Makassar, Indonesia
bisdigfe@unm.ac.id
Data Analist 2025

Implementasi Business Intelligence Dalam Menganalisis Perilaku Konsumen (Studi Pada Pt. Asera Properti)

Project ini belum memiliki deskripsi.

Data Analist 2024

Analisis Kualitas Produk, Harga, Word Of Mouth (Wom) Dan Sosial Media Marketing Terhadap Keputusan Pembelian Produk The Originote (Studi Kasus Konsumen Kecamatan Minasatene, Kabupaten Pangkep)

Project ini belum memiliki deskripsi.

Data Analist 2024

Analisis Sentimen pada Jersey Erspo di X Menggunakan Algoritma Machine Learning

Project ini belum memiliki deskripsi.

Data Analist 2024

Analisis Sentimen Opini Publik pada Presiden dan Wakil Presiden 2024-2029 pada Twitter

Project ini belum memiliki deskripsi.

Data Analist 2026

ANALISIS SENTIMEN PADA PROGRAM MAKAN BERGIZI GRATIS (MBG) DI INDONESIA DENGAN METODE MACHINE LEARNING (STUDI KASUS PADA DETIK DAN KOMPAS)

Project ini belum memiliki deskripsi.

Data Analist 2024

Implementasi dasboard data analytics pelayanan kesehatan pada rumah sakit Universitas Hasanuddin

Project ini belum memiliki deskripsi.

Data Analist 2026

PEMODELAN PREDIKTIF TREN HARGA KRIPTO BERBASIS SENTIMEN NARASI FIGUR PUBLIK MENGGUNAKAN MACHINE LEARNING

Project ini belum memiliki deskripsi.

Data Analist 2026

Implementasi Dashboard Analitik Berbasis Power BI untuk Pengambilan Keputusan Operasional Kapal Penyeberangan (Studi Kasus: Pelabuhan Siwa, Kabupaten Wajo)

Project ini belum memiliki deskripsi.

Data Analist 2026

ANALISIS SENTIMEN DAN SENTRALITAS JARINGAN PENGGUNA X TERKAIT ISU KENAIKAN TARIF PAJAK PERTAMBAHAN NILAI (PPN) 12%

Project ini belum memiliki deskripsi.

Data Analist 2024

Analisis Sentimen Konsumen Pada Layanan PT Jalur Nugraha Ekakurir Menggunakan Algoritma Machine Learning

Project ini belum memiliki deskripsi.

Data Analist 2026

Dashboard Data Analitik Indikator Makro Ekonomi Kota Makassar

Project ini belum memiliki deskripsi.

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.

Menampilkan 12

Reset Filter