Articles
<![CDATA[SOCIAL NETWORK ANALYSIS UNTUK ANALISA INTERAKSI USER DIMEDIA SOSIAL MENGENAI BISNIS E-COMMERCE (STUDI KASUS: LAZADA, TOKOPEDIA DAN ELEVENIA) ]]>
<![CDATA[Bratawisnu, Made Kevin]]>;
<![CDATA[Alamsyah, Andry]]>
<![CDATA[ Almana : Jurnal Manajemen dan Bisnis Vol 2 No 2 (2018): Vol. 2 No.2/ Agustus 2018 ]]>
Publisher : <![CDATA[Management Study Program, Faculty of Economics and Business, Langlangbuana University Bandung ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
<![CDATA[Bisnis e-commerce memerlukan promosi dalam memperkenalkan produk yang dimilikinya. Salah satu media yang dapat digunakan adalah media sosial. Terdapat banyak informasi yang disediakan di media sosial, salah satunya adalah User Generated Content (UGC). UGC adalah jejak rekam user di media sosial yang dapat dilihat oleh user lainnya. Diperlukan analisis media sosial untuk melihat pola interaksi antara perusahaan dengan pelanggannya dari UGC yang banyak tersebar di media sosial. Hal ini dapat dijadikan insight bagi perusahaan dalam membantu pemasaran produk di media sosial. Metode yang digunakan dalam menganalisis pola interaksi dari UGC yang ada di media sosial adalah Social Network Analysis (SNA). Pemodelan jaringan sosial dapat membantu bisnis e-commerce untuk memahami pola interaksi yang terjadi di media sosial.. Hasil temuan dalam penelitian memperlihatkan bahwa jaringan sosial yang lebih unggul adalah jaringan sosial interaksi mengenai Lazada. Penelitian juga memperlihatkan pemeran kunci bagi masing-masing e-commerce. ]]>
<![CDATA[EKPLORASI POLA INTERAKSI DAN PENGGERAK OPINI DALAM JARINGAN SOSIAL PADA PERCAKAPAN BOM SURABAYA 2018 DI MEDIA SOSIAL TWITTER ]]>
<![CDATA[Digpasari, Deacta Ayu]]>;
<![CDATA[Widyawati, Risca Septi]]>;
<![CDATA[Alamsyah, Andry]]>
<![CDATA[ JIEET (Journal of Information Engineering and Educational Technology) Vol 2, No 1 (2018) ]]>
Publisher : <![CDATA[Universitas Negeri Surabaya ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.26740/jieet.v2n1.p19-23
<![CDATA[Penggunaan dari media sosial kini semakin marak digunakan oleh masyarakat umum karena media sosial membantu menghubungkan satu sama lain tanpa mengenal waktu dan jarak serta memberikan sarana untuk penggunanya dapat berinteraksi. Salah satu media sosial terpopuler adalah Twitter. Melalui Twitter dapat dilakukan analisis konteks sosial menggunakan sistem komputasi atau biasa disebut dengan Social Computing. Salah satu metode yang dapat dilakukan adalah Social Network Analysis (SNA) yang dapat mengidentifikasi pola interaksi sosial yang terjadi antar pengguna dalam suatu jaringan. Penelitian ini berjudul ?Eksplorasi Pola Interaksi & Penggerak Opini dalam Jaringan Sosial pada Percakapan Bom Surabaya 2018 di Media Sosial Twitter? memiliki tujuan untuk mengidentifikasi aktor yang paling berpengaruh pada interaksi percakapan mengenai bom di Surabaya pada tahun 2018 yang dapat diprediksi sebagai penggerak opini dalam diseminasi informasi pada jaringan tersebut. Penelitian ini dilakukan dengan mengumpulkan semua tweet (reply, mention, dan retweet) yang berisi percakapan menggunakan bahasa Indonesia mengenai peristiwa bom di Surabaya pada tahun 2018 pada rentang waktu 13-21 Mei 2018 tanpa batasan lokasi. Jenis penelitian ini merupakan penelitian deskriptif dengan menggunakan metode SNA. Ukuran yang diteliti adalah degree centrality, closeness centrality, betweeness centrality, dan eigenvector centrality. Dari hasil penelitian didapatkan 3081 nodes (akun) dan 4163 edges (interaksi) yang terjadi selama tujuh hari pada interaksi sosial percakapan mengenai bom di Surabaya tahun 2018. Berdasarkan penelitian tersebut dapat diindentifikasi bahwa aktor yang paling berpengaruh dalam jaringan sosial tersebut adalah akun Jokowi.]]>
<![CDATA[ANALISA INTERAKSI USER DI MEDIA SOSIAL MENGENAI INDUSTRI FINTECH MENGGUNAKAN SOCIAL NETWORK ANALYSIS (STUDI KASUS: GOPAY, OVO DAN LINKAJA) ]]>
<![CDATA[Alisya Putri Rabbani]]>;
<![CDATA[Andry Alamsyah]]>;
<![CDATA[Sri Widiyanesti]]>
<![CDATA[ Jurnal Mitra Manajemen Vol 4 No 3 (2020): Jurnal Mitra Manajemen Edisi Maret ]]>
Publisher : <![CDATA[Kresna Bina Insan Prima ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (278.875 KB)
|
DOI: 10.52160/ejmm.v4i3.352
<![CDATA[Financial technology (Fintech) mengalami pertumbuhan yang cukup pesat sejak awal kehadirannya di Indonesia. Fintech merupakan industri jasa finansial yang memanfaatkan teknologi sehingga memungkinkan penggunanya melakukan berbagai transaksi keuangan secara digital. Saat ini banyak fintech baru yang bermunculan di Indonesia, sehingga dibutuhkan strategi yg tepat untuk bisa bersaing dgn kompetitor. Analisis interaksi pengguna media sosial, biasa disebut dengan Electronic Word of Mouth (EWOM) dapat memberikan informasi yang dapat mendukung berbagai keputusan bisnis, salah satunya adalah terkait customer engagement. Tujuan dari penelitian ini adalah mengidentifikasi customer engagement yang terbentuk dari hasil implementasi Social Customer Relationship Management (SCRM) yang dilakukan oleh perusahaan. Data yang digunakan dalam penelitian ini adalah data sekunder yang merupakan data tweets berisi interaksi pengguna twitter mengenai 3 fintech di Indonesia yaitu GoPay, OVO, dan LinkAja. Analisis data dilakukan peneliti mengunakan metode social network analysis dengan menghitung properti jaringan dari ketiga objek penelitian. Hasil menunjukkan bahwa LinkAja mebentuk customer engagement lebih optimal lewat implementasi SCRM yang dilakukan perusahaan.]]>
<![CDATA[Multiple Regression to Analyse Social Graph of Brand Awareness ]]>
<![CDATA[Yahya Peranginangin]]>;
<![CDATA[Andry Alamsyah]]>
<![CDATA[ TELKOMNIKA (Telecommunication Computing Electronics and Control) Vol 15, No 1: March 2017 ]]>
Publisher : <![CDATA[Universitas Ahmad Dahlan ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.12928/telkomnika.v15i1.3460
<![CDATA[Social Network Analysis (SNA) has become a common tool to conduct social and business research. In marketing SNA is used to measure word of mouth of a marketing campaign. For an example, a good marketing campaign should create intensive conversation between users in social media. In this paper we use SNA metrics to find out if we can predict brand awareness. We crawl conversation data from Twitter to form seven graph of seven brand in Indonesia. We use multiple regression method, an extension of linear regression, to analyse network properties to get insight on how network structure affect brand awareness of a product. Even though this research is still in early stage, but we manage to discover that a good network structure in knowledge dissemination case (such as word of mouth) eventually differ with the one in brand awareness.]]>
<![CDATA[Reducing Data Social Network Utilizing Greedy Randomized Method ]]>
<![CDATA[Muhammad Rizqy Alfarisi]]>;
<![CDATA[Andry Fajar Zulkarnain]]>;
<![CDATA[Andry Alamsyah]]>
<![CDATA[ IJISTECH (International Journal of Information System and Technology) Vol 5, No 6 (2022): April ]]>
Publisher : <![CDATA[Sekolah Tinggi Ilmu Komputer (STIKOM) Tunas Bangsa ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.30645/ijistech.v5i6.188
<![CDATA[There are many complex data in social networks that can be combined into large data sets which can be accessed. Large amounts of data require more storage and increase the computed summary costs. The need to know how to use data effectively and to extract information from reduced data that has the same information as super data before being reduced. the first thing to do is to convert any unstructured data into structured data utilizing the greedy randomized method, the data can be grouped and combined with other data in its vicinity, and the size of the data can be reduced because the node (user) grouping as a linked pair and is formed the best node around it. This paper presents how to use the minimum description length, as information theory to provide solutions in the model selection problem and apply it in a greedy randomized algorithm that can group unstructured data to reduce data size and provide visualization of the relationship between nodes and how accurate and faster greedy randomized would reduce and combined data into simple link nodes]]>
<![CDATA[Determining Customer Relationship Management Strategy With Customer Personality Analysis Using Ontology Model Approach ]]>
<![CDATA[Alya Rysda Ramadhanti]]>;
<![CDATA[Rafa Syafiq Bastikarana]]>;
<![CDATA[Andry Alamsyah]]>;
<![CDATA[Sri Widiyanesti]]>
<![CDATA[ Jurnal Manajemen Indonesia Vol 20 No 2 (2020): Jurnal Manajemen Indonesia ]]>
Publisher : <![CDATA[Fakultas Ekonomi dan Bisnis, Telkom University. ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.25124/jmi.v20i2.3196
<![CDATA[Indonesia is a market with attractive e-commerce growth in the past four years. The tight competition made the company try to find ways to maintain customer loyalty, including making improvements to the Customer Relationship Management (CRM) strategy. The way to establish a good CRM strategy is driven by a good approach from the company to customers. Through the process of understanding customer personality, major companies able to understand their customer behaviour, therefore, companies driven by their marketers can perform product marketing activities that are tailored to the tendency of the customer's personality. This research was conducted to determine the personality of the customer by utilizing data obtained from online reviews of several products using the ontology model approach. Personality is measured based on words and phrases given by customers through their online reviews with the help of the Big Five Personality theory in the classification process. The results of this study indicate that the measurement of personality using an ontology model reconstructed with the n-gram algorithm shows that customers on several products have different personalities. These personalities can be used as a foundation in determining and establishing CRM strategies in order to gain higher customer engagement. Keywords—Customer Relationship Management; Online Review; Ontology Model; Personality Measurement]]>
<![CDATA[POLA INTERAKSI DAN AKTOR YANG PALING BERPERAN PADA EVENT JGTC 2013 MELALUI MEDIA SOSIAL TWITTER (STUDI MENGGUNAKAN METODE SOCIAL NETWORK ANALYSIS) ]]>
<![CDATA[Rio Oktora]]>;
<![CDATA[Andry Alamsyah]]>
<![CDATA[ Jurnal Manajemen Indonesia Vol 14 No 3 (2014) ]]>
Publisher : <![CDATA[Fakultas Ekonomi dan Bisnis, Telkom University. ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (2025.976 KB)
|
DOI: 10.25124/jmi.v14i3.370
<![CDATA[Selama beberapa tahun terakhir, internet telah berkembang dengan cepat seiring dengan perkembangan teknologi. Data percakapan yang terdapat di media sosial dapat dimanfaatkan untuk melihat pola interaksi dan aktor yang paling berperan pada event JGTC 2013 melalui media sosial Twitter. Penelitian ini memanfaatkan big data dari media sosial Twitter yang diperoleh dari Twitter melalui API (Aplication Programming Interface) dengan bantuan teknis dari NoLimitID (perusahaan social media monitoring & analytic tools). Data tersebut kemudian diolah dengan pendekatan Social Network Analysis. Software yang digunakan untuk menghitung dan menvisualisasikan hasil analysis adalah Gephi. Penentuan aktor yang berperan dalam event JGTC 2013 dihitung berdasarkan centrality yang terdiri dari degree centrality, betweenness centrality, closeness centrality, dan eigenvector centrality. Sampel dalam penelitian ini adalah tweet yang berupa interaksi (terdapat mention, baik berupa reply maupun qoute retweet) yang memuat kata 'JGTC' dan '#JGTC36' pada 1 Desember 2013. Hasil penelitian pada event JGTC 2013 terdapat 7624 node (akun) yang terlibat dengan 7445 edge (interaksi) yang terjadi di network tersebut. Aktor (node) yang paling berpengaruh dalam network JGTC secara keseluruhan adalah raisa6690 yang merupakan bintang tamu pengisi acara event JGTC 2013]]>
<![CDATA[REKOMENDASI MODEL BISNIS INDUSTRI MUSIK POP DAN ROCK DI INDONESIA BERDASARKAN MODEL BUSINESS CANVAS ]]>
<![CDATA[Ilham Maulana]]>;
<![CDATA[Andry Alamsyah]]>
<![CDATA[ Jurnal Manajemen Indonesia Vol 14 No 2 (2014) ]]>
Publisher : <![CDATA[Fakultas Ekonomi dan Bisnis, Telkom University. ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (881.97 KB)
|
DOI: 10.25124/jmi.v14i2.359
<![CDATA[Perkembangan teknologi informasi dan komunikasi (TIK) dewasa ini menyebabkan perubahan strategi dan model bisnis pada Industri Musik Indonesia. Perubahan tersebut menuntut peningkatan kemampuan untuk beradaptasi terhadap teknologi dalam perencanaan model bisnis industri musik khususnya musik pop dan rock. Penelitian ini bertujuan untuk melihat pola bisnis Industri Musik di Indonesia menggunakan dengan menggunakan framework Business Model Canvas Osterwalder dan Pigneur yang akan dianalisis menggunakan SWOT Analysis Business Model Canvas untuk dapat melihat dan merekomendasikan pola Model Business Canvas Industri Musik di Indonesia. Pada paper ini akan dibahas model bisnis untuk penerbit musik dan penulis lagu agar dapat bertahan pada cepatnya perubahan era TIK saat.]]>
<![CDATA[SOCIAL NETWORK ANALYSIS UNTUK ANALISA INTERAKSI USER DI MEDIA SOSIAL MENGENAI BISNIS E-COMMERCE ]]>
<![CDATA[Made Kevin Bratawisnu]]>;
<![CDATA[Andry Alamsyah]]>
<![CDATA[ SOSIOHUMANITAS Vol 21 No 1 (2019): Maret 2019 ]]>
Publisher : <![CDATA[Lembaga Penelitian Universitas Langlangbuana ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.36555/sosiohumanitas.v21i1.1000
<![CDATA[Bisnis e-commerce memerlukan promosi dalam memperkenalkan produk yang dimilikinya. Salah satu media yang dapat digunakan adalah media sosial. Terdapat banyak informasi yang disediakan di media sosial, salahsatunya adalah User Generated Content (UGC). UGC adalah jejak rekam user di media sosial yang dapat dilihat oleh user lainnya. Diperlukan analisis media sosial untuk melihat pola interaksi antara perusahaan denganpelanggannya dari UGC yang banyak tersebar di media sosial. Hal ini dapat dijadikan insight bagi perusahaan dalam membantu pemasaran produk di media sosial. Metode yang digunakan dalam menganalisis pola interaksi dari UGC yang ada di media sosial adalah Social Network Analysis (SNA). Pemodelan jaringan sosial dapat membantu bisnis e-commerce untuk memahami pola interaksi yang terjadi di media sosial.. Hasil temuan dalam penelitian memperlihatkan bahwa jaringan sosial yang lebih unggul adalah jaringan sosial interaksi mengenai Lazada. Penelitian juga memperlihatkan pemeran kunci bagi masing-masing e-commerce.]]>
<![CDATA[SOCIAL NETWORK ANALYSIS PADA INTERAKSI SOSIAL TWITTER MENGENAI OPERATOR TELEKOMUNIKASI SELULER DI INDONESIA ]]>
<![CDATA[Puput Hari Sanjani]]>;
<![CDATA[Andry Alamsyah]]>
<![CDATA[ SOSIOHUMANITAS Vol 21 No 1 (2019): Maret 2019 ]]>
Publisher : <![CDATA[Lembaga Penelitian Universitas Langlangbuana ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.36555/sosiohumanitas.v21i1.1001
<![CDATA[Era internet ditandai dengan pesatnya perkembangan sosial media. User Generated Content (UGC) pada sosial media memungkinkan tersedianya sumber data yang melimpah untuk pengetahuan bisnis. Sistem open sourceTwitter mengizinkan pengambilan data melalui API secara bebas. Data yang berbentuk interaksi sosial dapat dimodelkan menjadi jaringan sosial. Social Network Analysis (SNA) dapat digunakan sebagai alat untukmengetahui struktur jaringan sosial yang terbentuk mengenai topik atau brand tertentu. Penelitian ini menghasilkan perbandingan jaringan sosial yang terbentuk mengenai dua operator telekomunikasi seluler di Indonesia yaitu Telkomsel dan Indosat Ooredoo.]]>
