Article Per Year (5 Year)
p-Index From 2020 - 2025
0.61
P-Index
This Author published in this journals
All Journal Jurnal Sains dan Informatika Jurnal INFOTEL
Puji Winar Cahyo
Universitas Jenderal Achmad Yani
Computer Science & IT Electrical & Electronics Engineering Engineering Mathematics

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Peningkatan Penjualan Produk Berdasarkan Analisis Komentar Pelanggan di Marketplace: Shopee Ulfi Saidata Aesyi; Puji Winar Cahyo
Jurnal Sains dan Informatika Vol. 9 No. 1 (2023): Jurnal Sains dan Informatika
Publisher : Teknik Informatika, Politeknik Negeri Tanah Laut

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34128/jsi.v9i1.539

Abstract

Transaksi secara online mulai digemari karena dirasa mudah dan tidak berbatas waktu. Hal ini yang membuat transaksi secara online mulai meningkat sehingga menyebabkan munculnya persaingan penjualan antar toko online. Toko yang sudah lama berdiri dan memiliki banyak produk yang ditawarkan umumnya cukup kesulitan untuk mengidentifikasi dan menyimpulkan isi keseluruhan komentar berdasar rating yang telah diberikan oleh pelanggan. Kesulitan tersebut biasanya terjadi pada pemberian rating yang tidak sesuai dengan isi komentar yang telah ditulis. Oleh karena itu, diciptakan platform Customer Comment Analysis (Cuscoma) untuk dilakukan analisis terkait isi komentar pelanggan. Isi komentar pelanggan terhadap suatu produk dikelompokan berdasarkan komentar sejenis menggunakan metode rule based. Metode rule based yang diterapkan dapat mengelompokan data komentar yang terbagi dalam pembahasan produk, pengiriman, packing, pelayanan dan harga. Mengambil contoh kasus toko pada marketplace shopee dengan nama akun Seagate Official menunjukan bahwa pembahasan produk mencapai 180 data komentar, sedangkan pada akun toko Mixacc mencapai 574 data komentar. Melalui data komentar yang telah dikelompokan tersebut maka dilanjutkan analisis berfokus pada isi komentar. Analisis isi konten komentar menunjukan bahwa pembahasan komentar mengenai produk mempunyai irisan yang cukup tinggi dengan pelayanan toko dan pengiriman. Dengan melihat pembahasan komentar pada masing-masing group dan diketahuinya pembahasan produk yang memiliki irisan maka dapat digunakan sebagai dasar evaluasi untuk peningkatan penjualan produk oleh masing-masing toko online.
A User Recommendation Model for Answering Questions on Brainly Platform Puji Winar Cahyo; Kartikadyota Kusumaningtyas; Ulfi Saidata Aesyi
JURNAL INFOTEL Vol 13 No 1 (2021): February 2021
Publisher : LPPM INSTITUT TEKNOLOGI TELKOM PURWOKERTO

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20895/infotel.v13i1.548

Abstract

Brainly is a Community Question Answer (CQA) application that allows students or parents to ask questions related to their homework. The current mechanism is that users ask questions, then other users who are in the same subject interest can see and answer it. As a reward for answering questions, Brainly gives points. The number of points varies by question. The greater of total points users have, Brainly will automatically display them in the smartest user leaderboard on the site's front page. But sometimes, some users do not have good activity in answering questions. Thus, it is possible to have an urgent question that has not been answered by anyone. This study implements Fuzzy C-Means cluster method to improve Brainly's feature regarding the speed and accuracy of answers. The idea is to create student clusters by utilizing the smartest students' leaderboard, subjects interest, and answering activities. The stages applied in this research started with Data Extraction, Preprocessing, Cluster Process, and User Recommender. The optimal number of clusters in the answerer recommendation in the Brainly platform is 2 clusters. The value of the fuzzy partition coefficient for two clusters reached 0.97 for Mathematics and 0.93 for Indonesian. Meanwhile, the results of the recommendations were influenced by answer ratings. Many numbers of the answer are not given rating because the possibility of the answers are not appropriate or user's insensitivity in giving ratings.
Co-Authors Kusumaningtyas, Kartikadyota Ulfi Saidata Aesyi