http://repository.matanauniversity.ac.id:8080/xmlui/123456789/28 Wed, 10 Jun 2026 07:32:18 GMT 2026-06-10T07:32:18Z http://repository.matanauniversity.ac.id:8080/xmlui/123456789/1533 Analisis Sentimen Ulasan Aplikasi Tokopedia di Google Play Store Menggunakan Metode Regresi Logistik dan Regresi Logistik dengan Penambahan Fitur Latent Dirichlet Allocation Riswandi, Calvin Pesatnya pertumbuhan akses internet di Indonesia telah mendorong perkembangan industri e-commerce secara signifikan, dengan Tokopedia sebagai salah satu platform yang mengalami kemajuan pesat. Aplikasi Tokopedia yang tersedia di Google Play Store menyediakan fitur ulasan pengguna yang menjadi sumber data penting untuk mengevaluasi tingkat kepuasan pelanggan serta mengidentifikasi berbagai permasalahan teknis. Penelitian ini bertujuan untuk menganalisis sentimen pengguna terhadap aplikasi Tokopedia dengan menerapkan metode regresi logistik. Data ulasan dikumpulkan melalui teknik web scraping dari Google Play Store dan diolah melalui tahapan praproses teks sebelum diklasifikasikan ke dalam dua kategori sentimen, yaitu positif dan negatif. Untuk memperkaya model analisis, ditambahkan fitur topik menggunakan pendekatan Latent Dirichlet Allocation (LDA). Hasil penelitian menunjukkan bahwa model regresi logistik tanpa integrasi LDA justru memberikan performa klasifikasi yang lebih baik dibandingkan model yang menggunakan LDA. Temuan ini mengindikasikan bahwa pendekatan regresi logistik murni lebih efektif dalam mengenali pola sentimen pengguna dan dapat dijadikan dasar dalam pengambilan keputusan strategis guna meningkatkan kualitas layanan pada aplikasi Tokopedia. Fri, 13 Jun 2025 00:00:00 GMT http://repository.matanauniversity.ac.id:8080/xmlui/123456789/1533 2025-06-13T00:00:00Z http://repository.matanauniversity.ac.id:8080/xmlui/123456789/1530 Forecasting Nilai Indeks Harga Properti Residensial Menggunakan Random Forest Regression dengan Faktor ARIMA Widjaya, Ferdinand Nathaniel Pergerakan harga properti residensial di Indonesia terus mengalami kenaikan setiap tahunnya, harga rumah baru tahun 2024 sudah mengalami kenaikan 30% sejak tahun 2014. Akibat dari kenaikan harga rumah yang terus melaju, penduduk Indonesia semakin sulit dalam memenuhi kebutuhan dasar tempat tinggal. Berdasarkan data BPS 37% rumah tangga di Indonesia tinggal di rumah tidak layak huni. Beberapa penyebab tingginya harga rumah adalah inflasi terhadap daya beli masyarakat dan jumlah masyarakat masih belum sebanding dengan persediaan yang ada. Kredit Pemilikan Rumah (KPR) menjadi satu- satunya jalan keluar dalam memiliki tempat tinggal dengan 73% properti dibeli dengan KPR (BI). Penelitian ini bertujuan untuk memprediksi pergerakan harga rumah di pasaran dengan beberapa faktor ekonometrika mempengaruhi demand akan properti residensial dapat dijadikan prediktor peramalan dengan metode random forest akan harga properti di Indonesia. Peramalan yang dilakukan dengan random forest terhadap indeks harga properti residensial tahun 2018-2024 bergantung terhadap ketersediaan variabel independen jika ingin dilakukan peramalan periode berikutnya. Metode recursive forecasting diterapkan dengan menggunakan variabel independen hasil peramalan sebagai prediktor variabel dependen dengan mengabungkan dua metode peramalan. Hasil peramalan variable prediktor dengan metode ARIMA akan diaplikasikan menjadi sebuah model random forest baru. Hasil dari penelitian ini adalah model ARIMA berhasil melakukan prediksi terhadap nilai variable prediktor dengan akurasi > 90% sehingga mendukung nilai akurasi prediksi recursive forecasting untuk mencapai nilai MSE 1,3 untuk IHPR kecil, 1,1 untuk IHPR menengah, 0,6 untuk IHPR besar menunjukkkan angka yang tidak berbeda signifikan dengan model random forest sebenarnya. Fri, 13 Jun 2025 00:00:00 GMT http://repository.matanauniversity.ac.id:8080/xmlui/123456789/1530 2025-06-13T00:00:00Z http://repository.matanauniversity.ac.id:8080/xmlui/123456789/1529 Klasterisasi dan Efisiensi Penjualan Buku di PT Saint Technologies Indonesia dengan Metode K-Means Clustering Ardiansyah, Muhammad Naufal Penelitian ini menginvestigasi cara penerapan metode K-Means Clustering dalam memperbaiki strategi penjualan buku di PT Saint Technologies Indonesia. Partisipan dalam penelitian ini melibatkan tim peneliti bersama dengan manajemen PT Saint Technologies Indonesia. Penekanan utama penelitian adalah evaluasi seberapa efektifnya penggunaan K-Means Clustering dalam meningkatkan penjualan buku. Periode penelitian meliputi lima bulan penjualan terbaru yang telah dijadwalkan oleh PT Saint Technologies Indonesia. Penelitian ini dilaksanakan di kantor pusat PT Saint Technologies Indonesia dan menggunakan data penjualan dari beberapa cabang perusahaan. Tujuan utama penelitian ini adalah untuk meningkatkan efisiensi dan efektivitas strategi penjualan buku. Metodologi penelitian mencakup analisis data penjualan menggunakan K-Means Clustering untuk mengelompokkan penjualan. Pada hasil penelitian memberikan wawasan penting tentang potensi peningkatan penjualan buku di PT Saint Technologies Indonesia melalui penerapan teknik klasterisasi dan efisiensi yang digunakan. Thu, 13 Jun 2024 00:00:00 GMT http://repository.matanauniversity.ac.id:8080/xmlui/123456789/1529 2024-06-13T00:00:00Z http://repository.matanauniversity.ac.id:8080/xmlui/123456789/1522 Analisis Faktor Produksi Bawang Merah Menggunakan Metode Cobb-Douglas untuk Penentuan Premi Asuransi Saudi, Jeremi Heryandi Sektor pertanian bawang merah sering mengalami kerugian akibat gagal panen yang disebabkan berbagai faktor. Asuransi Pertanian memberikan solusi dalam mengatasi risiko gagal panen yang dihadapi oleh petani bawang merah. Oleh karena itu, pada penelitian ini bertujuan untuk melakukan analisis faktor produksi bawang merah dalam penentuan premi asuransi. Pada penelitian ini menggunakan model Cobb-Douglas untuk analisis faktor produksi dan model premi murni untuk penentuan premi asuransi pertanian bawang merah. Data yang digunakan pada penelitian ini berupa kuesioner yang diberikan kepada petani bawang merah di Kabupaten Tasikmalaya. Data responden yang digunakan dalam analisis sebanyak 50 sampel. Hasil penelitian ini memberikan dasar dalam menentukan premi asuransi yang lebih adil dan berkelanjutan bagi petani, sehingga dapat membantu mereka mengelola risiko dan meningkatkan kesejahteraan. Kemudian hasil analisis yang dilakukan diharapkan dapat memberikan gambaran kepada pemerintah Indonesia dalam memperkirakan skema premi asuransi bawang merah. Selain itu bagi perusahaan asuransi dapat memperoleh gambaran dalam penentuan premi asuransi bawang merah dalam mempertimbangkan faktor produksi. Fri, 13 Jun 2025 00:00:00 GMT http://repository.matanauniversity.ac.id:8080/xmlui/123456789/1522 2025-06-13T00:00:00Z