Claim Missing Document
Check
Articles

Found 3 Documents
Search
Journal : Innovative: Journal Of Social Science Research

Implementation of Power BI as Key Performance Indicators Analysis in Monitoring Business Operational Control at PT. Mandiri Harapan Jaya Jufri, Muh. Anugrah; Alam, Syamsu; Aris, Valentino
Innovative: Journal Of Social Science Research Vol. 4 No. 4 (2024): Innovative: Journal Of Social Science Research
Publisher : Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/innovative.v4i4.11978

Abstract

Penelitian ini menyelidiki implementasi Microsoft Power BI sebagai alat analisis Key Performance Indicators (KPI) untuk meningkatkan pengendalian operasional di PT. Mandiri Harapan Jaya. Penelitian ini berfokus pada proyek konstruksi yang dikelola oleh departemen EPC PT. Vale Indonesia Tbk. Data dikumpulkan melalui observasi, wawancara, dan analisis dokumen perusahaan untuk membuat dashboard yang memberikan informasi real-time mengenai kemajuan proyek, kinerja tenaga kerja, keselamatan, dan manajemen biaya. Temuan ini menunjukkan bahwa penggunaan Power BI meningkatkan akurasi data, memfasilitasi pengambilan keputusan lebih cepat, dan meningkatkan efisiensi manajemen proyek. Hasil utamanya mencakup peningkatan produktivitas tenaga kerja, pengendalian biaya yang lebih baik, dan waktu pelaksanaan proyek yang lebih optimal. Penelitian ini memberikan kontribusi terhadap pemahaman teoritis manajemen konstruksi dan menawarkan manfaat praktis bagi PT. Mandiri Harapan Jaya dan industri konstruksi yang lebih luas.
Sentiment Analysis of Electric Vehicles on Twitter Using Machine Learning Prameswari, Gusti Ayu Sri Adinda; Rakib, Muhammad; Aris, Valentino
Innovative: Journal Of Social Science Research Vol. 4 No. 4 (2024): Innovative: Journal Of Social Science Research
Publisher : Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/innovative.v4i4.12455

Abstract

Penelitian ini bertujuan untuk menganalisis sentimen pengguna Twitter terhadap kendaraan listrik menggunakan teknik pembelajaran mesin. Data dikumpulkan dari Twitter dengan menggunakan kata kunci terkait kendaraan listrik. Data yang diperoleh diolah melalui beberapa tahap seperti pembersihan data, tokenisasi, dan stemming. Selanjutnya, data dianalisis menggunakan tiga algoritma pembelajaran mesin: Support Vector Machine (SVM), Naive Bayes Classifier (NBC), dan Random Forest. Hasil penelitian menunjukkan bahwa algoritma SVM memberikan akurasi terbaik dalam mengklasifikasikan sentimen pengguna. Berdasarkan analisis diagram tulang ikan, ditemukan bahwa sentimen negatif pengguna terutama disebabkan oleh delapan faktor utama: baterai, infrastruktur pengisian daya, biaya awal, jangkauan, dukungan kebijakan, kinerja, variasi model, dan keandalan. Temuan ini diharapkan dapat memberikan wawasan bagi produsen kendaraan listrik untuk meningkatkan kualitas produk dan kepuasan pelanggan.
Analisis Sentimen Ulasan Netizen Pada Aplikasi Disney+ Hotstar Di Aplikasi Google Play Store Menggunakan Machine Learning Salombe, Stefan Novaldi; Alam, Syamsu; Aris, Valentino
Innovative: Journal Of Social Science Research Vol. 5 No. 1 (2025): Innovative: Journal Of Social Science Research
Publisher : Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/innovative.v5i1.15846

Abstract

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.