IMPLEMENTASI TERM FREQUENCY-INVERSE DOCUMENT FREQUENCY ( TF�IDF ) DAN K-MEANS CLUSTERING UNTUK USER EXPERIENCE (UX) RESEARCH STARTUP

KHARISMAWAN, MUHAMAD FARID (2023) IMPLEMENTASI TERM FREQUENCY-INVERSE DOCUMENT FREQUENCY ( TF�IDF ) DAN K-MEANS CLUSTERING UNTUK USER EXPERIENCE (UX) RESEARCH STARTUP. Other thesis, UPN Veteran Yogyakarta.

	Text Abstrak (Intisari) - 123160109.pdf Download (190kB)
	Text Daftar Isi - 123160109.pdf Download (206kB)
	Text Daftar Pustaka - 123160109.pdf Download (214kB)
	Text Halaman Judul (Cover) - 123160109.pdf Download (499kB)
	Text Halaman Pengesahan - 123160109.pdf Download (2MB)
	Text Skripsi Fulltext - 123160109.pdf Restricted to Repository staff only Download (7MB)

Abstract

Startup merupakan suatu organisasi yang dibentuk untuk mencari model bisnis yang dapat
diulang dan terukur. Beberapa tahun ini startup mengalami pertumbuhan yang
signifikan.Namun, dari sekian banyak startup di dunia sebagian besar mengalami kegagalan.
Faktor yang berkaitan dengan pengguna merupakan faktor yang sangat berpengaruh pada
kegagalan startup. Oleh karena itu, diperlukan solusi untuk mengatasi permasalahan yang
berkaitan dengan pengguna tersebut. Salah satu solusinya adalah dengan melakukan user
experience research. Pada penelitian ini, data yang digunakan bersumber dari ulasan aplikasi di
Google Playstore. Untuk dapat mengolah data tersebut, pada sistem diimplementasikan
algoritma TF-IDF dan K-Means Clustering. Penelitian ini diharapkan dapat menghasilkan
sebuah sistem yang berfungsi untuk melakukan user experience research secara otomatis.
Sehingga dapat menjadi solusi permasalahan startup yang berkaitan dengan pengguna dan pada
akhirnya dapat mengurangi persentase startup yang gagal. Dari data ulasan aplikasi Oy!
Indonesia sebanyak 2.865 ulasan yang diimplementasikan kedalam sistem menggunakan
algoritma K-Means Clustering diperoleh empat topik yang sering dikeluhkan pengguna, antara
lain topik tukar pulsa sebanyak 1.554 ulasan, fitur poin redeem sebanyak 172 ulasan, fitur pulsa
redeem sebanyak 183 ulasan, dan fitur bank transfer sebanyak 541 ulasan.
Kata kunci: Startup, User Experience, TF-IDF, K-Means Clustering

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Startup, User Experience, TF-IDF, K-Means Clustering
Subjects:	T Technology > T Technology (General)
Divisions:	Faculty of Engineering, Science and Mathematics > School of Electronics and Computer Science
Depositing User:	A.Md Sepfriend Ayu Kelana Giri
Date Deposited:	05 Jul 2023 07:29
Last Modified:	05 Jul 2023 07:29
URI:	http://eprints.upnyk.ac.id/id/eprint/36324

Actions (login required)

View Item