Konferensi 4th InteliSys dan Jurnal Scopus

Konferensi 4th InteliSys yang kami ikuti sudah selesai dilaksanakan pada tanggal 20-12 Agustus 201. InteliSys adalah singkatan dari Interational Conference on Advances in Intelligent Systems in BioInformatics, Chem-Informatics, Business Intelligence, Social Media and Cybernetics. Jadi topik utama konferensi ini adalahpada sistem cerdas untuk bidang bidang yang disebutkan diatas. Output dari konferensi ini adalah ARPN Journal of Engineering and Applied Sciences yang terindeks SCOPUS (Q3). Konferensi ini diadakan bersamaan (waktu dan tempatnya) dengan konferensi international Internet Economics and Psycho Informatics. Terdapat sekitar 100an paper yang mendaftar, dan hanya sekitar 16 paper yang diterima untuk InteliSys. Kami cukup berbangga karena 2 paper kami termasuk kedalam 16 paper yang terpilih pada konferensi tersebut.

Paper pertama yang kami ikut sertakan berjudul “Social Network and Sentiment Analysis for Social Customer Relationship Management in Indonesia Banking Sector” . Paper ini adalah hasil riset saya bersama Aulia, mantan mahasiswa saya yang sekarang sudah lulus dan menjadi Data Scientist di anak perusahaan Telkom Indonesia. Paper kedua berjudul “Top Brand Alternative Measurement Based on Consumer Network Activity” . Paper kedua ini adalah kerja kolaborasi dengan dua mahasiswa saya (yang sudah lulus juga) Viva dan Bebyta. Paper ini adalah hasil riset hibah sekama penelitian dana internal Universitas Telkom 2016. 

Oh yah ada satu hal menarik dari materi yang dibawakan oleh salah satu keynote speaker yaitu Prof. Rudy Setiono dari National University of Singapore (NUS) yang berbicara mengenai Neural Network for Business Intelligence application. materi yang sangat menarik dan membuat saya belajar banyak. Bravo Prof …

 

Image2

 

Image1Image3

Ide Jejaring Teks Untuk Meringkas Percakapan Online (Telkomsel vs XL vs Indosat)

Ide kami dari lab. Social Computing dan Big Data (SCBD) berasal dari pertanyaan sederhana yaitu, “bagaimana membuat ringkasan dokumen / percakapan yang jumlah/skalanya sangat besar?”. Saat ini dengan mudah kita mendapatkan data jutaan tweet tentang suatu produk (lihat cara ini untuk mengambil tweet). Kemudian  bisnis / perusahaan berkeinginan untuk membaca apa yang pelanggan bicarakan tentang produk mereka. Tentu saja membaca jutaan tweet tidaklah mudah dan mungkin membutuhkan waktu lama. Oleh karena itu perlu suatu metodologi baru untuk membuat ringkasan mengenai dokumen yang jumlahnya sangat banyak tersebut.

Saat ini praktek yang sering dilakukan untuk meringkas dokumen adalah dengan menggunakan wordcloud, yaitu daftar kemunculan kata kata berdasarkan seberapa sering kata itu muncul, semakin sering suatu kata muncul maka ukuran kata tersebut menjadi besar / dominan. Contoh wordcloud bisa googling disini. Problem dari wordcloud adalah sulitnya membuat kesimpulan, karena tidak adanya hubungan antara kata kata tersebut, sehingga konteks atau rasa kalimat tidak tertangkap. Pendekatan lain adalah menggunakan usaha usaha seperti sentiment analysis untuk menilai sentiment / rasa / opini orang terhadap suatu produk. Hasil sentiment analysis akan jauh lebih akurat, akan tetapi prosesnya lama, sehingga tidak mungkin untuk menganalisa jutaan tweet (Big Data).

Minggu lalu hasil riset kami tersebut dipresentasikan di konferensi ICOICT2016. Ada dua paper yang kami tampilkan satu mengenai studi kasus di bidang telekomunikasi (bisnis), dan satu lagi tentang pilkada (politik). Judul paper kami adalah “Network Text Analysis to Summarize Online Conversations for Marketing Intelligence Efforts” dan “Word Association Network Approach for Summarizing Twitter Conversation about Public Election” . Saya akan bahas yang studi kasus bidang bisnis saja di entry blog ini. Hasil jejaring teks untuk masing masing operator seluler bisa dilihat di gambar dibawah ini.

 

Telkomsel

Telkomsel

Xl

XL

Indosat

Indosat

Oh yah sebelum membahas hasil riset ini, kami tidak berasosiasi atau meminta ijin kepada provider provider seluler yang disebutkan diatas. Penggunaan brand diatas semata mata karena ketiga brand tersebut yang terbesar di Indonesia (bisa cek Top Brand Awards 2016 kategori Telekomunikasi/IT) . Dan dalam penelitian ini tidak fokus membahas kelebihan dan kekurangan masing masing provider. Yang kami lakukan adalah bereksperimen dengan metode menggunakan data data yang tersedia bebas di Internet (Twitter) dan kemudian menceritakannya kembali (secara garis besar). Jumlah tweet yang kami ambil juga belum mencapai skala jutaan, baru dalam jumlah 75ribu tweet per masing masing provider.

Cerita dari Telkomsel adalah konsumer melihat produk Paket Internet Tau sebagai produk yang murah dan valuable, beberapa keluhan muncul tentang koneksi internet yang lambat, dan secara keseluruhan sentimen positif masih lebih besar dari sentimen negatif. XL mempunyai dua kelompok utama kata kata, yaitu kelompok pertama mengenai informasi produk paket internet dengan kata kata “internet”, “hotrod”, “kartu”, “paket” dan grup kedua mengenai keluhan keluhan yang muncul melalui kata kata “kecewa, “penipuan”, “keluhan”,” lambat”, “mahal”. Indosat mempunyai kata kata dominan “sinyal”, “internet”, “gangguan” yang menceritakan bagaimana sentimen negatif konsumen tentang layanan mereka.

Kesimpulan sementara kami adalah metode ini cukup cepat dan efisien untuk meringkas data data (yang tidak terstruktur) dan berukuran besar (Big Data). Untuk melihat detail papernya, tunggu publish paper lengkapnya nanti di IEEE, Academia.edu atau di Researchgate