PURWANTI, Hani and Rochim, Adian Fatchur and Warsito, Budi (2022) PREDIKSI FAKTOR-FAKTOR PENENTU ADOPSI MANAJEMEN HUBUNGAN PELANGGAN SOSIAL BERDASARKAN PLS-SEM DAN JARINGAN SYARAF TIRUAN PERAMBATAN BALIK. Masters thesis, School of Postgraduate Studies.

	Text COVER.pdf Download (2MB)
	Text BAB I.pdf Download (1MB)
	Text BAB II.pdf Download (1MB)
	Text BAB III.pdf Restricted to Repository staff only Download (1MB)
	Text BAB IV.pdf Restricted to Repository staff only Download (1MB)
	Text BAB V.pdf Download (1MB)
	Text DAFTAR PUSTAKA.pdf Download (1MB)
	Text LAMPIRAN.pdf Restricted to Repository staff only Download (3MB)

Abstract

Manajemen Hubungan Pelanggan (MHP) Sosial merupakan pola baru pada lingkungan bisnis yang memungkinkan bisnis untuk berkolaborasi dengan pelanggan melalui media sosial. Manajemen Hubungan Pelanggan Sosial menggabungkan kemampuan kinerja media sosial dengan MHP tradisional yang bertujuan mengelola pelanggan pada bisnis sehingga menjadi lebih baik. Meskipun penerapan MHP sosial dapat meningkatkan bisnis organisasi, penerapan MHP sosial tetap membutuhkan berbagai persyaratan. Apalagi pada perusahaan kecil seperti UKM yang memiliki anggaran sangat rendah. Sehingga untuk mengadopsi MHP sosial, UKM harus menentukan faktor-faktor yang mempengaruhi adopsi MHP sosial. Oleh karena itu tujuan dari riset ini yaitu menentukan faktor-faktor adopsi MHP sosial dan pemeringkatan faktor-faktor yang mempengaruhi MHP sosial pada UKM. Penelitian ini menerapkan dua metode secara bertahap yaitu Structural Equation Model (SEM) dan Jaringan Syaraf Tiruan (JST). Pendekatan SEM digunakan untuk menyelidiki hubungan linier antara variabel prediktor dan variabel dependen. Dari 12 variabel yang diusulkan ada delapan variabel yang signifikan, dengan tingkat signifikansi 5% yaitu variabel Dukungan pemerintah (DP), Kompatibilitas MHP Sosial (KC), Kompleksitas (KM), Keuntungan Relatif (KR), pengambilan Informasi (PI), Penggunaan Informasi Pelanggan (PIP), Pengetahuan TI/SI Karyawan (PIT), dan Tekanan Pelanggan (TP). Pendekatan NN digunakan untuk pemeringkatan faktor-faktor adopsi MHP sosial dengan neuron input dari variabel prediktor yang signifikasi dari analisis SEM. Data dikumpulkan dari 115 UKM Batik Banyumas di wilayah Banyumas Provinsi Jawa Tengah. Makalah ini juga mengembangkan desain model NN dengan berbagai pengaturan parameter. Desain model jaringan syaraf menggunakan Multilayer Perceptron. Hasil pengaturan parameter menunjukkan bahwa model NN yang optimal menggunakan satu lapisan tersembunyi (hidden layer), Fungsi aktivasi Sigmoid, jumlah neuron pada lapisan tersembunyi sebanyak delapan neuron. Hasil Pemeringkatan menunjukkan bahwa faktor pengambilan informasi sebagai faktor pengaruh tertinggi dengan nilai pengaruh 99.0%, Selanjutnya diikuti faktor Pengetahuan TI/SI Karyawan dengan nilai pengaruh sebesar 83.3% dengan pengaruh terendah adalah faktor Penggunaan Informasi pelanggan dengan pengaruh sebesar 18.0%.
Kata kunci : Manajemen Hubungan Pelanggan Sosial, SEM, Jaringan Syaraf Tiruan, UKM, TOEP

Social Customer Relationship Management is a new pattern in the business environment that allows businesses to collaborate with customers through social media. Social Customer Relationship Management combines the performance capabilities of social media with traditional CRM aimed at managing customers in the business for the better. Although implementing social CRM can improve an organization's business, implementing social CRM still requires various requirements. This is especially true for small companies such as SMEs that have very low budgets. So to adopt social CRM, SMEs must determine the factors that influence the adoption of social CRM. Therefore, the purpose of this study is to determine the factors of social CRM adoption and rank the factors that influence social CRM in SMEs. This study applies two methods in stages, namely Structural Equation Model (SEM) and Neural Network (NN). SEM approach is used to investigate the linear relationship between the predictor variable and the dependent variable. Of the 12 proposed variables, there are eight significant variables, with a significance level of 5%, namely Government Support (DP), Social CRM Compatibility (KC), Complexity (KM), Relative Advantage (KR), Information Retrieval (PI), Use of Information Customer (PIP), Employee IT/IS Knowledge (PIT), and Customer Pressure (TP). The NN approach is used to rank the social CRM adoption factors with the input neurons of the significant predictor variables from the SEM analysis. Data were collected from 115 Banyumas Batik SMEs in the Banyumas area of Central Java Province. This paper also develops a NN model design with various parameter settings. The NN model design uses Multilayer Perceptron. The parameter setting results show that the optimal NN model uses one hidden layer, the Sigmoid activation function, the number of neurons in the hidden layer is eight neurons. The ranking results show that the information retrieval factor is the highest influencing factor with an influence value of 99.0%, followed by the IT/IS Employee Knowledge factor with an influence value of 83.3% with the lowest influence being the Customer Information Usage factor with an effect of 18.0%.
Keyword: Social CRM, SEM, Neural Network, SME’s, TOEP

Actions (login required)

View Item