Data Analist 2025

Analisis Pemodelan Topik I.Saku Pada Play Store Menggunakan Latent Dirichlet Allocation

Perkembangan dompet digital di Indonesia menunjukkan tren yang pesat, namun tidak semua aplikasi mampu mempertahankan loyalitas pengguna, termasuk i.Saku yang memperoleh rating rendah di Google Play Store. Penelitian ini bertujuan untuk mengidentifikasi faktor-faktor utama yang membentuk ulasan pengguna terhadap aplikasi i.Saku dan menyusun rekomendasi perbaikan layanan berdasarkan ulasan tersebut. Metode yang digunakan adalah pemodelan topik dengan algoritma Latent Dirichlet Allocation (LDA) pada 3.000 ulasan pengguna yang diperoleh melalui scraping di Play Store. Evaluasi dilakukan menggunakan coherence score untuk menentukan jumlah topik optimal, yang menghasilkan empat topik utama: (1) masalah saldo dan respons layanan pelanggan, (2) kemudahan transaksi dan fitur utama, (3) permasalahan PIN dan akses akun, dan (4) kendala login serta verifikasi. Hasil analisis menunjukkan bahwa mayoritas ulasan negatif berkaitan dengan kendala teknis dan layanan pelanggan, sementara ulasan positif didominasi oleh kemudahan transaksi. Penelitian ini memberikan wawasan penting bagi pengembang i.Saku untuk memprioritaskan perbaikan layanan berbasis isu dominan yang ditemukan dalam ulasan pengguna. Kata Kunci : i.Saku, ulasan pengguna, Latent Dirichlet Allocation, pemodelan topik, analisis ulasan.

A

AULYA DIALIRA ZAHRA

200907502028

Karya Ilmiah

Data Analist 2025

Segmentasi Pelanggan Menggunakan Algoritma K-Means Untuk Perancangan Strategi Pemasaran (Studi Kasus The Icon Yasika Makassar)

Penelitian ini bertujuan untuk melakukan segmentasi pelanggan The Icon Yasika Makassar dengan menggunakan algoritma K-Means Clustering berdasarkan model LRFM (Length, Recency, Frequency, Monetary). Tujuan utama dari segmentasi ini adalah untuk mengelompokkan pelanggan berdasarkan perilaku transaksi mereka guna merancang strategi pemasaran yang lebih tepat sasaran dan berbasis data. Data transaksi yang digunakan berasal dari periode Februari 2022 hingga Juni 2023, kemudian diolah untuk menghasilkan skor LRFM setiap pelanggan. Penentuan jumlah Cluster optimal dilakukan menggunakan metode Elbow dan evaluasi Davies-Bouldin Index. Hasil penelitian menunjukkan lima segmen pelanggan yang berbeda, yaitu lost customers, core customers, dan new customers, masing-masing dengan karakteristik perilaku yang unik. Selain itu, dashboard visualisasi dikembangkan untuk mempermudah analisis segmentasi dan mendukung pengambilan keputusan dalam strategi pemasaran. Penelitian ini menegaskan pentingnya penerapan Business Intelligence dan segmentasi perilaku dalam memahami pelanggan serta meningkatkan efektivitas pemasaran digital.

M

MAULANA RUMI IRWAN BALO

200907502029

Karya Ilmiah

Data Analist 2025

Analisis Kepuasan Konsumen pada Unilever di Tokopedia menggunakan Text Mining

Penelitian ini bertujuan untuk menganalisis tingkat kepuasan konsumen terhadap produk Unilever yang dijual melalui platform e-commerce Tokopedia dengan memanfaatkan metode Text Mining yang didukung oleh data kuesioner. Data penelitian diperoleh melalui proses web scraping terhadap 5.460 ulasan pelanggan di Tokopedia serta pengumpulan data primer melalui kuesioner kepada 40 responden. Analisis text mining dilakukan melalui beberapa tahapan preprocessing teks yang meliputi cleaning, case folding, tokenizing, stopword removal, dan stemming untuk menghasilkan data yang lebih terstruktur dan siap dianalisis. Selanjutnya dilakukan analisis N-gram, khususnya bigram dan trigram, serta visualisasi network graph untuk mengidentifikasi pola kata yang sering muncul serta hubungan antar konsep dalam ulasan pelanggan. Hasil analisis menunjukkan bahwa sebagian besar konsumen memberikan ulasan positif terhadap produk Unilever. Kata-kata seperti “bagus”, “mantap”, “sesuai”, dan “recommended” muncul secara dominan dalam ulasan pelanggan, yang menunjukkan bahwa kesesuaian produk dengan deskripsi, kualitas produk, serta kualitas layanan penjual menjadi faktor utama yang memengaruhi kepuasan konsumen. Di sisi lain, beberapa ulasan negatif masih ditemukan, terutama terkait kondisi barang rusak, permasalahan pengemasan, serta proses pengiriman dan pengembalian dana. Hasil analisis kuesioner juga menunjukkan tingkat kepuasan yang tinggi dengan nilai rata-rata kualitas produk sebesar 4,55 dan kualitas layanan sebesar 4,45 pada skala Likert lima poin. Temuan ini menunjukkan bahwa ulasan pelanggan pada platform e-commerce dapat menjadi sumber informasi yang penting dalam memahami persepsi, pengalaman, serta tingkat kepuasan konsumen terhadap produk yang ditawarkan secara daring

J

JUNISTASYA IRENE

200907500004

Karya Ilmiah

Data Analist 2025

Monitoring dan Evaluasi Operasional di Bintaro Learning Center Melalui Implementasi Dashboard

Project ini belum memiliki deskripsi.

M

MUH. ICSAN JAMAL

200907501005

Data Analist 2025

Rancang Bangun Platform Home Industri Tenun Sutra Tradisional (Studi Kasus di Kabupaten Wajo)

Penelitian ini merancang platform digital berbasis design thinking untuk home industri tenun sutra tradisional di Kabupaten Wajo, dengan fokus pada peningkatan efisiensi pemasaran dan daya tarik bagi generasi muda. Data Dinas Perindustrian Kabupaten Wajo menunjukkan pertumbuhan signifikan industri kecil-menengah (IKM) pertenunan dari 185 unit (2020) menjadi 631 unit (2022), diikuti penurunan drastis 30,2% menjadi 440 unit (2023). Penurunan ini dipicu proses produksi tradisional yang dianggap tidak efisien dan rendahnya minat generasi muda dalam melanjutkan usaha tenun. Melalui lima tahap design thinking (emphaize, define, ideate, prototype, test), dirancang platform marketplace yang mengintegrasikan budaya dengan teknologi. Hasil uji blackbox menunjukkan kestabilan sistem 100%, sementara evaluasi User Experience Questionnaire (UEQ) memperoleh skor "Excellent" pada aspek daya tarik, efisiensi, ketepatan, dan stimulasi, serta skor "Good" untuk kejelasan dan kebaruan. Hal ini membuktikan platform ini mampu mengoptimalkan operasional bisnis dan meningkatkan minat pengguna dalam melestarikan tenun sutra. Kontribusi penelitian mencakup solusi strategis revitalisasi IKM pertenunan dan kerangka inovasi digital berbasis kearifan lokal’ Kata kunci: Tenun sutra tradisional, transformasi digital, design thinking, platform, e-commerce

A

ANDI MUHAMMAD LUTHFI AKRAM

200907501030

Karya Ilmiah

Data Analist 2025

Analisis User Experience Pada Aplikasi Maxride di Kota Makassar

Penelitian ini bertujuan untuk mengevaluasi pengalaman pengguna (user experience) aplikasi MaxRide di Kota Makassar menggunakan metode User Experience Questionnaire (UEQ). MaxRide merupakan aplikasi transportasi online lokal yang menawarkan layanan unik berupa kendaraan roda tiga, dirancang untuk memberikan solusi transportasi hemat biaya dan ramah lingkungan. Layanan ini tidak hanya memberikan alternatif praktis dan terjangkau bagi pengguna tetapi juga menghadirkan inovasi dalam memenuhi kebutuhan mobilitas masyarakat urban. Penelitian ini menggunakan pendekatan kuantitatif dengan fokus pada enam aspek utama UX yang diukur melalui metode UEQ, yaitu daya tarik (attractiveness), kejelasan (perspicuity), efisiensi (efficiency), ketepatan (dependability), stimulasi (stimulation), dan kebaruan (novelty). Pendekatan ini dipilih karena keunggulannya dalam memberikan wawasan yang mendalam tentang persepsi pengguna terhadap berbagai elemen dalam aplikasi, mulai dari desain visual hingga tingkat keandalan fitur-fitur yang ditawarkan. Evaluasi pengalaman pengguna ini bertujuan untuk mengidentifikasi kekuatan utama yang perlu dipertahankan oleh MaxRide, seperti desain yang menarik atau efisiensi sistem, serta area yang memerlukan perbaikan, seperti inovasi fitur atau peningkatan antarmuka pengguna. Dengan hasil analisis ini, MaxRide dapat mengembangkan strategi pengembangan produk yang berpusat pada pengguna, memastikan aplikasi tetap relevan dan kompetitif di tengah persaingan yang ketat dalam industri transportasi online. Selain itu, penelitian ini diharapkan dapat memberikan wawasan strategis bagi pengembang aplikasi MaxRide untuk memahami kebutuhan dan preferensi pengguna secara lebih mendalam. Dengan demikian, perusahaan dapat mengoptimalkan layanannya untuk mempertahankan loyalitas pengguna, menarik lebih banyak pengguna baru, dan mendorong pertumbuhan jangka panjang. Tidak hanya itu, hasil penelitian ini juga relevan bagi perusahaan lain yang ingin mengembangkan aplikasi digital dengan fokus serupa, yaitu meningkatkan pengalaman pengguna melalui pendekatan berbasis data. Kata Kunci: User Experience, User Experience Questionair

I

IBNU RAMADHAN ALHAS

200907501001

Karya Ilmiah

Data Analist 2025

Analisis Sentimen pada Media Sosial Terhadap Pemboikotan Produk Pro Israel Menggunakan Machine Learning

Penelitian ini bertujuan untuk menganalisis sentimen publik terhadap pemboikotan produk pro-Israel di media sosial menggunakan machine learning. Data dikumpulkan melalui crawling pada tweet dan komentar Instagram, kemudian diproses melalui tahapan preprocessing seperti cleaning, tokenizing, normalize, stopword removal, dan stemming. Analisis dilakukan menggunakan empat algoritma machine learning, yaitu Naïve Bayes, Support Vector Machine (SVM), K-Nearest Neighbor (KNN), dan Decision Tree. Hasil penelitian menunjukkan bahwa SVM memberikan akurasi tertinggi dalam klasifikasi sentimen. Sentimen positif berupa dukungan terhadap gerakan boikot sebagai solidaritas kemanusiaan terhadap Palestina, sedangkan sentimen negatif mencakup pandangan bahwa gerakan ini tidak efektif dan berpotensi merugikan perekonomian. Perbandingan media sosial menunjukkan bahwa Twitter, dengan sifatnya yang real-time, cenderung menghadirkan respons cepat, emosional, dan berbasis argumen. Sebaliknya, Instagram lebih berfokus pada konten visual seperti infografis dan video pendek, dengan diskusi yang lebih pasif di kolom komentar. Penelitian ini menunjukkan bahwa analisis sentimen di media sosial dapat menjadi alat penting bagi bisnis untuk memahami persepsi masyarakat terhadap isu sensitif, mendeteksi potensi krisis, dan merancang strategi komunikasi yang lebih efektif. Kata Kunci: Analisis Sentimen, Pemboikotan Produk Pro Israel, Machine Learning, Naïve Bayes, Support Vector Machine, K-Nearest Neighbor, Decision Tree, Twitter, Instagram

N

NURUL AULIA FITRIANI

200907501003

Karya Ilmiah

Data Analist 2024

Analisis Komparatif Preferensi Konsumen dalam Belanja Online di Kota Makassar ( Studi Kasus Shopee dan Tiktok Shop )

Penelitian ini bertujuan untuk membandingkan preferensi konsumen dalam belanja online di Kota Makassar antara platform Shopee dan TikTok Shop, dengan fokus pada faktor persepsi harga, promosi, dan kemudahan penggunaan. Metode yang digunakan adalah pendekatan kuantitatif dengan analisis komparatif, yang melibatkan 100 responden yang berusia minimal 18 tahun dan telah berbelanja di kedua platform. Hasil penelitian menunjukkan bahwa terdapat perbedaan signifikan dalam persepsi harga, di mana mayoritas responden menilai harga di Shopee lebih terjangkau dibandingkan TikTok Shop. Namun, tidak ditemukan perbedaan signifikan dalam persepsi promosi antara keduanya, yang dianggap setara. Selain itu, Shopee dinilai lebih mudah digunakan dibandingkan TikTok Shop, yang menunjukkan keunggulan dalam pengalaman pengguna. Temuan ini memberikan wawasan berharga bagi pelaku bisnis e-commerce dan social commerce dalam mengoptimalkan strategi pemasaran mereka di era transformasi digital. Kata Kunci: Preferensi Konsumen, Persepsi Harga, Promosi, Kemudahan Penggunaan

E

EVI NURMALASARI

200907500012

Karya Ilmiah

Data Analist 2024

Analisis sentimen pada layanan Starlink di Indonesia

Penelitian ini bertujuan untuk menganalisis sentimen masyarakat Indonesia terhadap layanan internet satelit Starlink yang baru diperkenalkan di Indonesia. Data dikumpulkan dari platform media sosial X, menggunakan kata kunci terkait Starlink, dan dianalisis dengan algoritma Naive Bayes untuk mengklasifikasikan sentimen menjadi positif, negatif, dan netral. Hasil analisis menunjukkan bahwa sentimen netral lebih dominan dibandingkan sentimen positif dan negatif. Faktor utama yang memengaruhi sentimen masyarakat adalah harga layanan yang relatif mahal, kecepatan dan aksesibilitas internet yang ditawarkan, serta keterlibatan Elon Musk dalam investasi di Indonesia. Meski layanan ini memiliki potensi besar untuk meningkatkan akses internet di daerah-daerah terpencil, tantangan terkait biaya dan penerimaan masyarakat tetap menjadi perhatian. Penelitian ini diharapkan dapat memberikan panduan bagi penyedia layanan internet dalam merancang strategi yang lebih sesuai dengan kebutuhan pasar Indonesia. Kata Kunci : Sentimen, Starlink,Analisis,Naive Bayes

M

MOH. YUSUF KHALIQ M.

200907502011

Karya Ilmiah

Data Analist 2024

Analisis Implementasi Search Engine Optimization (SEO) Pada Konten Artikel Terhadap Trafik Website (Studi Kasus Pada Screenesia)

Penelitian ini berfokus pada analisis implementasi teknik Search Engine Optimization (SEO) pada konten artikel untuk meningkatkan trafik website Screenesia. Menggunakan metode Action Research, penelitian ini mengidentifikasi strategi SEO On-Page dan Off-Page serta mengevaluasi efektivitasnya dalam meningkatkan visibilitas dan jumlah pengunjung. Hasil penelitian menunjukkan bahwa penerapan teknik SEO yang terstruktur, mulai dari pemilihan kata kunci yang tepat hingga optimasi konten dan backlink, dapat meningkatkan trafik website secara signifikan. Selain itu, penelitian ini memberikan rekomendasi praktis untuk mengoptimalkan strategi SEO agar perusahaan dapat meningkatkan performa website mereka, khususnya dalam konteks Digital Marketing berbasis website. Temuan ini diharapkan dapat bermanfaat bagi perusahaan lain yang ingin meningkatkan visibilitas digital mereka melalui penerapan strategi SEO yang efektif.

B

BAMBANG PRIHANTORO NUGROHO

200907501021

Karya Ilmiah

Data Analist 2024

Analisis Sentimen Ulasan Netizen Pada Aplikasi Disney+ Hotstar Di Aplikasi Google Play Store Menggunakan Machine Learning

Penelitian ini bertujuan untuk menganalisis sentimen ulasan netizen terhadap aplikasi Disney+ Hotstar pada aplikasi Google Play Store menggunakan Machine Learning. Dalam penelitian ini, data dikumpulkan dari laman ulasan aplikasi Disney+Hotstar pada aplikasi Google Play Store. Data yang diperoleh kemudian diproses melalui beberapa tahap seperti pembersihan data, tokenisasi, dan stemming. Selanjutnya, data dianalisis menggunakan dua algoritma Machine Learning, yaitu Naive Bayes Classifier (NBC) dan Support Vector Machine (SVM). Hasil penelitian menunjukkan bahwa algoritma SVM memberikan akurasi terbaik dalam mengklasifikasikan sentimen ulasan netizen. Berdasarkan hasil analisis topik ulasan menunjukkan bahwa pada kelas sentimen positif, topik yang sering dibicarakan meliputi aspek layanan yang disediakan. Pada kelas sentimen negatif, topik yang dominan berfokus pada masalah teknis kinerja aplikasi. Sedangkan pada kelas sentimen netral, topik yang dibicarakan berfokus pada deskripsi tentang aplikasi tanpa adanya penilaian emosional. Kata Kunci: Analisis Sentimen, Disney+ Hotstar, Machine Learning, Support Vector Machine, Naive Bayes Classifier

S

STEFAN NOVALDI SALOMBE

200907501009

Karya Ilmiah

Data Analist 2024

Analisis Sentimen Aplikasi Tokopedia di Google PlayStore Menggunakan Metode SVM, Naive Bayes, dan K-NN

Penelitian ini dilakukan untuk mengetahui sentimen pengguna Aplikasi Tokopedia di Indonesia, yang dilakukan melalui analisis sentimen menggunakan metode SVM, Naive Bayes, dan K-NN. Data yang digunakan dalam penelitian ini yaitu data sekunder berupa ulasan pengguna Aplikasi Tokopedia, yang dikumpulkan secara online menggunakan teknik scrapping, hasil penelitian ini mendapatkan sentimen negatif yang lebih mendominasi adapun beberapa keluhan yang termasuk dalam kategori sentimen negatif diantaranya, barang yang dikirim rusak, Aplikasi sering eror, pengiriman lambat, pengembalian dana refund sangat lambat, foto produk tidak sesuai dengan produk yang dijual, kurirnya tidak ramah, metode pembayaran kurang. Performa algoritma yang digunakan dalam menunjukkan Support Vector Machine (SVM) lebih baik dari Naive Bayes dan K-Nearest Neighbor (K-NN) dalam mengklasifikasi sentimen, berdasarkan hasil akurasi yang diperoleh. Hasil penelitian ini diharapkan dapat menjadi perhatian PT Tokopedia untuk mengevaluasi kinerja perusahaan dalam meningkatkan stabilitas dan kinerja Tokopedia, mempercepat refund, menambah opsi pembayaran, peningkatan layanan kurir dan keamanan kiriman barang. Kata Kunci : Analisis Sentimen, Aplikasi Tokopedia, Support Vector Machine (SVM), Naive Bayes, K-Nearest Neighbor (K-NN).

A

AISYAH S.

200907500005

Karya Ilmiah