Article Per Year (5 Year)
p-Index From 2020 - 2025
0.562
P-Index
This Author published in this journals
All Journal Jurnal Sains dan Seni ITS
Ahsan, Muhammad
Departemen Statistika Institut Teknologi Sepuluh Nopember Surabaya
Arts Humanities

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
Monitoring Sentimen Ulasan Masyarakat di Google Maps Terhadap Layanan Kantor Imigrasi Surabaya Sebagai Early Warning System untuk Perbaikan Kualitas Berbasis Convolutional Long Short Term Memory Pontiselly, Pontiselly; Ahsan, Muhammad
Jurnal Sains dan Seni ITS Vol 13, No 2 (2024)
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/j23373520.v13i2.145412

Abstract

Perkembangan teknologi yang kian pesat berdampak ke berbagai bidang, salah satunya pariwisata. Kemudahan untuk berpindah tempat, khususnya negara, membuat makin meningkatnya jumlah wisatawan nasional ke mancanegara yang mana salah satu syaratnya adalah wajib memiliki paspor. Kolom komentar di Google Maps dapat menjadi wadah untuk memberikan feedback berupa rating dan ulasan terkait jasa layanan pembuatan paspor di kantor imigrasi. Hal ini dapat menggambarkan kualitas dari jasa layanan di kantor imigrasi. Lalu, data rating akan dianalisis untuk memonitor ulasan masyarakat yang mana data ulasan yang termasuk dalam kelas negatif diindikasikan sebagai produk cacat. Statistical Process Control (SPC) digunakan dalam upaya menyelesaikan masalah pengendalian kualitas. Metode SPC yang cocok adalah peta kendali atribut p untuk memonitor layanan pembuatan paspor yang cacat berdasarkan rating masyarakat. Hasil monitoring ini dapat dijadikan insight bagi pihak institusi sebagai early warning system untuk melakukan evaluasi dan perbaikan kedepannya. Data yang digunakan pada penelitian ini adalah rating ulasan masyarakat terkait layanan pembuatan paspor di kelima Kantor Imigrasi Kelas I Khusus TPI Surabaya yang di-scraping dari Google Maps bulan Desember 2018 hingga November 2023. Dari hasil labeling data rating, didapatkan 90,13% data ulasan yang masuk kelas kategori positif lebih banyak dibandingkan dengan kategori netral dan negatif yang mana menandakan bahwa 90,13% dari total masyarakat yang memberikan rating ulasan di Google Maps merasa puas terhadap layanan di Kantor Imigrasi Surabaya. Lalu, hasil monitoring menunjukkan masih banyak pengamatan yang belum terkendali secara statistik yang berarti pihak Kantor Imigrasi Surabaya masih perlu melakukan evaluasi dan perbaikan. Jenis kendala tertinggi yang dirasakan masyarakat terkait layanan pembuatan paspor di Kantor Imigrasi Surabaya adalah petugas yang kurang ramah dan sopan dalam melayani.
Clustering Lokasi Pengujian Kualitas Air PT Air Minum Giri Menang (Perseroda) sebagai Bentuk Evaluasi Perusahaan Menggunakan Self Organizing Maps (SOM) Farady, M. Difa; Ahsan, Muhammad
Jurnal Sains dan Seni ITS Vol 13, No 6 (2024)
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/j23373520.v13i6.156302

Abstract

Terjadi penurunan titik lokasi yang MSAM dari pengawasan yang dilakukan secara internal pada tahun 2022 dan 2021. Maka dari itu, dilakukan clustering berdasarkan lokasi pengujian kualitas air PT Air Minum Giri Menang (Perseroda) menggunakan Self Organizing Maps (SOM). Karakteristik data hasil pengujian di 60 lokasi dari parameter kekeruhan, pH, besi, dan nitrit menunjukkan kualitas air yang sangat baik. Sebelum melakukan clustering, terdeteksi beberapa outlier. Lokasi Ireng menjadi outlier paling esktrim karena memiliki nilai kekeruhan dan pH yang sangat mendekati batas spesifikasi, yaitu kekeruhan sebesar 4,95 NTU dan pH 8,41. Hasil clustering terbaik adalah dengan menghapus satu outlier dan membentuk dua klaster dengan hasil evaluasi nilai silhouette coefficient 0,668 dengan kategori klaster layak atau sesuai. Dilakukan pengujian multivariat normal yang menghasilkan sampel tidak berditribusi normal multivariat, sehingga digunakan pengujian hipotesis nonparametrik Kruskal-Wallis. Berdasarkan hasil pengujian Kruskal-Wallis diperoleh hasil bahwa klaster 1 dan klaster 2 berbeda secara signifikan, serta variabel yang berbeda secara signifikan antara klaster 1 dan klaster 2 adalah kekeruhan dan besi. Klaster 2 cenderung memiliki kualitas air yang lebih baik dibandingkan klaster 1. Kekeruhan di klaster 1 cenderung lebih tinggi dibanding klaster 2 dan beberapa lokasi di klaster 1 memiliki tingkat kekeruhan yang lebih dari 1 NTU. Pada variabel besi juga begitu, klaster 1 cenderung memiliki kandungan besi yang lebih tinggi dibanding klaster 2. Pihak perusahaan perlu meningkatkan pemantauan dan pengendalian kualitas air di lokasi-lokasi dengan nilai di beberapa parameter mendekati batas spesifikasi.
Monitoring Kualitas Pelayanan Rumah Sakit Berdasarkan Rating Pasien di Google Maps Menggunakan Diagram Kendali p Nurfaizah, Rossa Julia; Ahsan, Muhammad
Jurnal Sains dan Seni ITS Vol 13, No 6 (2024)
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/j23373520.v13i6.156500

Abstract

Rumah sakit merupakan institusi pelayanan kesehatan bagi masyarakat, dimana setiap rumah sakit diharuskan untuk selalu meningkatkan kualitas pelayanan agar terwujud derajat kesehatan yang setinggi-tingginya. Setiap pasien yang telah menerima pelayanan dapat memberikan opininya melalui kolom komentar Google Maps yang dapat menggambarkan kualitas dari jasa layanan di rumah sakit. Data komentar tersebut dilabeli berdasarkan nilai rating yang diberikan pasien Selanjutnya, hasil pelabelan ini digunakan untuk memonitor kualitas pelayanan menggunakan Statistical Process Control (SPC) dimana ulasan negatif menunjukkan pelayanan yang cacat. Tools SPC yang cocok digunakan adalah diagram kendali p. Data yang digunakan dalam penelitian ini adalah ulasan dari 1 Januari 2016 hingga 26 Desember 2023. Dari hasil pelabelan, diketahui bahwa sebanyak 68,01% ulasan dikategorikan sebagai kelas sentimen positif, 30,58% ulasan dikategorikan sebagai kelas sentimen negatif dan 1,41% ulasan dikategorikan sebagai kelas sentimen netral. Hasil monitoring menggunakan data rating memperlihatkan bahwa masih terdapat beberapa pengamatan yang belum terkendali secara statistik yang berarti pihak rumah sakit masih perlu melakukan evaluasi dan peningkatan kinerja pelayanan yang ada.
Co-Authors Farady, M. Difa Nurfaizah, Rossa Julia Pontiselly, Pontiselly