Hasil Pencarian  ::  Simpan CSV :: Kembali

"ABSTRAKPenelitian ini membahas tentang perancangan model peramalan dan skenario permintaan untuk sebuah perusahaan startup bernama Dearmothers yang memiliki fokus bisnis pada penyediaan jasa baby gift registry. Gifi registry merupakan sebuah inovasi di industri e-commerce yang belum pernah diterapkan di Indonesia sebelumnya di mana dalam inovasi ini seorang pengguna jasa gift registry dapat membuat daftar keinginan akan produk yang ingin ia dapat sebagai hadiah. Pengguna lain yang bisa melihat daftar keinginan tersebut dapat membelikan hadiah yang dimaksud. Model peramalan dalam penelitian ini dikembangkan dengan menggunakan metode artificial neural network. Dengan menggunakan data historis penjualan dari sebuah website e-commerce yang menjadi kandidat potensial partner Dearmothers sebagai data pelatihan, model peramalan yang dibuat menghasilkan nilai mean square error sebesar 93,002. Permintaan untuk enam bulan pertama operasi diramalkan menggunakan model tersebut. Namun demikian, dengan pertimbangan bahwa nilai input untuk model peramalan didapat dari target perusahaan, terdapat kemungkinan nilai permintaan aktual akan jauh berbeda terutama jika performa perusahaan tidak mencapai target. Oleh karena itu, dikembangkan skenario permintaan dalam penelitian ini. Empat skenario yang dikembangkan menunjukkan bahwa tingkat permintaan yang diramalkan sangat mudah dipengaruhi oleh perubahan nilai input. Berbagai strategi diusulkan dalam penelitian ini sebagai masukan bagi perusahaan jika harus menghadapi situasi sebagaimana diprediksikan oleh skenario yang dikembangkan

---

ABSTRACTThis study discusses the design of a demand-forecasting model and develops scenarios of possible demand based on the proposed model for a startup company called Dearmothers which focuses on providing a baby gift registry service. The gift registry is an innovation in e-commerce industry that has never been applied in Indonesia before in which a user of this service will be able make a wish list for products he/she wants to get as a gift. Other users who get to see the list can buy him/her the gift as requested. The demand-forecasting model was developed using artificial neural network method. Using sales historical data from an e-commerce company which has the potentials to be the future partner of Dearmothers as training data, the neural network model yields a mean-square error value of 93.002. Demand for the first six months of operations were forecasted. However, as the input values for the model to get the forecasted demand were acquired based on Dearmothers? optimistic target, the actual value in the future may differ especially when the company?s performance does not meet the target. Four scenarios of possible demand were developed. Those scenarios showed that the forecasted demand values were influenced very much by even the slight changes to input values. Various strategies were proposed as countermeasures for the company in case they have to face such challenges in demand management as predicted by the scenarios."

"Dalam era digital yang terus berkembang, aktivitas sosial dan bisnis semakin banyak beralih ke media sosial dan digitalisasi melalui e-commerce. Tidak hanya pada sektor jual beli masyarakat, terjadi digitalisasi di bidang pengadaan barang/jasa pemerintah dengan dibangunnya sistem e-katalog. Sistem e-katalog memungkinkan pemerintah dan masyarakat untuk mengawasi dan memastikan bahwa pengadaan barang dan jasa pemerintah dilakukan secara adil dan transparan. Namun, sistem e-katalog mengalami keterbatasan dalam hal jumlah dan jenis produk, sehingga upaya terus dilakukan untuk menambah vendor dan memperluas kesepakatan dengan penjual lokal. Meskipun begitu, masih terdapat banyak produk impor yang tercatat pada daftar produk di e-katalog. Dengan memanfaatkan teknologi Machine Learning, klasifikasi produk ke lokal dan pemetaannya ke kategori di e-katalog dapat membantu menyelesaikan permasalahan yang dihadapi oleh sistem e-katalog ini.Desain penelitian yang digunakan pada penelitian ini adalah Experimental research, dimana klasifikasi produk dan pemetaan kategori yang dilakukan pada penelitian ini menggunakan metode Machine Learning. Pemetaan kategori dilakukan dengan 2 pendekatan, produk ke kategori dan kategori ke kategori. Klasifikasi produk dibagi menjadi 2 kelas yaitu lokal dan impor. Data yang diolah adalah produk dari e-commerce dari rentang November 2022 hingga April 2023.Metode yang digunakan pada penelitian ini untuk klasifikasi produk lokal dan kategori adalah Random Forest (RF), Support Vector Machine (SVM), Neural Network (NN), dan Transformers. Dari eksperimen klasifikasi produk lokal dan kategori, keduanya mendapatkan hasil evaluasi terbaik dari model transformers, yang digunakan sebagai model ekstraksi fitur hingga klasifikasi. Performa model klasifikasi produk lokal mendapat f1-score 97,24% dan akurasi 97,25%. Sedangkan model klasifikasi kategori, performa model f1-score 63,74% dan akurasi 64,14%.

---

In the ever-evolving digital era, social and business activities are increasingly turning to social media and digitalization through e-commerce. Not only in the public buying and selling sector, digitization happen in the field of government goods/services procurement with the construction of an e-catalog system. The e-catalog system enables the government and the public to monitor and ensure that government procurement of goods and services is carried out in a fair and transparent manner. However, the e-catalog system suffers from limitations in terms of the number and types of products, so efforts are being made to add more vendors and expand agreements with local sellers. Even so, there are still many imported products listed on the product list in the e-catalog. By utilizing Machine Learning technology, classifying products to local and mapping them to categories in the e-catalog can help solve the problems faced by this e-catalog system.

The research design used in this study is Experimental research, where product classification and category mapping are carried out in this study using Machine Learning methods. Category mapping is done with 2 approaches, product to category and category to category. Product classification is divided into 2 classes, namely local and imported. The processed data are products from e-commerce from November 2022 to April 2023.

The methods used in this study for local product classification and categories are Random Forest (RF), Support Vector Machine (SVM), Neural Network (NN), and Transformers. From the local and category product classification experiments, both obtained the best evaluation results from the Transformers model, which was used as a feature extraction model for classification. The performance of the local product classification model gets an f1-score of 97,24% and accuracy 97,25%. While the category classification model, the performance of the f1-score model is 63,74% and accuracy 64,14%.

"

"Peramalan permintaan akurat merupakan salah satu tantangan terbesar bagi UMKM. Hal ini disebabkan kebanyakan dari pelaku usaha masih menggunakan metode peramalan tradisional seperti intuisi dan pengalaman masa lalu yang belum mampu menghasilkan estimasi akurat akan permintaan di pasar yang dinamis seperti e-commerce. Salah satu usaha yang mengalami tantangan serupa yaitu UKM Pink Fashion yang merupakan usaha online pakaian muslim asal Jakarta yang berkembang pesat pada platform e-commerce sejak tahun 2019. Untuk mengatasi tantangan tersebut, penelitian dilakukan pada berbagai metode peramalan deret waktu sederhana seperti moving average (MA), weighted moving average (WMA), simple exponential smoothing (SES), holt’s model, dan seasonal index. Peramalan dilakukan selama satu tahun terakhir yakni sejak April 2021 hingga Maret 2022 menggunakan data tiga tahun terakhir yaitu data penjualan April 2019 hingga Maret 2022 pada dua produk terlaris, yaitu baju koko dan baju setelan olahraga. Hasil penelitian menunjukkan bahwa metode SES dengan konstanta 0,7 dan WMA merupakan metode yang paling cocok untuk digunakan untuk peramalan baju koko karena memiliki nilai MAPE terkecil, yaitu 28,43% dan 28,44% secara berurutan. Metode yang sama serta holt’s model juga terpilih sebagai metode terbaik untuk peramalan permintaan baju setelan training karena menghasilkan nilai MAPE terendah, yaitu 30,85%, 30,91%, dan 30,95%. Ini menunjukkan bahwa metode terpilih paling cocok untuk digunakan dalam melakukan peramalan jangka pendek, khususnya dalam unit waktu harian produk pakaian di e-commerce. Dengan memanfaatkan metode peramalan terpilih, UKM Pink Fashion diprediksi akan mendapat 282 dan 283 permintaan baju koko dan 116 dan 115 permintaan baju setelan training pada 1 April 2022.

---

Accurate demand forecasting is one of the biggest challenge for SME in e-commerce, including for Pink Fashion which is an online muslim fashion store from Jakarta. Thus, this study is analysing various simple time series demand forecasting methods such as moving average (MA), weighted moving average (WMA), simple exponential smoothing (SES), holt’s model, and seasonal index. Forecasting is done for the last one year, April 2021 to March 2022 using the last three years data on two of the store’s most best selling products, baju koko and training set. The result shows that SES with constant of 0,7 and WMA are the most suitable methods to forecast baju koko since they have the smallest MAPE score, 28,43% and 28,44% consecutively. The same methods as well as holt’s model are also chosen as the best methods to forecast the training set because they have the lowest MAPE score of 30,85%, 30,91%, and 30,95%. This shows that these two methods are proven as the best methods to estimate daily demand of fashion product in e-commerce. Using the chosen forecasting methods, Pink Fashion is predicted to get 282 and 283 demand of baju koko and 116, 115 and 115 demand of the training set in 1 April 2022."

"Bisnis jual beli kini telah merambah menuju wadah online dengan bantuan internet. Pergeseran ini secara signifikan membuat pertumbuhan e-commerce semakin cepat. COVID-19 menyebabkan terjadi penurunan penjualan di toko offline, sehingga e-commerce berpeluang untuk terus tumbuh. Namun masih banyak pelanggan di Indonesia yang masih memilih berbelanja secara offline. Alasan untuk ini termasuk waktu pengiriman, harga pengiriman, masalah kualitas, area pengiriman yang tidak terjangkau, dan sistem yang rumit. Penelitian ini menyoroti pentingnya kualitas layanan dan produk e-commerce produk segar yang mencerminkan kepuasan pelanggan menggunakan NPS (Net Promoter Score), dan perancangan strategi untuk memperbaiki kualitas tersebut. Studi kasus diimplementasikan pada perusahaan produk segar e-commerce. Kriteria kualitas terlebih dahulu ditentukan melalui kuesioner oleh tujuh orang pakar. Terdapat 14 kriteria diterima yang digunakan untuk kuesioner NPS kepada pelanggan sebagai penilaian kualitas layanan. Dari 237 responden, nilai NPS rata-rata perusahaan adalah 39%. Hasil NPS tersebut dijadikan bobot untuk memilih alternatif strategi untuk meningkatkan kualitas. Kesesuaian strategi dengan kriteria ditentukan oleh pakar dan prioritas strategi dihitung dengan metode TOPSIS. Hasil prioritas strategi adalah untuk menjalankan strategi sistem integrasi dengan memanfaatkan data dan integrasi sistem rantai pasok seperti perencanaan, peramalan, pengisian stok, dan juga pengambilan data untuk kebutuhan personalisasi pelanggan untu mengetahui tren yang pelanggan butuhkan.

---

Business of selling and buying has now expanded to online platforms with the help of the internet. This shift significantly makes e-commerce growth even faster. Due to COVID-19, there are some decrease in sales at offline stores, therefore, e-commerce have the opportunity to continue to grow. But many customers in Indonesia still choose to shop offline for groceries item. The reasons for this include delivery times, shipping prices, quality concerns, unreachable delivery areas, and complicated systems. This study highlights the importance of product and service quality of fresh product e-commerce that reflect customer satisfaction using NPS (Net Promoter Score), and to design strategies to improve this quality. A case study is implemented in an e-commerce fresh product company. The quality criteria were first determined through a questionnaire by seven experts. There are 14 acceptable criteria used for the NPS questionnaire to customers as an assessment of service quality. From the 237 respondents, the company's average NPS value is 39%. The results of the NPS are used as weights for choosing alternative strategies to improve quality. The suitability of the strategy with the criteria is determined by the expert and the priority of the strategy is calculated by the TOPSIS method. The result of the priority strategy is to carry out a system integration strategy by utilizing data and supply chain system integration such as planning, forecasting, stock replenishment, and also data retrieval for customer personalization needs to find out trends that customers need."

"Penelitian ini membahas perbedaan persepsi milenial perempuan dan laki-laki mengenai humor dalam iklan storytelling pada layanan e-commerce dengan melihat tahapan persepsi yaitu terpaan, atensi dan interpretasi. Menggunakan analisis univariat dan uji statistik Independent T-test, hasil penelitian menunjukkan milenial perempuan dan laki-laki sebagai konsumen memiliki persepsi yang sama menarik mengenai humor dalam iklan storytelling. Tidak ditemukan perbedaan persepsi humor dalam iklan storytelling pada dua kelompok tersebut dikarenakan adanya homogenitas pada pola aktivitas konsumen milenial seperti konsumsi Youtube, iklan yang ditonton di Youtube hingga pola belanja di e-commerce. Meskipun demikian, iklan humor storytelling tetap direkomendasikan untuk menyasar perempuan dan laki-laki karena mereka menyukai humor dalam iklan tersebut. Mereka mempersepsikan humor dalam iklan storytelling sebagai hal yang dapat menghibur (entertainment) sekaligus memberikan informasi (informativeness) yang berguna sehingga mereka tidak melihat iklan ini sebagai penghambat ketika mengakses Youtube. Untuk dapat melihat perbedaan persepsi perempuan dengan laki-laki, penelitian berikutnya disarankan untuk mencari responden dengan selisih usia yang berbeda jauh karena menunjukkan heterogenitas pada aktivitas dan preferensi humor. Mengingat penelitian ini hanya mengkaji humor secara umum, jenis humor spesifik seperti incongruity-resolution, arousal-safety dan humorous-disparagement dapat dipertimbangkan dengan menggunakan metode yang berbeda seperti wawancara mendalam atau eksperimen karena perempuan dan laki-laki menyukai jenis humor yang berbeda.

---

This study discusses differences in millennial perceptions of women and men regarding humor in storytelling advertising on e-commerce services by looking the stages of perception, namely exposure, attention and interpretation. Using univariate analysis and Independent T-test, the results showed millennial women and men as consumers had the same interesting perception of humor in storytelling ads. There were no differences about humor perceptions between the two groups due to homogeneity in the patterns of consumer activities ranging from consumption of Youtube including the ads to e-commerce shopping patterns. Nevertheless, humor storytelling ads are still recommended to target women and men because they like the humor in these ads. They perceive humor in storytelling ads able to entertain and provide useful information, so they dont see this ad, intrusive when accessing Youtube. To be able to see differences in perceptions of women and men, subsequent research should consider finding respondents with distant age differences because of heterogeneity in their activities and humor preferences. Since this study only examines humor in general, specific types of humor such as incongruity-resolution, arousal-safety and humorous-disparagement can be considered using different methods such as in-depth interviews or experiments because women and men like different types of humor."

"Jumlah review mengalami peningkatan yang sangat pesat untuk setiap produk nya. Hal ini berakibat sulit nya bagi setiap pengguna untuk membaca semua review yang ada. Karya akhir ini menawarkan solusi menggunakan feature based opinion mining untuk mempermudah pengguna membaca review lebih mudah. Pada karya akhir ini terdapat 2 langkah yang akan dilakukan. Langkah pertama ialah melakukan ekstraksi feature menggunakan association rule dan pruning. Sedangkan langkah terakhir ialah menentukan orientasi dari setiap opini dengan menggunakan teknik klasifikasi. Beberapa algoritma klasifikasi seperti C45, Naïve Bayes dan Support Vector Machine cocok untuk mengatasi masalah ini. Dari hasil pengujian algoritma Support Vector Machine memiliki performa terbaik jika dibandingkan dengan algoritma lainnya.

---

The number of customer reviews for each product grows rapidly. This condition makes customer difficult to read all the review.This thesis propose feature based opinion mining to help customer reads review easily. Feature based opinion mining in this thesis consist of two steps. First step identify product features using association technique and pruning. The last step identify opinion sentence orientation using classification technique. Several classification algorithm, such as C45, Naive Bayes, and Support Vector Machines are good approaches to solve this problem. Support Vector Machine has the best performance compared to other algorithms."

"Bukalapak merupakan salah satu perusahaan di Indonesia yang bergerak di bidang ECommerce. Tercatat pada tahun 2019, Bukalapak mengalami peningkatan pertumbuhan pengguna sebanyak 230% jika dibandingkan dengan tahun sebelumnya. Sayangnya pertumbuhan pengguna juga diikuti dengan peningkatan jumlah komplain yang terjadi di Bukalapak. Tercatat pada tahun 2020, komplain Bukalapak meningkat sebanyak 50% di akhir tahun 2020 jika dibandingkan dengan di awal tahun 2020. Peningkatan komplain tersebut menyebabkan meningkatnya average handle time pada komplain yang menyebabkan turunya kepuasan pengguna. Hal tersebut tentunya menjadi perhatian bagi pihak manajemen. Pada penelitian kali ini, dilakukan klasifikasi kategori komplain yang ada di Bukalapak. Penelitian ini bertujuan untuk mencari tahu, model klasifikasi apa yang cocok digunakan dalam menentukan kategori komplain yang masuk ke Bukalapak. Adapun model klasifikasi yang digunakan di dalam penelitian ini yaitu, Logistic Regression, k Nearest Neighbor, dan Support Vector Machine. Sedangkan data yang digunakan merupakan data komplain dari Januari 2021 hingga Desember 2021. Dari hasil penelitian, ditemukan bahwa model klasifikasi logistic regression memiliki nilai akurasi paling tinggi di antara 2 model lainya. Model logistic regression berhasil mendapatkan nilai akurasi sebesar 83,9%. Posisi kedua di tempati oleh model k Nearest Neighbors dengan akurasi sebesar 65,3%. Terakhir ditempati oleh model Support Vector Machine dengan nilai akurasi sebesar 40.5%.

---

Bukalapak is one of the companies in Indonesia that is engaged in E-Commerce. It was recorded that in 2019, Bukalapak experienced a 230% increase in user growth compared to the previous year. Unfortunately, the growth in users is also followed by an increase in the number of complaints that occur in Bukalapak. It was recorded that in 2020, Bukalapak complaints increased by 50% at the end of 2020 when compared to the beginning of 2020. The increase in complaints led to an increase in the average handle time for complaints which led to a decrease in user satisfaction. This is certainly a concern for the management. In this study, the classification of complaints categories in Bukalapak will be carried out. This study aims to find out what classification model is suitable to be used in determining the category of complaints in Bukalapak. The classification model that will be used in this research is Logistic Regression, k Nearest Neighbor, and Support Vector Machine. While the data that will be used is data on complaints from January 2021 to December 2021. From the results of the study, it was found that the logistic regression classification model had the highest value among the other 2 models. The logistic regression model managed to get an accuracy value of 83.9%. The second position is occupied by the k Nearest Neighbors model with an accuracy of 65.3%. Last occupied by the SVM model with an accuracy value of 40.5%

"

"ABSTRAKTesis ini membahas faktor penghambat serta faktor pendorong penerapan ecommerceoleh UMKM, serta mengajukanempat buah skenario terhadappenerapan tersebut. Penelitian menggunakan, pendekatan kualitatif untukmenganalisis faktor pendorong dan faktor penghambat penerapan e-commerce.Hasil penelitian menunjukkan bahwa penerapan e-commerce di Kota Depokbelum merata, dan ditemukan bahwa faktor penghambatnya berupa faktor usiadan keuangan UMKM. Adapun faktor pendorongnya terdiri dari faktor sepertivisi pelaku UMKM, layanan pos yang berkualitas dan adanya dukunganpemerintah. Empat skenario diberikan sebagai gambaran masa depan penerpan ecommercedi Kota Depok

---

ABSTRACTThis thesis discusses the inhibiting and driving forces of e-commerce adoption bySMEs, as well as proposes four scenarios on such adoption. This research used,qualitative approach to analyze the driving forces and inhibiting factors of ecommerceadoption. The results showed that the adoption of e-commerce inDepok is still in small scale, and the results showed that inhibiting factors such asage and SME finance are still the main factor. As for the driving force such as thevision of SMEs, the postal service quality and government support. Fourscenarios are given as a description for the future of e-commerce adoption inDepok"

"Penelitian ini bertujuan untuk mengetahui segmentasi konsumen e-commerce khususnya di Jabodetabek. Segmentasi dibentuk berdasarkan elemen kualitas pelayanan jasa dan kepuasan konsumen. Teknik analisis data yang digunakan adalah Clustering. Hasil penelitian menunjukan segmentasi konsumen e-commerce di Jabodetabek dapat dikelompokkan menjadi 3 kelompok. Kelompok 2 memiliki nilai tertinggi dari sisi pelayanan jasa dan kepuasan.

---

This study aims to determine the consumer typology based on e-service quality and e-satisfaction of e-commerce in Jabodetabek area. This study proposed a post-hoc predictive typology with clustering analysis. The result showed the typology of consumer in Jabodetabek area can be separated into 3 groups of consumer. The second group of consumer have the highest value on e-service quality and e-satisfaction."

"Penelitian ini bertujuan untuk mengetahui perbandingan intensi pembelian konsumen produk Islamic fashion pada situs e-commerce dan e-commerce Islam dilihat dari sisi transaction-related services dan pre-purchase services seperti billing and paying mechanism, delivery arrangement, security and privacy, product pricing, support of product search and evaluation, dan web appearance. Data diperoleh dari penyebaran kuesioner kepada 318 responden wanita muslim konsumen produk Islamic fashion berusia minimal 17 tahun yang pernah melakukan pengalaman online pada situs Zalora dan Hijup. Analisis data dilakukan melalui analisis deskriptif dan partial least squares menggunakan Smart PLS 2.0. Hasil penelitian menunjukkan bahwa situs e-commerce dan e-commerce Islam signifikan berbeda dan konsumen masih cenderung memilih e-commerce dalam pembelian produk Islamic fashion.

---

This study aims to determine the comparison of consumer purchase intention of Islamic fashion products on conventional e commerce and Islamic e commerce in terms of transaction related services and pre purchase services such as billing and paying mechanism, delivery arrangement, security and privacy, product pricing, support of product search and evaluation, and website appearance. Data obtained from 318 respondents aged at least 17 year old Muslim women who have done online experience on Zalora and Hijup web sites. Data was performed by descriptive analysis and partial least squares using Smart PLS 2.0. The results indicates that conventional e commerce and Islamic e commerce are significantly different and consumer still tend to choose conventional e commerce in purchasing Islamic fashion products."