Hasil Pencarian  ::  Simpan CSV :: Kembali

"Forecasting adalah salah satu metode data mining yang digunakan untuk meramalkan atau memperkirakan mengenai sesuatu yang belum terjadi. Pada dunia bisnis, forecasting biasa digunakan dalam menentukan keputusan bisnis untuk masa yang akan datang. Penelitian ini ingin menunjukkan implementasi forecasting untuk data penjualan organisasi yang bersifat irregular, dengan menggunakan dua metode forecasting yaitu simple moving average dan single exponential smoothing. Hasil forecasting kemudian divisualisasikan dalam bentuk dashboard. Penelitian ini menunjukkan secara umum metode single exponential smoothing memberikan prediksi yang lebih baik dibandingkan simple moving average dengan selisih nilai forecast error sebesar 18,62 untuk produk dan 20,46 untuk customer.

---

Forecasting is one of data mining method that is used to predict or estimate something that has not happened. On the business world, forecasting often used to determine business decision for the future. This research would like to show the implementation of forecasting for sales data organization that is irregular, with the use of two methods of forecasting, which are simple moving average and single exponential smoothing.

The forecasting result then visualized in dashboard form. This research shows in general, single exponential smoothing method provides better predictions than simple moving average with the difference between the value of forecast error of 18,62 for products and 20,46 for customers."

"Institusi penelitian memerlukan manfaat dari sistem ERP. Pengadopsian dan pengimplementasian sistem ERP tidak mudah. Organisasi harus mengetahui success factor dalam mengadopsi dan mengimplementasikan sistem ERP agar mendapatkan manfaat yang maksimal. Oleh karena itu, penelitian ini bertujuan untuk menganalisis hubungan faktor kesuksesan dengan indikator kesuksesan dalam pengadopsian dan pengimplementasian sistem ERP di institusi penelitian.Penelitian ini menggunakan tiga model yaitu DeLone & McLean IS Success Model, Technology Acceptance Model 2, dan faktor kesuksesan dalam manajemen proyek pengimplementasian sistem ERP. Ketiga model tersebut dapat menunjukkan variabel yang termasuk success factor dan hubungannya dalam pengadopsian dan pengimplementasian sistem ERP.Teknik analisis yang digunakan adalah Partial Least Square dan statistik descriptive. Partial Least Square digunakan karena cocok untuk menganalisis hipotesis dari teori yang lemah dengan jumlah kuesioner yang kurang dari 100. Statistik descriptive digunakan untuk mendeskripsikan karakteristik data dari implementasi sistem ERP ketika data tidak banyak yang tersedia.Penelitian ini menemukan beberapa success factor dari pengadopsian dan pengimplementasian sistem ERP, seperti system quality, image, result demonstrability, internal support, dan software selection, dapat mempengaruhi success indicator melalui faktor perantara, yaitu perceived usefulness.

---

Research institute requires the benefits of ERP systems. The adoption and implementation of ERP systems is not easy. Organizations must be able to determine success factors in adopting and implementing ERP systems in order to get benefit as much as possible. Therefore, the purpose of this research is to analyze the relationship between success factors and success indicators for adoption and implementation of ERP systems in research institute.This research uses three models, namely DeLone & McLean IS Success Model, Technology Acceptance Model 2, and the success factors in project management of ERP systems implementation. These models include variables that can indicate success factors and their relationship in adoption and implementation of ERP system.The analysis techniques that are used are Partial Least Square and descriptive statistic. Partial Least Square is used because it is suitable for analyzing hypotheses from the weak theory with number of questionnaires that are less than 100. Descriptive statistic describes the characteristics of the data from the ERP system implementation when data is not much available.This research finds that some of the success factors for the adoption and implementation of ERP systems, such as system quality, image, result demonstrability, internal support, and software selection, can affect the success indicators through an intermediary factors, namely perceived usefulness."

"Sistem Ekstraksi Informasi yang sebelumnya telah dibuat menggunakan aturan untuk dapat melakukan standarisasi dokumen Undang-Undang ke dalam format XML. Karena aturan yang digunakan bersatu dengan sistem itu sendiri, maka sistem menjadi kurang adaptif. Oleh karena itu, modularisasi aturan yang dilakukan pada penelitian ini diharapkan mampu membuat sistem menjadi lebih adaptif. Adaptivitas sistem akan diuji dengan melakukan adaptasi ke jenis dokumen legal yang lain, yaitu Peraturan Pemerintah (PP). Hasil adaptasi SEI ke dokumen PP diujicobakan pada 201 dokumen PP dan 41 dokumen PP perubahan. Hasilnya menunjukkan kinerja sistem dalam melakukan standarisasi dokumen PP ke dalam format XML sebesar 99.47% dan dokumen PP perubahan sebesar 97.98%.

---

The previous Information Extraction System used rules to standardize Indonesian Act document into XML format. Because these rules still merged inside the system?s body, it caused problem in its adaptability. Because of that, this research trying to modularize these rules in order to increase system?s adaptability. System?s adaptability then will be tested by adapting the system to other type of Indonesian legal document, which is Government Regulation document. Adaptation result will be tested using 201 Government Regulation documents and 41 Replacement of the Government Regulation documents. The results show that the system?s accuracy to standardize Government Regulation documents is 99.47% and for Replacement of the Government Regulation documents is 97.98%."

"Dokumen legal Indonesia memiliki karakteristik yang membedakannya dengan dokumen umum. Karakteristik tersebut ada yang kasat mata seperti struktur penulisan dan ada pula yang tidak kasat mata seperti frekuensi kata dan sebaran kata dalam dokumen. Adanya karakteristik tersebut membuat perolehan informasi pada dokumen legal berbeda dengan dokumen teks biasa, misalnya isu pemanfaatan struktur dokumen legal sebagai unit perolehan informasi dan penggunaan stopwords khusus dokumen legal. Dalam penelitian tugas akhir ini, dikembangkan sistem perolehan informasi untuk dokumen legal Indonesia. Sistem yang dikembangkan mencakup tiga komponen utama dalam perolehan informasi, yakni pengindeksan, pencarian, dan pemeringkatan hasil. Pengindeksan dilakukan dengan menggunakan dua buah pendekatan: pengindeksan elemen terbesar dan pengindeksan elemen yang dianggap berharga sebagai unit perolehan informasi, yaitu elemen bab dan elemen pasal. Pendekatan ini diambil dengan tujuan memanfaatkan struktur penulisan pada dokumen legal. Untuk itu, dalam penelitian ini digunakan koleksi dokumen legal yang sudah ditandai dengan tag XML. Isu penggunaan stopwords khusus dokumen legal tidak ditangani dalam penelitian ini, mengingat kata-kata yang umum muncul dalam dokumen legal direpresentasikan dengan tag-tag XML. Sejumlah ujicoba dilakukan untuk mengevaluasi sejauh mana kinerja setiap jenis pendekatan. Data yang digunakan sebagai ujicoba adalah undang-undang Republik Indonesia yang diundangkan mulai tahun 1983 hingga 2009. Hasil ujicoba menunjukkan bahwa elemen terbesar, yakni elemen undang-undang merupakan unit perolehan informasi terbaik dibanding elemen bab dan elemen pasal. Sementara itu, elemen pasal merupakan elemen yang memiliki dokumen relevan terbanyak dalam hasil pencarian.

---

Indonesian legal documents have some characteristics that differs it from general documents. The characteristics can be classified into two types: characteristic that can be seen clearly and characteristic that can be detected only by using statistical linguistic methods. The structural writing of legal document is a subset of the first type characteristic while words frequency and words distribution among collection can be included into the second type. Existence of those characteristics made information retrieval in legal document has differences compare to retrieval in general text collection, such as using document structure as a retrieval unit and using special stopwords for legal document. In this undergraduate thesis, we developed information retrieval system for Indonesian legal document. The system employed three information retrieval main components: indexing, searching, and ranking. We used two approaches in indexing step: made biggest element and valuable element (chapter and article) as an indexing unit. The approaches taken have a purpose to exploit the structural writing of legal document. We used legal document which has been tagged with XML syntax to make it easier to afford the purpose. The issue of using special stopwords for document legal were omitted in this research because it has been replaced by XML syntax. Finally, we conducted some experiments to evaluate performance of each indexing types. We used Indonesian law documents which released from 1983 until 2009 as experiments data. We conclude that the biggest element is the best indexing unit among others. Beside that, we found that article element is the most frequent element which occur in search result lists."

"Indonesia adalah negara hukum yang memiliki berbagai jenis peraturan perundang-undangan (dokumen legal). Dokumen legal tersebut telah mencapai jumlah yang sangat banyak. Jumlah yang banyak dan keragaman jenis dokumen legal yang ada menyebabkan proses pencarian, penelusuran, dan pembandingan menjadi hal yang tidak mudah untuk dilakukan. Kesulitan-kesulitan ini disebabkan dokumen-dokumen tersebut masih ditulis dengan bahasa alami tanpa ada struktur penulisan yang standar. Kesulitan lain adalah dalam melihat keterkaitan antar dokumen legal tersebut untuk mengetahui apakah terjadi pertentangan di antaranya. Pengembangan Sistem Ekstraksi Informasi (SEI) dapat menjadi solusi dalam pembuatan standardisasi dokumen legal. SEI ini mengotomatisasi pengubahan dokumen Undang-Undang (UU), baik dokumen UU perubahan maupun dokumen UU non-perubahan, dalam format teks menjadi dokumen UU dalam format XML. Selain itu, sistem ini juga dapat memproses dokumen XML untuk mencari informasi keterkaitan suatu UU dengan dokumen legal lain, baik yang kekuatan hukumnya lebih tinggi maupun yang kekuatan hukumnya sama. Informasi keterkaitan tersebut kemudian disajikan dalam bentuk graf berarah. SEI ini dikembangkan dengan menggunakan pendekatan knowledge engineering, yaitu dengan membuat aturan-aturan berdasarkan informasi kontekstual yang terdapat dalam dokumen. SEI ini diujicobakan pada 200 dokumen UU non-perubahan dan 38 dokumen UU perubahan. Hasilnya menunjukkan bahwa sistem dapat melakukan pembentukan struktur umum UU dengan ketepatan sebesar 99.43% untuk UU non-perubahan dan 97.05% untuk UU perubahan."

"Penelitian mengenai sistem penilai jawaban esai sudah pernah dilakukan dengan metode Latent Semantic Analysis (LSA). Salah satu keterbatasan yang dialami adalah keterbatasan dokumen training untuk mengoptimalkan hasil LSA. Dengan keterbatasan tersebut penggunaan Vector Space Model (VSM) dapat dipertimbangkan. Penelitian ini membandingkan LSA dan VSM untuk menilai jawabanbentuk esai serta meneliti pengaruh pemotongan imbuhan dan perluasan kunci jawaban terhadap efektifitas sistem. Uji coba dilakukan dengan 13 soal esai dengan 42 peserta ujian. Secara keseluruhan, rata-rata korelasi nilai VSM-manusia lebih tinggi dari LSA-manusia.

---

Research in automated essay scoring system has been done using Latent Semantic Analysis (LSA) method. One of the limitations is the lack of training documents to optimize LSA results. Regarding such limitation, the use of Vector Space Model (VSM) can be considered. This research aims to compare LSA and VSM to score essay answer and to investigate the effect of stemming and query expansion toward the effectiveness of the system. Experiments are done with 13 problems with 42 test participants. Overall results show that average correlation of score between VSM-human is higher than LSA-human."

"Indonesia adalah negara hukum yang memiliki beberapa peraturan perundang-undangan (dokumen legal) sebagai panduan bagi masyarakat untuk bersikap dan bertingkah laku dalam kehidupan berbangsa dan bernegara. Dokumen legal yang dibentuk oleh lembaga berwenang telah mencapai jumlah yang sangat besar. Setiap tahunnya pemerintah sering sekali melakukan perubahan terhadap suatu undang-undang, sehingga apabila kita menemukan suatu undang-undang kita sulit untuk mengetahui apakah undang-undang tersebut merupakan versi terakhir atau bukan. Kesulitan-kesulitan ini disebabkan belum adanya sistem yang bisa melakukan otomatisasi untuk mengetahui sejarah perubahan undang-undang. Pengembangan Sistem Informasi Rekapitulasi Dokumen Perundang-undangan di Indonesia ini dapat menjadi solusi untuk mengetahui apakah suatu dokumen undang-undang merupakan versi terakhir atau bukan.Sistem ini melakukan otomatisasi dalam pencarian keterkaitan antar dokumen dengan memproses dokumen berbasis XML, sehingga sejarah perubahan undang-undang dapat diketahui. Informasi sejarah perubahan undang-undang tersebut disajikan dalam bentuk graf berarah. Sistem informasi rekapitulasi dokumen perundang-undangan di Indonesia ini dikembangkan dengan menggunakan pendekatan knowledge engineering, yaitu dengan membuat aturan-aturan berdasarkan informasi kontekstual yang terdapat dalam dokumen. Sistem informasi rekapitulasi dokumen perundang-undangan di Indonesia ini diujicobakan pada 472 dokumen undang-undang dan 784 pasal. Hasilnya menunjukkan bahwa sistem dapat menampilkan sejarah perubahan undang-undang dengan ketepatan sebesar 99.6% untuk dokumen undang-undang dan 99.2% untuk dokumen pasal.Indonesia is a country that has some legal regulations (legal document) as a guide for its society to behave and conduct oneself in the life of a nation and state. Legal documents established by the authorized institutions has been produced in a very large number. Each year the government make changes to a law, that make it difficult for us to know whether the law is in the latest version. These difficulties are caused by the non-existance of a system that can perform an automation to find out the changes for the law. The Development of Information System for Recapitulation of Legislation Documents in Indonesia, could be a solution for the document to determine whether a law is in the newest version.

This system automates a relation between documents by processing an XML-based document, so that history of changes in the law can be found. The history information is presented in the form of a directed graf. The information system for the law documents recapitulation is developed using the knowledge engineering approach, which is to create rules based on contextual information contained in the document. Information System for Recapitulation of Legislation Document in Indonesia has been tested on 472 documents the laws and Article 784. The result shows that the system can display the history of the law changes with accuracy of 99.6% for the documents the laws and 99.2% for the document section."

"Kabupaten Pangkajene dan Kepulauan Pangkep merupakan daerah yang berada pada wilayah Provinsi Sulawesi Selatan. Pengelolaan pegawai negeri sipil PNS lingkup pemerintah Kabupaten Pangkep dilakukan oleh Badan Kepegawaian Pendidikan dan Pelatihan Daerah BKPPD Kabupaten Pangkep. BKPPD Kabupaten Pangkep memberikan layanan kepada pegawai mulai dari perekrutan, penempatan, mutasi, pendidikan dan pelatihan, kedisiplinan, pemberhentian, dan pensiun. BKPPD dalam melakukan mutasi masih mengalami kesulitan dalam menentukan pegawai yang sebaiknya dipindahkan karena tidak adanya pola yang menjadi acuan. Penelitian ini bertujuan untuk mendapatkan pola mutasi dengan menggunakan data mining mengacu pada metodologi CRISP-DM berdasarkan data riwayat mutasi pada sistem aplikasi layanan kepegawaian SAPK . Teknik klasifikasi dengan algoritme Decision Tree, Na ve Bayes, dan Support Vector Machine SVM diterapkan pada data riwayat mutasi untuk mengetahui algoritme terbaik.Algoritme yang memiliki tingkat akurasi paling baik yaitu decision tree dengan nilai sebesar 72,76 . Pola mutasi dapat diimplementasikan oleh BKPPD untuk merancang dokumen redistribusi pegawai lingkup Pemerintah Kabupaten Pangkep.

---

Pangkajene and Kepulauan Pangkep District is an area located in South Sulawesi Province. The management of civil servants PNS scope of government of Pangkep District is done by Regional Civil Servants, Education, and Training BKPPD of Pangkep District. BKPPD provides services to civil servants ranging from recruitment, placement, transfer, education and training, discipline, dismissal, and retirement. BKPPD in conducting mutations still have difficulty in determining which civil servants should be moved because of the absence of a reference pattern.

This study aims to obtain mutation patterns using data mining refers to the CRISP-DM methodology based on historical data on the employment service application system SAPK . Classification techniques with Decision Tree, Na ve Bayes, and Support Vector Machine SVM algorithms are applied to the mutation history data to find the best algorithm.Algorithm that has the best accuracy is the decision tree with a value of 72,76 . The mutation pattern can be implemented by BKPPD to design the redistribution document of Pangkep District Government civil servants."

"Female Daily Network perusahaan yang bergerak di bidang media sosial. Female Dailymemiliki media sosial untuk membagikan pengalaman menggunakan produk kecantikanbernama Female Daily. Female Daily memiliki peraturan untuk tidak menggunakanFemale Daily Platform untuk mempromosikan, menjual produk, dan layanan di platformmedia sosial di Female Daily. Namun, pengguna di Female Daily terkadang melanggarperaturan tersebut di post mereka dan menyebabkan pengguna lain terganggu akan haltersebut. Admin di Female Daily kesulitan untuk mengidentifikasi pengguna yangmelanggar aturan itu dan melarang post mereka yang berisi penjualan produk karenaketerbatasan jumlah admin dengan jumlah post yang masuk tiap hari. Text mining jugadapat mengatasi permasalahan ini dengan menentukan klasifikasi secara otomatis denganmembuat sistem yang melakukan proses pembelajaran dengan dari kata-kata post yangtersedia. Algoritme yang bisa digunakan untuk melakukan proses text mining padapenelitian ini seperti Support Vector Machine (SVM), Naïve Bayes (NB), Decision Tree(DT), dan Random Forest (RF). Penelitian ini menggunakan kombinasi cara ekstraksifitur, fitur kontekstual, dan melakukan balancing data. Penelitian ini menggunakanskenario penelitian untuk menganalisis ekstraksi fitur, penggunaan fitur kontekstual, danbalancing data. Algoritme terbaik dilihat dari nilai recall pada kombinasi algoritme danfitur penelitian ini adalah Random Forest TF-IDF Unigram dan menggunakan tambahanfitur kontekstual deteksi uang dan kata-kata menjual dengan data yang seimbang. Nilairecall 88.37% didapatkan dari hasil kombinasi algoritme dan fitur tersebut.

---

Female Daily Network is a company engaged in social media. Female Daily has social

media to share experiences using beauty products called Female Daily. Female Daily has

regulations not to use the Female Daily Platform to promote, sell products and services

on social media platforms in Female Daily. However, users on Female Daily sometimes

violate these rules in their posts and cause other users to be annoyed about it. Admins at

Female Daily have difficulty identifying users who violate these rules and ban their posts

containing product sales due to the limited number of admins with the number of posts

that enter each day. Text mining can also overcome this problem by determining the

classification automatically by creating a system that carries out the learning process

from the available post words. Algorithms that can be used to carry out the text mining

process in this research are Support Vector Machine (SVM), Naïve Bayes (NB), Decision

Tree (DT), and Random Forest (RF). This study uses a combination of feature extraction,

contextual features, and data balancing. This study uses research scenarios to analyze

feature extraction, contextual feature usage, and data balancing. The best algorithm seen

from the recall value in the combination of algorithms and features of this research is the

Random Forest TF-IDF Unigram and uses additional contextual features to detect money

and selling words with balanced data. The recall value of 88.37% is obtained from the

results of the combination of these algorithms and features."

"Pandemi covid-19 di Indonesia yang terjadi pada tahun 2020 telah mengubah berbagai aspek di setiap lini masyarakat Indonesia, termasuk cara masyarakat berbelanja. Regulasi terkait pembatasan akses dan jarak memaksa masyarakat Indonesia bertransformasi menggunakan aplikasi daring untuk memenuhi kebutuhan sehari-hari. Salah satu aplikasi daring yang penggunaannya meningkat adalah penggunaan aplikasi grosir daring seperti HappyFresh, Sayurbox, dan TaniHub. Peningkatan transaksi tidak serta merta menggambarkan bahwa layanan yang diberikan oleh ketiga aplikasi itu baik, keluhan pelanggan masih ditemukan pada media sosial seperti Twitter dan ulasan pengguna aplikasi di Google Play Store. Penelitian ini bertujuan untuk menghitung Net Brand Reputation (NBR) dari ketiga aplikasi dengan melakukan analisis sentimen analisis. Data yang digunakan berasal dari Twitter dan ulasan pengguna di Google Playstore dalam rentang waktu Januari 2020 hingga Maret 2021. Model klasifikasi analisis sentimen dibuat dengan menggunakan tiga algoritma klasifikasi Naïve Bayes, Support Vector Machine (SVM), dan Decision Tree. Hasil dari penelitian didapatkan aplikasi Happyfresh, Sayurbox, dan TaniHub memiliki sentimen positif di masyarakat. Aplikasi grosir daring yang memiliki nilai NBR terbesar adalah Tanihub, kedua adalah Happyfresh, dan yang terakhir adalah Sayurbox.

---

The COVID-19 pandemic in Indonesia that occurred in 2020 has changed various aspects in every line of Indonesian society, including the way people shop. Regulations related to access and distance restrictions force Indonesians to transform using online applications to meet their daily needs. One of the online applications whose use is increasing is the use of online wholesale applications such as HappyFresh, Sayurbox, and TaniHub. The increase in transactions does not necessarily illustrate that the services provided by the three applications are good, customer complaints are still found on social media such as Twitter and application user reviews on the Google Play Store. This study aims to calculate the Net Brand Reputation (NBR) of the three applications by performing sentiment analysis. The data used comes from Twitter and user reviews on the Google Playstore in the period January 2020 to March 2021. The sentiment analysis classification model is created using three classification algorithms, Naïve Bayes, Support Vector Machine (SVM), and Decision Tree. The results of the study showed that Happyfresh, Sayurbox, and TaniHub applications had positive sentiments in the community. The online wholesale application that has the largest NBR value is Tanihub, the second is Happyfresh, and the last is Sayurbox."