Pemeringkatan Popularitas Dompet Digital dengan Pendekatan SNA-OCRA
Abstract
Abstrak−Penelitian ini mengkaji popularitas produk dompet digital berdasarkan percakapan Twitter dengan pendekatan hibrid Social Network Analysis (SNA) dan Operational Competitiveness Ratings Analysis (OCRA). SNA menganalisis interaksi pengguna dalam percakapan dompet digital, sementara OCRA memberikan pemeringkatan berdasarkan kriteria yang berasal dari network properties pada SNA. Dalam konstruksi SNA akan diperoleh banyak network properties yang tercatat, namun dalam penelitian ini network properties yang digunakan sebagai kriteria adalah Node, Edges, Average Degree, Modularity, Diameter, Density, Average Path Length, Connected Component. Kemudian OCRA memberikan perhitungan pemeringkatan popularitas dompet digital berdasarkan kriteria. Hasil dari penelitian ini menyatakan bahwa dompet digital dengan kode alternatif A2 menduduki peringkat tertinggi dengan nilai indeks seleksi preferensi 603.3993893. Dompet digital dengan kode alternatif A3 menduduki peringkat terendah dengan nilai indeks seleksi preferensi 4.903316045.Hasil ini mencerminkan popularitas merek dompet digital berdasarkan percakapan Twitter dan analisis jaringan sosial. Validasi hasil penelitian ini dilakukan dengan membandingkan peringkat popularitas penelitian ini dengan nilai properti aplikasi dompet digital pada playstore. Apabila popularitas di playstore didasarkan pada jumlah download aplikasi dompet digital, maka dompet digital paling populer pada playstore adalah A2 dengan jumlah download 100 juta lebih. Hasil ini mengindikasikan hasil yang sama dengan penelitian ini yang menempatkan dompet digital dengan kode A2 sebagai yang terpopuler. Apabila popularitas di playstore didasarkan pada jumlah ulasan aplikasi dompet digital, maka dompet digital paling populer pada playstore adalah A2 dengan jumlah ulasan sekitar 13 juta. Hasil ini mengindikasikan hasil yang sama dengan penelitian ini yang menempatkan dompet digital dengan kode A2 sebagai yang terpopuler. Apabila popularitas di playstore didasarkan pada rating dompet digital, maka dompet digital paling populer pada playstore adalah A3 dengan rating 4,7 sedangkan A2 menduduki peringkat kedua dengan rating sebesar 4,6. Hasil ini mengindikasikan hasil yang sedikit berbeda dengan penelitian ini yang menempatkan dompet digital dengan kode A2 sebagai yang terpopuler. Berdasarkan hasil validasi ini dapat disimpulkan bahwa apabila dicari dompet digital yang menempati peringkat pertama pada sisi popularitas, maka antara hasil penelitian ini dengan nilai properti aplikasi pada playstore hanya terdapat sedikit perbedaan saja, namun variasi perbedaan akan muncul pada peringkat-peringkat di bawahnya.
Kata Kunci: pemeringkatan, popularitas, dompet digital, Twitter, SNA, OCRA
Full Text:
PDFReferences
G. P. Putra dan C. Candiwan, “Analisis Peringkat Brand Pada Sosial Media Twitter Menggunakan Metode Social Network Analysis (studi Kasus KFC Indonesia Dan McDonald’s Indonesia),” eProceedings Manag., vol. 8, no. 3, 2021.
V. N. Aini dan A. Alamsyah, “Analisis pada Peringkat Top Brand Menggunakan Jejaring Sosial Percakapan dengan Social Network (Studi Kasus pada Smartphone Samsung, Blackberry, Nokia, Iphone di Indonesia),” e-Proceeding Manag., vol. 3, no. 1, hal. 77–85, 2016.
A. P. Rabbani, A. Alamsyah, dan S. Widiyanesty, “ANALISA INTERAKSI USER DI MEDIA SOSIAL MENGENAI INDUSTRI FINTECH MENGGUNAKAN SOCIAL NETWORK ANALYSIS (STUDI KASUS: GOPAY, OVO DAN LINKAJA),” J. Mitra Manaj. (JMM Online), vol. 4, no. 3, hal. 341–351, 2020.
Y. Peranginangin dan A. Alamsyah, “Multiple Regression to Analyse Social Graph of Brand Awareness,” vol. 15, no. 1, hal. 2013–2017, 2017, doi: 10.12928/TELKOMNIKA.v15i1.3460.
D. P. Indini, K. Khairunnisa, N. D. Puspa, T. A. Siregar, dan M. Mesran, M.Kom, “Penerapan Metode OCRA dalam Menentukan Media Pembelajaran Online Terbaik di Masa Pandemi Covid-19 dengan Pembobotan ROC,” J. Sist. Komput. dan Inform., vol. 3, no. 2, hal. 60, 2021, doi: 10.30865/json.v3i2.3576.
S. Ghafoori Kharanagh, M. E. Banihabib, dan S. Javadi, “An MCDM-based social network analysis of water governance to determine actors’ power in water-food-energy nexus,” J. Hydrol., vol. 581, hal. 124382, 2020, doi: 10.1016/j.jhydrol.2019.124382.
R. Johnson, Eric M.; Chew, “Social Network Analysis for International Development,” Complex Adapt. Syst. Dev. Prof. Dev. Program., no. May, 2015.
S. Mazumdar dan D. Thakker, “Citizen science on twitter: Using data analytics to understand conversations and networks,” Futur. Internet, vol. 12, no. 12, hal. 1–22, 2020, doi: 10.3390/fi12120210.
S. Guarino, N. Trino, A. Celestini, A. Chessa, dan G. Riotta, “Characterizing networks of propaganda on twitter: a case study,” Appl. Netw. Sci., vol. 5, no. 1, 2020, doi: 10.1007/s41109-020-00286-y.
A. Farooq, U. Akram, G. J. Joyia, dan C. N. Akbar, “A Technique to Identify Key Players that Helps to Improve Businesses Using Multilayer Social Network Analysis,” Int. J. Futur. Comput. Commun., vol. 7, no. 4, hal. 98–102, 2018, doi: 10.18178/ijfcc.2018.7.4.528.
G. Amoudi, “Popularity Prediction in Twitter during Financial Events,” 21st Saudi Comput. Soc. Natl. Comput. Conf. NCC 2018, hal. 1–6, 2018, doi: 10.1109/NCG.2018.8593027.
S. Aleidi, D. Alsuhaibani, N. Alrajebah, dan H. Kurdi, A Tweet-Ranking System Using Sentiment Scores and Popularity Measures, vol. 1097 CCIS. Springer International Publishing, 2019.
I. Daga, A. Gupta, R. Vardhan, dan P. Mukherjee, “Prediction of likes and retweets using text information retrieval,” Procedia Comput. Sci., vol. 168, hal. 123–128, 2020, doi: 10.1016/j.procs.2020.02.273.
M. Mora-Cantallops, S. Sánchez-Alonso, E. García-Barriocanal, dan M. Á. Sicilia, “Authority-based conversation tracking in twitter: An unattended methodological approach,” Appl. Sci., vol. 10, no. 9, 2020, doi: 10.3390/app10093273.
R. R. Shreyas, B. K. S. K. Sachin, dan T. S. Nanjundeswaraswamy, “Selection of Non-Traditional Machining Process,” Int. J. Eng. Res. Technol., vol. 8, no. 11, hal. 148–155, 2019, [Daring]. Tersedia pada: https://www.ijert.org.
A. Ozdagoglu dan E. Cirkin, “Electronic Device Selection in Industrial Products and Machinery Industry: Comparative Analysis With Ocra and Maut Method,” Int. J. Contemp. Econ. Adm. Sci., vol. 9, no. 1, hal. 119–134, 2019, [Daring]. Tersedia pada: http://ijceas.com/index.php/ijceas/article/view/266.
N. Elshaboury dan M. Marzouk, “Optimizing construction and demolition waste transportation for sustainable construction projects,” Eng. Constr. Archit. Manag., vol. 28, no. 9, hal. 2411–2425, 2021, doi: 10.1108/ECAM-08-2020-0636.
A. Utami dan A. Alamsyah, “Analisis Karakteristik Strategi Konten E-commerce Indonesia menggunakan Pendekatan Social Network Analysis untuk Market Intelligence,” J. Manaj. dan Bisnis Performa, hal. 116–123, 2019, doi: 10.29313/performa.v0i0.3473.
Q. Chang, C. Long, M. A. Hall, dan Z. Duan, “Research characteristics on health law in China: Social network analysis,” J. Acad. Librariansh., vol. 45, no. 2, hal. 126–136, 2019, doi: 10.1016/j.acalib.2019.02.004.
S. S. Singh, V. Srivastava, A. Kumar, S. Tiwari, D. Singh, dan H.-N. Lee, “Social Network Analysis: A Survey on Measure, Structure, Language Information Analysis, Privacy, and Applications,” ACM Trans. Asian Low-Resource Lang. Inf. Process., 2022, doi: 10.1145/3539732.
H. Sivasubramaniam dan H. Li, “Differentially Private Sublinear Average Degree Approximation.”
J. Pauli, K. Basso, R. L. Gobi, dan A. Bilhar, “The effect of co-authorship network density on the performance of postgraduate programs,” Brazilian Bus. Rev., vol. 16, no. 6, hal. 576–588, 2019, doi: 10.15728/BBR.2019.16.6.3.
S. Wasserman dan K. Faust, Social Network Analysis: Methodes and Applications. Melbourne: Press Syndicate of the University of Cambridge, 1994.
P. Rani, M. P. S. Bhatia, dan D. K. Tayal, “An Astute SNA with OWA Operator to Compare the Social Networks,” Int. J. Inf. Technol. Comput. Sci., vol. 10, no. 3, hal. 71–80, 2018, doi: 10.5815/ijitcs.2018.03.08.
A.-L. Barabási, “Network Science Book,” Online, 2012. http://networksciencebook.com (diakses Feb 23, 2023).
M. Mao dan X. Cheng, “Evolution analysis of foreign trade network structructure based on complex network SNA,” ACM Int. Conf. Proceeding Ser., hal. 136–140, 2019, doi: 10.1145/3377817.3377839.
A. Karataş dan S. Şahin, “A comparative study of modularity-based community detection methods for online social networks,” CEUR Workshop Proc., vol. 2201, 2018.
M. B. Smith, J. K. Blakemore, J. R. Ho, dan J. A. Grifo, “Making it (net)work: a social network analysis of ‘fertility’ in Twitter before and during the COVID-19 pandemic,” F S Reports, vol. 2, no. 4, hal. 472–478, 2021, doi: 10.1016/j.xfre.2021.08.005.
T. L. Saaty, “Decision making with the Analytic Hierarchy Process,” Int. J. Serv. Sci., vol. 1, no. 1, hal. 83–98, 2008, doi: 10.1504/ijssci.2008.017590.
J. Awad dan C. Jung, “Extracting the Planning Elements for Sustainable Urban Regeneration in Dubai with AHP (Analytic Hierarchy Process),” Sustain. Cities Soc., vol. 76, hal. 103496, 2022, doi: 10.1016/j.scs.2021.103496.
DOI: https://doi.org/10.33365/jtk.v18i1.3616
Refbacks
- There are currently no refbacks.
Copyright (c) 2024 Imam Husni Al Amin, Fatkhul Amin, Setyawan Wibisono, Endang Lestariningsih, Eko Nur Wahyudi
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Jurnal Tekno Kompak
Published by Universitas Teknokrat Indonesia
Organized by Program Studi D3 Sistem Informasi Akuntansi - Universitas Teknokrat Indonesia
Jl. Zainal Abidin Pagaralam, No.9-11, Labuhanratu, Bandarlampung, Indonesia
Telepon : 0721 70 20 22
W : http://ejurnal.teknokrat.ac.id/index.php/teknokompak
E : teknokompak@teknokrat.ac.id.
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Jumlah Pengunjung : View Tekno Kompak StatsCounter