platform
Abstrak: Kebijakan kenaikan tarif Pajak Bumi dan Bangunan Perdesaan dan Perkotaan (PBB-P2) di In-donesia sering memunculkan beragam reaksi dari masyarakat. Sebagian mendukung karena dianggap dapat memperkuat kapasitas fiskal daerah, sementara lainnya menolak karena kha-watir menambah beban ekonomi masyarakat. Pemahaman terhadap sentimen publik atas ke-bijakan tersebut penting untuk mengevaluasi efektivitas kebijakan dan merumuskan strategi komunikasi yang tepat. Penelitian ini bertujuan menganalisis sentimen masyarakat terhadap kebijakan kenaikan PBB-P2 menggunakan data unggahan di Platform X (Twitter). Data dik-umpulkan melalui proses crawling dengan kata kunci “pajak bangunan” kemudian diproses melalui beberapa tahap preprocessing sebelum diklasifikasikan menjadi sentimen positif dan negatif. Dua model digunakan dalam penelitian ini, yaitu Support Vector Machine (SVM) dan Bidirectional Long Short-Term Memory (BiLSTM). Hasil penelitian menunjukkan bahwa SVM memiliki kinerja lebih baik dibandingkan BiLSTM, dengan akurasi pelatihan 99,4% dan akurasi pengujian 85,9%. Nilai akurasi 0,8595, precision 0,8536, recall 0,8595, dan F1-score 0,8449. Sementara itu, BiLSTM memperoleh akurasi pelatihan 86,9% dan akurasi pengujian 82,9%, dengan akurasi 0,8294, precision 0,8150; recall 0,8294; dan F1-score 0,8080. Temuan ini menunjukkan bahwa SVM lebih efektif dalam mengklasifikasikan sentimen publik serta dapat mendukung evaluasi kebijakan pajak daerah dengan lebih baik.
Kata kunci: analisis sentimen; PBB-P2; BiLSTM; SVM; platform X
Abstract:Abstract: On-time graduation is an important indicator in measuring the success of higher education and reflects the effectiveness of the academic process in higher education. Royal University, especially the Information…
Systems Study Program, still faces challenges in increasing the percentage of students who graduate on time. This study aims to identify factors that influence students' on-time graduation and build a prediction model using the multiple linear regression method. This method was chosen because it is able to analyze the simultaneous influence of several independent numeric variables on one dependent variable, making it suitable for studying the complex relationship between factors that influence student graduation. The independent variables analyzed in this study include GPA, parental income, and student part-time jobs with student graduation as the dependent variable. The results showed that parental income and part-time jobs had a significant positive effect on on-time graduation, while GPA had a negative effect. The model built had an R² value of 0.6153 and a standard error of 4.0653, indicating that the model was quite strong and accurate. These findings recommend Universitas Royal to strengthen the academic monitoring system and support working students, as well as design policies based on students' socio-economic conditions to increase the on-time graduation rate.
Keywords: multiple linear regression; on-time graduation; students.
Abstrak: Kelulusan tepat waktu merupakan indikator penting dalam mengukur keberhasilan pendidikan tinggi serta mencerminkan efektivitas proses akademik di perguruan tinggi. Universitas Royal, khususnya Program Studi Sistem Informasi, masih menghadapi tantangan dalam meningkatkan persentase mahasiswa yang lulus tepat waktu. Penelitian ini bertujuan untuk mengidentifikasi faktor-faktor yang memengaruhi kelulusan tepat waktu mahasiswa serta membangun model prediksi menggunakan metode regresi linear berganda. Metode ini dipilih karena mampu menganalisis pengaruh simultan beberapa variabel independen numerik terhadap satu variabel dependen, sehingga sesuai untuk mengkaji hubungan kompleks antar faktor yang memengaruhi kelulusan mahasiswa. Variabel independen yang dianalisis dalam penelitian ini meliputi IPK, penghasilan orangtua, dan pekerjaan sambilan mahasiswa dengan kelulusan mahasiswa sebagai variabel dependen. Hasil penelitian menunjukkan bahwa penghasilan orangtua dan pekerjaan sambilan berpengaruh positif signifikan terhadap kelulusan tepat waktu, sedangkan IPK justru memiliki pengaruh negatif. Model yang dibangun memiliki nilai R² sebesar 0,6153 dan standar error 4,0653, menandakan model cukup kuat dan akurat. Temuan ini merekomendasikan Universitas Royal untuk memperkuat sistem monitoring akademik dan mendukung mahasiswa yang bekerja, serta merancang kebijakan berbasis kondisi sosial-ekonomi mahasiswa guna meningkatkan angka kelulusan tepat waktu.
Kata kunci: kelulusan tepat waktu; mahasiswa; regresi linear berganda.
Abstract:Abstract: Advancements in digital technology have significantly transformed communication and learning. Traditional learning methods have limitations in providing a fast and interactive learning environment, necessitating…
g accessible technology that enhances student and teacher engagement while ensuring convenience. WhatsApp has emerged as a widely used solution due to its accessibility, privacy features, and cross-platform compatibility, offering users a sense of convenience. This study examines the role of Perceived Convenience in the acceptance and use of WhatsApp in secondary education in Medan City using the UTAUT2 Model. A survey was conducted with 439 respondents from 8 secondary schools in Medan and analyzed using SEM-PLS with SmartPLS-4. The results indicate that social influence, hedonic motivation, habit, and perceived convenience positively impact the intention to use WhatsApp. Additionally, facilitating conditions, perceived convenience, and intention to use significantly influence actual usage behavior. However, performance expectancy, effort expectancy, and price value do not affect either intention or behavior in using WhatsApp. Moderating variables such as age, gender, and experience partially moderate the relationships between independent factors and WhatsApp usage intention and behavior. This study contributes by incorporating Perceived Convenience into the UTAUT2 Model and affirming its role in educational technology adoption.
Keywords: perceived convenience; secondary education; UTAUT2; whatsapp
Abstrak: Kemajuan teknologi digital telah membawa perubahan signifikan dalam komunikasi dan pembelajaran. Metode pembelajaran tradisional memiliki keterbatasan dalam menyediakan lingkungan belajar yang cepat dan interaktif, sehingga diperlukan teknologi yang mudah diakses, meningkatkan keterlibatan siswa dan guru, serta nyaman digunakan. WhatsApp menjadi salah satu solusi dan banyak digunakan karena mudah diakses, privasi yang ditawarkan, serta kompatibilitas lintas platform sehingga memberikan kenyamanan yang dapat dirasakan pengguna ketika menggunakannya. Oleh karena itu, Penelitian ini menguji peran Persepsi Kenyamanan terhadap penerimaan dan penggunaan WhatsApp dalam pendidikan menengah di Kota Medan menggunakan Model UTAUT2. Survei dilakukan pada 439 responden dari 8 sekolah menengah di kota Medan, dan dianalisis dengan SEM-PLS menggunakan SmartPLS-4. Hasil penelitian menunjukkan bahwa social influence, hedonic motivation, habit, dan perceived convenience berpengaruh positif signifikan terhadap behavioral intention. Sementara itu, facilitating conditions, perceived convenience, dan behavioral intention berdampak positif pada use behavior. Namun, performance expectancy, effort expectancy, dan price value tidak berpengaruh terhadap niat maupun perilaku penggunaan WhatsApp. Variabel moderasi usia, jenis kelamin, dan pengalaman memoderasi sebagian hubungan antara faktor bebas terhadap niat dan perilaku penggunaan WhatsApp. Penelitian ini berkontribusi dengan menambahkan variabel persepsi kenyamanan (perceived convenience) ke dalam Model UTAUT2 dan menegaskan perannya dalam adopsi teknologi pendidikan.
Kata kunci: pendidikan menengah; persepsi kenyamanan; UTAUT2; whatsapp
Abstract:Abstract: The Halodoc application, as a digital healthcare service platform, has been widely used for various medical purposes, such as doctor consultations, medication purchases, and laboratory services. User interactions…
ns and reviews play a crucial role in enhancing service quality. Sentiment analysis was conducted using the Support Vector Machine (SVM) method to assess user perceptions and satisfaction based on reviews obtained from the Google Play Store platform. The analysis process included data collection, text preprocessing, data transformation using TF-IDF, and training an SVM model to predict sentiment. The model achieved its highest accuracy of 88.32% in the first scenario. However, accuracy slightly decreased in the second and third scenarios, reaching 86.25% and 86.94%, respectively. The analysis results indicated that the model performed best in the first scenario, with the lowest number of prediction errors. Additionally, the model was more accurate in classifying negative and positive sentiments than neutral ones.
Keywords: halodoc application; sentiment analysis; support vector machine algorithm
Abstrak: Aplikasi Halodoc, sebagai platform layanan kesehatan digital, telah banyak digunakan untuk berbagai keperluan medis seperti konsultasi dokter, pembelian obat, dan layanan laboratorium. Interaksi pengguna dan ulasan mereka memiliki peran krusial dalam meningkatkan mutu layanan. Analisis sentimen dilakukan dengan menggunakan metode Support Vector Machine (SVM) untuk mengetahui persepsi dan kepuasan pengguna berdasarkan ulasan yang diperoleh dari Platform Google Play Store. Proses analisis mencakup pengumpulan data, pra-pemrosesan teks, transformasi data menggunakan TF-IDF, dan pelatihan model SVM untuk memprediksi sentimen. Hasil pelatihan model dengan akurasi tertinggi sebesar 88,32% pada skenario pertama. Akurasi sedikit menurun pada skenario kedua dan ketiga, masing-masing sebesar 86,25% dan 86,94%, Hasil analisa menunjukkan bahwa model memiliki performa terbaik pada skenario pertama dengan jumlah kesalahan prediksi terkecil. Selain itu, model cenderung lebih akurat dalam mengklasifikasikan sentimen negatif dan positif dibandingkan netral..
Kata kunci: algoritma support vector machine; analisis sentimen; aplikasi halodoc
Abstract:Abstract: Conventional water reservoir filling systems often cause inefficiencies due to delays in monitoring or failure of the float system which results in overflowing water from the reservoir. this research aims to develop…
velop an ESP32-based water level monitoring and control system by utilising IoT technology and ultrasonic sensors, this system can facilitate users in monitoring water levels and automating pump control. this research uses the experimental method, starting from system design to system testing and analysis, as well as testing which includes sensor accuracy, system response, and communication stability with the IoT server. based on the results obtained. The test results show that the system has an average accuracy rate of 98.4% with an average response time of 1.8 seconds. based on the results obtained, this system shows a positive accuracy value and response time in its application.
Keywords: blynk; internet of things; monitoring; water level
Abstrak: Sistem pengisian tandon air secara konvensional sering kali menimbulkan ketidakefisienan karena keterlambatan dalam pemantauan atau kegagalan sistem pelampung yang mengakibatkan meluapnya air dari tandon. penelitian ini bertujuan untuk mengembangkan sistem monitoring dan kontrol ketinggian air berbasis ESP32 dengan memanfaatkan teknologi IoT dan sensor ultrasonik, sistem ini dapat memudahkan pengguna dalam memonitoring ketinggian air dan mengotomatisasi kontrol pompa. Penelitian ini menggunakan metode eksperimen, mulai dari perancangan sistem hingga pengujian dan analisis sistem, serta pengujian yang meliputi akurasi sensor, respon sistem, dan kestabilan komunikasi dengan server IoT. Hasil pengujian menunjukkan bahwa sistem memiliki tingkat akurasi rata-rata sebesar 98,4% dengan waktu respon rata-rata 1,8 detik. berdasarkan hasil yang diperoleh, sistem ini menunjukkan nilai akurasi dan waktu respon yang positif dalam pengaplikasiannya.
Kata kunci: blynk; internet of things; pemantauan; tingkat air
Abstract:Analisis sentimen adalah proses mengidentifikasi dan mengklasifikasikan opini dalam teks menjadi kategori tertentu seperti positif, negatif, atau netral. Penelitian ini bertujuan untuk menganalisis sentimen ulasan produk…
pada platform e-commerce menggunakan algoritma Naive Bayes. Dataset ulasan produk diambil dari Kaggle, terdiri dari ribuan ulasan dengan label sentimen. Metodologi mencakup tahap preprocessing teks, ekstraksi fitur menggunakan teknik TF-IDF, dan penerapan algoritma Naive Bayes untuk klasifikasi sentimen. Hasil penelitian menunjukkan bahwa algoritma Naive Bayes memberikan akurasi sebesar 94%, membuktikan kemampuannya dalam analisis sentimen dengan dataset teks pendek
Abstract:Abstract: The development of AI assistants such as Gemini and ChatGPT can significantly assist in daily human tasks. In the field of Sentiment Analysis, AI assistants can be utilized as an automated labeling alternative…
to provide positive, negative, or neutral sentiments within a dataset. This research aims to enhance the performance of AI assistants in automated labeling processes by employing the Feature Selection algorithm, specifically Forward Selection. The methodology involves utilizing the Naïve Bayes and K-NN algorithms, and subsequently improving accuracy through the Feature Selection algorithm. The evaluation is conducted using K-Fold Cross Validation. Research findings indicate an improvement in the accuracy of the best model, which is ChatGPT, when using the Naïve Bayes algorithm and Shuffled Sampling technique. The initial accuracy of 79.09% increased to 87.18% after Feature Selection was applied. This demonstrates the effectiveness of Feature Selection, particularly Forward Selection, in enhancing the accuracy performance of the model.
Keywords: ai; assistant; chat gpt; feature selection; gemini.
Abstrak: Pekembangan Asisten AI seperti Gemini dan Chat GPT dapat membantu pekerjaan manusia sehari-hari. Dalam bidang Analisis Sentimen, Asisten AI dapat digunakan sebagai alternatif pelabelan otomatis untuk memberikan sentimen positif, negatif atau netral dalam suatu dataset. Penlitian ini bertujuan untuk meningkatkan performa yang dihasilkan oleh Asisten AI dalam proses pelabelan otomatis menggunakan Algortima Feature Selection yaitu Forward Selection. Metode yang digunakan adalah dengan menggunakan Algoritma Naïve Bayes dan K-NN kemudian hasil akurasi akan ditingkatkan menggunkan Algoritma Feature Selection. Evaluasi yang digunakan adalah K-Fold Cross Validation. Hasil penelitian menunjukkan peningkatan akurasi model terbaik berada pada Chat GPT dengan menggunakan Algoritma Naïve Bayes dan Teknik Shuffled Sampling, dari nilai akurasi awal sebesar 79.09%, setelah ditingkatkan menggunakan Feature Selection, maka nilai akurasinya meningkat menjadi 87.18%. Hal ini membuktikan peran Feature Selection, dimana yang digunakan adalah Forward Selection dalam meningkatkan akurasi ternyata memang efektif dalam meningkatkan performa akurasi model.
Kata kunci: ai; assisten; chat gpt; feature selection; gemini
Abstract:Abstract: Information content that meets user needs is an important aspect of a website. Quality testing, especially for sites that have never been tested, is necessary to ensure effectiveness. This research uses observation…
tion techniques, questionnaires, and literature studies related to the Webqual method and the End-User Computing Satisfaction (EUCS) variable. The variables used include Usability, Information Quality, Service Interaction Quality, User Satisfaction, and Content. The Webqual model is applied in this research through a questionnaire, which produces various data from respondents. The data is then processed and analyzed to produce accurate statistical data. From this research, the results of the questionnaire show that Service Interaction Quality has a low percentage, namely 72.72% (X3.2), where the full percentage is 100%. Apart from that, User Satisfaction also has a low percentage, namely 70.90% (Y.1). This shows that the Quality of Service Interaction has less than a positive effect on User Satisfaction. Therefore, improvements are needed in the Quality of Service Interaction section on the PT Yudo Indonesia website so that User Satisfaction also increases, especially in the aspects of security and meeting user needs.
Keywords: EUCS; website quality; webqual
Abstrak: Konten informasi yang memenuhi kebutuhan pengguna adalah aspek penting dari sebuah situs web. Uji kualitas, terutama untuk situs yang belum pernah diuji, diperlukan untuk memastikan efektivitasnya. Penelitian ini menggunakan teknik observasi, kuesioner, dan studi literatur terkait metode Webqual dan variabel End-User Computing Satisfaction (EUCS). Variabel yang digunakan antara lain Usability (Kualitas Kegunaan), Information Quality (Kualitas Informasi), Service Interaction Quality (Kualitas Interaksi Layanan), User Satisfaction (Kepuasan Pengguna), dan Content (Konten). Model Webqual diterapkan dalam penelitian ini melalui kuesioner, yang menghasilkan berbagai data dari responden. Data tersebut kemudian diolah dan dianalisis untuk menghasilkan data statistik yang akurat. Dari penelitian ini, hasil kuesioner menunjukkan bahwa Service Interaction Quality (Kualitas Interaksi Layanan) memiliki persentase yang rendah, yaitu 72,72% (X3.2), di mana persentase penuhnya adalah 100%. Selain itu, User Satisfaction (Kepuasan Pengguna) juga memiliki persentase rendah, yaitu 70,90% (Y.1). Hal ini menunjukkan bahwa Kualitas Interaksi Layanan kurang berpengaruh positif terhadap Kepuasan Pengguna. Oleh karena itu, diperlukan peningkatan pada bagian Kualitas Interaksi Layanan di situs web PT Yudo Indonesia agar Kepuasan Pengguna juga meningkat, terutama pada aspek keamanan dan pemenuhan kebutuhan pengguna.
Kata kunci: EUCS; kualitas website; webqual
Abstract:Abstract: Twitter occupies the top position of the most popular social media platform in Indonesia. Police and other related issues were the subject of much discussion. The aim of this research is to analyze public sentiment…
ment towards the National Police Agency using Twitter with the support vector machine method. The research started by crawling Twitter data. The data contains a total of 6,925 entries for three keywords. Next, we move on to the preprocessing stage consisting of (cleaning, case folding, tokenization, and filtering). Next is the tf-idf feature extraction stage, finally the classification and evaluation stage. The results of manual data inspection (73:27) showed accuracy of 70.66%, precision of 70.68%, and recall of 99.76%. Testing the second data (82:18), found accuracy 86%, precision 86.21%, recall 99.71%. The results of manual data checking (82:18) showed accuracy of 70.66%, precision of 70.68%, recall of 99.76%. Testing the second data (82:18), found accuracy 86%, precision 86.21%, recall 99.71%. From the data system testing results (80:20), accuracy was 87.55%, positive precision 87.53%, negative precision 88.24%, positive recall 99.48%, and negative recall. the rate is 99.48.% – The result is 21.43%. Data testing results (60:40) showed accuracy of 86.89%, positive precision of 86.84%, negative precision of 88.46%, positive recall of 99.61%, and negative recall of 16.43%. Single test data validation system (80:20), accuracy 87.55, overall test cross validation system (k fold 5 accuracy) 86.673%.
Keywords: data mining;police agencies;support vector machines
Abstrak: Twitter menduduki posisi teratas platform media sosial terpopuler di Indonesia. Polisi dan masalah terkait lainnya menjadi pokok bahasan banyak pembicaraan. Tujuan penelitian ini untuk menganalisis sentimen masyarakat terhadap Badan Kepolisian Nasional menggunakan Twitter dengan metode support vector machine. Penelitian dimulai dengan crawling data Twitter. Data memuat total 6.925 entri dari tiga kata kunci. Selanjutnya beralih ke tahap preprocessing terdiri dari (pembersihan, pelipatan kasus, tokenisasi, dan pemfilteran). Selanjutnya tahap ekstraksi fitur tf-idf, terakhir tahap klasifikasi dan evaluasi. Hasil pemeriksaan data manual (73:27) menunjukkan akurasi 70,66%, presisi 70,68%, dan recall 99,76%. Menguji data kedua (82:18), menemukan akurasi 86%, presisi 86,21%, recall 99,71%. Hasil pemeriksaan data secara manual (82:18) menunjukkan akurasi 70,66%, presisi 70,68%, recall 99,76%. Menguji data kedua (82:18), menemukan akurasi 86%, presisi 86,21%, recall 99,71%. Dari hasil pengujian sistem data (80:20), akurasi 87,55%, presisi positif 87,53%, presisi negatif 88,24%, recall positif 99,48%, dan recall negatif. tarifnya adalah 99,48.% – Hasilnya 21,43%. Hasil pengujian data (60:40) menunjukkan akurasi 86,89%, presisi positif 86,84%, presisi negatif 88,46%, recall positif 99,61%, dan recall negatif 16,43%. Uji tunggal sistem validasi data (80:20), akurasi 87,55, uji keseluruhan sistem validasi silang (akurasi k fold 5) 86,673%.
Kata Kunci: data mining;instansi kepolisian;mesin vektor pendukung