cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Bahar
Contact Email
bahararahman@gmail.com
Phone
-
Journal Mail Official
puslit.stmikbjb@gmail.com
Editorial Address
-
Location
Kota banjarmasin,
Kalimantan selatan
INDONESIA
Progresif: Jurnal Ilmiah Komputer
Published by Sekolah Tinggi Manajemen Informatika dan Komputer Banjarbaru
ISSN : 02163284     EISSN : 26850877     DOI : -
Core Subject : Science, Engineering,
Computer Science & IT Control & Systems Engineering
Progresif: Jurnal Ilmiah Komputer adalah Jurnal Ilmiah bidang Komputer yang diterbitkan secara periodik dua nomor dalam satu tahun, yaitu pada bulan Februari dan Agustus. Redaksi Progresif: Jurnal Ilmiah Komputer menerima Artikel hasil penelitian atau atau artikel konseptual bidang Komputer.
Arjuna Subject : -
Articles 542 Documents
 51   52   53   54   55 
Penentuan Pelanggan Loyal Laundry Baik Clean Menggunakan Metode MOORA: Penentuan Pelanggan Loyal Laundry Baik Clean Menggunakan Metode MOORA Yulia Yudihartanti; Khairun Nisa; Taufiq Taufiq; Ahmad Pahdi
Progresif: Jurnal Ilmiah Komputer Vol. 22 No. 3 (2026): Juli
Publisher : STMIK Banjarbaru

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35889/progresif.v22i3.3903

Abstract

Customer loyalty determination at Baik Clean Laundry has traditionally been based solely on the number of customer transactions. This approach creates challenges in the reward selection process, particularly when multiple customers have the same number of transactions, making it difficult to identify the most deserving customer. This study aims to implement the Multi-Objective Optimization on the Basis of Ratio Analysis (MOORA) method as a decision support approach to rank loyal customers more objectively and accurately. The evaluation is based on five criteria: total transaction value, visit frequency, service variety, timeliness of laundry collection, and payment punctuality. A web-based decision support system was developed to facilitate data processing and ranking. System testing was conducted by comparing manual calculations with the results generated using the MOORA method. The results indicate that the MOORA method produces a more objective customer ranking, eliminates ties in the evaluation process, and effectively identifies the customer who is most eligible to receive rewards at Baik Clean Laundry. Keywords: Loyal customers; Decision Support System; MOORA; Reward Abstrak Penentuan pelanggan loyal pada Laundry Baik Clean selama ini hanya didasarkan pada jumlah transaksi yang dilakukan oleh pelanggan. Pendekatan tersebut menimbulkan kendala dalam proses pemberian reward, terutama ketika terdapat beberapa pelanggan yang memiliki jumlah transaksi yang sama sehingga sulit menentukan pelanggan paling layak memperoleh penghargaan. Penelitian ini bertujuan untuk mengimplementasikan metode Multi-Objective Optimization on the Basis of Ratio Analysis (MOORA) sebagai metode pendukung keputusan dalam melakukan perangkingan pelanggan loyal lebih objektif dan akurat. Penilaian dilakukan berdasarkan lima kriteria, yaitu total nilai transaksi, frekuensi kunjungan, ragam layanan, ketepatan waktu pengambilan cucian, dan kelancaran pembayaran. Sistem pendukung keputusan dikembangkan berbasis web untuk mempermudah proses pengolahan data dan penentuan hasil. Pengujian dilakukan dengan membandingkan hasil perhitungan manual dengan hasil perhitungan menggunakan metode MOORA. Hasil penelitian menunjukkan bahwa metode MOORA mampu menghasilkan peringkat pelanggan yang lebih objektif, menghilangkan nilai yang sama, serta membantu menentukan pelanggan yang paling berhak menerima reward di Laundry Baik Clean.
Analisis Sentimen Ulasan Aplikasi Gojek Menggunakan Support Vector Machine Muhammad Fariz; Ade Davy Wiranata
Progresif: Jurnal Ilmiah Komputer Vol. 22 No. 3 (2026): Juli
Publisher : STMIK Banjarbaru

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35889/progresif.v22i3.3969

Abstract

Evaluating Gojek’s service quality can be achieved by extracting valuable insights from the Google Play Store review corpus. However, the surging volume of data necessitates computational automation to substitute inefficient manual analysis. This study develops a sentiment analysis model using the Support Vector Machine (SVM) algorithm applied to 2,000 scraped reviews. The corpus undergoes comprehensive text preprocessing, rating-based polarity labeling, and lexical feature extraction via Term Frequency-Inverse Document Frequency (TF-IDF). Model validation demonstrates an impressive predictive performance, achieving an accuracy of 86.21%. The distribution of public opinion reveals a dominance of positive sentiment at 57.47%, outperforming the negative cluster at 42.53%. Empirically, the methodological fusion of TF-IDF and SVM is highly reliable as an analytical instrument to dissect consumer perceptions for future service improvements. Keywords: Sentiment Classification; Support Vector Machine; TF-IDF Weighting; Service Evaluation; Gojek. Abstrak Evaluasi kualitas layanan Gojek dapat diekstraksi dari korpus ulasan Google Play Store. Namun, lonjakan volume data menuntut otomatisasi komputasional guna mensubstitusi analisis manual yang inefisien. Penelitian ini mengonstruksi model analisis sentimen menggunakan algoritma Support Vector Machine (SVM) terhadap 2.000 entri ulasan hasil web scraping. Korpus diproses melalui tahapan prapemrosesan teks komprehensif, pelabelan polaritas berbasis rating, serta ekstraksi fitur leksikal mendayagunakan metode Term Frequency-Inverse Document Frequency (TF-IDF). Validasi arsitektur klasifikasi membuktikan performa prediktif yang impresif, dengan raihan akurasi menyentuh 86,21%. Peta distribusi opini publik mendemonstrasikan dominasi sentimen afirmatif (positif) sebesar 57,47%, mengungguli klaster negatif di angka 42,53%. Secara empiris, fusi metodologis antara pembobotan TF-IDF dan SVM terbukti sangat andal sebagai instrumen analitik komputasional guna membedah persepsi konsumen demi mendukung evaluasi perbaikan layanan Gojek di masa depan.

Page 55 of 55 | Total Record : 542

 51   52   53   54   55 

Filter by Year

2006 2026


Reset
Filter By Issues
All Issue Vol. 22 No. 3 (2026): Juli Vol 22, No 3 (2026): Juli Vol 22, No 2 (2026): April Vol 22, No 1 (2026): Januari Vol 21, No 2 (2025): Agustus Vol 21, No 1 (2025): Februari Vol 20, No 2: Agustus 2024 Vol 20, No 1: Februari 2024 Vol 19, No 2: Agustus 2023 Vol 19, No 1: Februari 2023 Vol 18, No 2: Agustus 2022 Vol 18, No 1: Februari 2022 Vol 17, No 2: Agustus 2021 Vol 17, No 1: Februari 2021 Vol 16, No 2: Agustus 2020 Vol 16, No 1: Februari 2020 Vol 15, No 2: Agustus 2019 Vol 15, No 1: Februari 2019 Vol 14, No 2: Agustus 2018 Vol 14, No 1: Februari 2018 Vol 13, No 2: Agustus 2017 Vol 13, No 1: Pebruari 2017 Vol 12, No 2: Agustus 2016 Vol 12, No 1: Pebruari 2016 Vol 11, No 2: Agustus 2015 Vol 11, No 1: Pebruari 2015 Vol 10, No 2: Agustus 2014 Vol 10, No 1: Pebruari 2014 Vol 9, No 2: Agustus 2013 Vol 9, No 1: Pebruari 2013 Vol 7, No 2: Agustus 2011 Vol 6, No 2: Agustus 2010 Vol 6, No 1: Pebruari 2010 Vol 4, No 1: Pebruari 2008 Vol 2, No 2: Agustus 2006 More Issue