Model Pengukuran Layanan POLRI Berbasis Kecerdasan Buatan

Yehu Wangsajaya, Muhammad Zarlis, Zakarias Situmorang

Abstract


Tingkat kepuasan masyarakat dan pengguna jasa menyatakan bahwa pemerintah sebagai organisasi public belum menunjukkan hasil yang optimal dalam menciptakan sistem pelayanan yang seharusnya diterima masyarakat, tentu hal ini berdampak pada penurunan kepercayaan publik. Polri sebagai alat negara yang kompeten semestinya memberikan jaminan keamanan, ketertiban, dan pelayanan kepada masyarakat dengan optimal. Oleh sebab itu dalam upaya mencapai kualitas pelayanan publik kepada masyarakat, Polri perlu melakukan upaya penyempurnaan dan perbaikan sistem birokrasi agar sesuai dengan dinamika perkembangan masyarakat yang dikaitkan dengan tingkat kepuasan masyarakat. Sesuai dengan perkembangan teknologi informasi dan internet dalam pelayanan berbasis digital di era revolusi industry 4.0 saat ini yang disertai dengan perkembangan media storage berbasis cloud terdapat data warehouse layanan kepolisian, hal ini menjadi  kesempatan dan peluang dalam mengoptimasi hasil pengukuran layanan berbasis kecerdasan buatan. Dalam penelitian ini tujuan diadakannya pengukuran layanan adalah untuk menghasilkan model smart pengukuran kepuasan masyarakat terhadap layanan Polri yang berbasis kecerdasan buatan dan mengetahui seberapa besar kepuasan masyarakat terhadap pelayanan Polri. Dengan penerapan jaringan saraf tiruan algoritma backpropagation, maka selain dihasilkan tingkat kepuasan masyarakat juga diketahui pola, trend dan forecasting jumlah peristiwa yang akan terjadi sehingga dapat digunakan deteksi dini dan strategi penyelesaian masalah yang terjadi di masyarakat


Full Text:

PDF

References


V. S. T. Sutojo, Edy Mulyanto, Kecerdasan Buatan. Yogyakarta: Andy, 2011.

Humas MENPANRB, “Pelayanan Publik Lebih Efektif dengan Kecerdasan Buatan,” 2020. https://menpan.go.id/site/berita-terkini/pelayanan-publik-lebih-efektif-dengan-kecerdasan-buatan.

H. A. Simon, “Artificial intelligence: an empirical science,” Artif. Intell., vol. 77, no. 1, 1995, doi: 10.1016/0004-3702(95)00039-H.

S. A. Raza, S. T. Jawaid, and A. Hassan, “Internet banking and customer satisfaction in Pakistan,” Qual. Res. Financ. Mark., vol. 7, no. 1, 2015, doi: 10.1108/QRFM-09-2013-0027.

N. Zeinalizadeh, A. A. Shojaie, and M. Shariatmadari, “Modeling and analysis of bank customer satisfaction using neural networks approach,” Int. J. Bank Mark., vol. 33, no. 6, 2015, doi: 10.1108/IJBM-06-2014-0070.

J. D. Farquhar and T. Panther, “Acquiring and retaining customers in UK banks: An exploratory study,” J. Retail. Consum. Serv., vol. 15, no. 1, 2008, doi: 10.1016/j.jretconser.2007.02.001.

Z. Liao and M. T. Cheung, “Measuring consumer satisfaction in internet banking: A core framework,” Commun. ACM, vol. 51, no. 4, 2008, doi: 10.1145/1330311.1330322.

U. S. Mishra, K. K. Sahoo, S. Mishra, and S. K. Patra, “Service quality assessment in banking industry of India: A comparative study between public and private sectors,” European Journal of Social Sciences, vol. 16, no. 4. 2010.

A. Ali and B. Ratwani, “Customers’ satisfaction in Indian banks: Problems and solutions,” Int. J. Econ. Res., vol. 14, no. 9, 2017.

R. B. Muhammad Zarlis, Elviwani, Ami Dilham, Kecerdasan Buatan Era Revolusi Industri 4.0. Bogor: Mitra Wacana Media, 2022.

E. G. Wahyuni, L. M. F. Fauzan, F. Abriyani, N. F. Muchlis, and M. Ulfa, “Rainfall prediction with backpropagation method,” in Journal of Physics: Conference Series, 2018, vol. 983, no. 1, doi: 10.1088/1742-6596/983/1/012059.

S. Alam, “Artificial Intelligent Service Quality to Increase Customer Satisfaction and Customer Loyalty (Survey of PT. Telkomsel Customers),” no. 141, pp. 100–104, 2020, doi: 10.2991/aebmr.k.200514.023.

S. McKecnie, S. Ganguli, and S. K. Roy, “Generic technology-based service quality dimensions in banking: Impact on customer satisfaction and loyalty,” Int. J. Bank Mark., vol. 29, no. 2, 2011, doi: 10.1108/02652321111107648.

J. Paschen, J. Kietzmann, and T. C. Kietzmann, “Artificial intelligence (AI) and its implications for market knowledge in B2B marketing,” J. Bus. Ind. Mark., vol. 34, no. 7, 2019, doi: 10.1108/JBIM-10-2018-0295.

S. Gupta, V. A. Drave, Y. K. Dwivedi, A. M. Baabdullah, and E. Ismagilova, “Achieving superior organizational performance via big data predictive analytics: A dynamic capability view,” Ind. Mark. Manag., vol. 90, 2020, doi: 10.1016/j.indmarman.2019.11.009.




DOI: http://dx.doi.org/10.30645/senaris.v4i2.209

Refbacks

  • There are currently no refbacks.


&nbsp