Article Per Year (5 Year)
p-Index From 2021 - 2026
0.61
P-Index
This Author published in this journals
All Journal Journal of Electrical Technology Jurnal Sistem Informasi dan Teknologi Jaringan
Muhammad Hafizh Al-Ghifari Rangkuti
UNIVERSITAS PEMBANGUNAN PANCA BUDI
Automotive Engineering Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Energy Engineering Industrial & Manufacturing Engineering Materials Science & Nanotechnology

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
Framework Data-Driven Customer Analytics pada Sistem Informasi Reservasi dan Transaksi untuk Peningkatan Kinerja Barbershop Muhammad Hafizh Al-Ghifari Rangkuti; Septia Harliansyah; Solly Aryza; Zulham Sitorus
JET (Journal of Electrical Technology) Vol 11, No 1 (2026): EDISI FEBRUARI
Publisher : Universitas Islam Sumatera Utara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30743/jet.v11i1.13799

Abstract

Industri barbershop menghadapi tantangan dalam meningkatkan kualitas layanan dan efisiensi operasional seiring meningkatnya kebutuhan pelanggan terhadap layanan yang cepat, personal, dan berbasis digital. Sebagian besar sistem reservasi dan transaksi yang digunakan saat ini masih berfokus pada pencatatan operasional tanpa memanfaatkan data pelanggan sebagai sumber informasi strategis untuk mendukung pengambilan keputusan. Penelitian ini bertujuan untuk mengembangkan Framework Data-Driven Customer Analytics yang terintegrasi dengan sistem informasi reservasi dan transaksi guna meningkatkan kinerja operasional dan kualitas layanan pada usaha barbershop. Framework yang diusulkan memanfaatkan data reservasi, transaksi, frekuensi kunjungan, preferensi layanan, dan pola perilaku pelanggan untuk menghasilkan informasi analitik yang mendukung pengambilan keputusan berbasis data. Pengembangan sistem dilakukan menggunakan metode Waterfall yang meliputi analisis kebutuhan, perancangan framework, implementasi sistem, dan pengujian. Evaluasi sistem dilakukan melalui pengujian fungsional menggunakan Black Box Testing serta analisis kinerja berdasarkan indikator operasional dan layanan pelanggan. Hasil penelitian menunjukkan bahwa framework yang dikembangkan mampu mengintegrasikan data pelanggan secara efektif, menyediakan informasi analitik yang relevan bagi pengelola, meningkatkan efisiensi proses reservasi dan transaksi, serta mendukung penyusunan strategi layanan yang lebih tepat sasaran. Kontribusi penelitian ini terletak pada pengembangan model customer analytics berbasis data yang dapat dimanfaatkan sebagai dasar pengambilan keputusan untuk meningkatkan daya saing dan keberlanjutan bisnis barbershop di era transformasi digital. Kata Kunci: Customer Analytics, Data-Driven Framework, Sistem Informasi Reservasi, Sistem Transaksi, Barbershop, dan Pengambilan Keputusan Berbasis Data.
Framework Data-Driven Customer Analytics pada Sistem Informasi Reservasi dan Transaksi untuk Peningkatan Kinerja Barbershop Muhammad Hafizh Al-Ghifari Rangkuti; Septia Harliansyah; Solly Aryza; Zulham Sitorus
JET (Journal of Electrical Technology) Vol 11, No 1 (2026): EDISI FEBRUARI
Publisher : Universitas Islam Sumatera Utara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30743/jet.v11i1.13799

Abstract

Industri barbershop menghadapi tantangan dalam meningkatkan kualitas layanan dan efisiensi operasional seiring meningkatnya kebutuhan pelanggan terhadap layanan yang cepat, personal, dan berbasis digital. Sebagian besar sistem reservasi dan transaksi yang digunakan saat ini masih berfokus pada pencatatan operasional tanpa memanfaatkan data pelanggan sebagai sumber informasi strategis untuk mendukung pengambilan keputusan. Penelitian ini bertujuan untuk mengembangkan Framework Data-Driven Customer Analytics yang terintegrasi dengan sistem informasi reservasi dan transaksi guna meningkatkan kinerja operasional dan kualitas layanan pada usaha barbershop. Framework yang diusulkan memanfaatkan data reservasi, transaksi, frekuensi kunjungan, preferensi layanan, dan pola perilaku pelanggan untuk menghasilkan informasi analitik yang mendukung pengambilan keputusan berbasis data. Pengembangan sistem dilakukan menggunakan metode Waterfall yang meliputi analisis kebutuhan, perancangan framework, implementasi sistem, dan pengujian. Evaluasi sistem dilakukan melalui pengujian fungsional menggunakan Black Box Testing serta analisis kinerja berdasarkan indikator operasional dan layanan pelanggan. Hasil penelitian menunjukkan bahwa framework yang dikembangkan mampu mengintegrasikan data pelanggan secara efektif, menyediakan informasi analitik yang relevan bagi pengelola, meningkatkan efisiensi proses reservasi dan transaksi, serta mendukung penyusunan strategi layanan yang lebih tepat sasaran. Kontribusi penelitian ini terletak pada pengembangan model customer analytics berbasis data yang dapat dimanfaatkan sebagai dasar pengambilan keputusan untuk meningkatkan daya saing dan keberlanjutan bisnis barbershop di era transformasi digital. Kata Kunci: Customer Analytics, Data-Driven Framework, Sistem Informasi Reservasi, Sistem Transaksi, Barbershop, dan Pengambilan Keputusan Berbasis Data.
Prediction of Digital Marketing Campaign Success Using Deep Neural Network Models Mayang Modelina Cynthia; Rahma Syahri; Muhammad Hafizh Al-Ghifari Rangkuti; Muhammad Akbar Firdaus; Rido Favorit Saronitehe Waruwu; Yasoziduhu Halawa; Tita Ritonga
Jurnal Sistem Informasi dan Teknologi Jaringan Vol 6 No 2 (2025): September
Publisher : CV. ADMITECH SOLUTIONS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.63703/sisfotekjar.v6i2.33

Abstract

The rapid growth of digital advertising platforms has generated large volumes of complex and nonlinear campaign performance data, making accurate prediction of campaign success increasingly challenging. Traditional machine learning approaches often struggle to fully capture these nonlinear relationships. Therefore, this study proposes a Deep Learning approach using a Deep Neural Network (DNN) to predict the success of digital marketing campaigns based on key performance indicators such as impressions, clicks, CTR, CPC, CPM, engagement rate, and conversions.This research follows the CRISP-DM framework, including data understanding, preprocessing, model development, training, and evaluation. The dataset was obtained from digital advertising platform performance reports and processed through data cleaning, feature scaling, and train–test splitting. The proposed DNN model consists of multiple fully connected layers with ReLU activation functions and is optimized using the Adam optimizer. Model performance was evaluated using accuracy, precision, recall, F1-score, and ROC-AUC.The experimental results show that the proposed Deep Learning model achieves an accuracy of 87.6%, precision of 86.9%, recall of 85.8%, F1-score of 86.3%, and ROC-AUC of 0.91, indicating strong predictive performance. These findings demonstrate that Deep Learning effectively captures complex patterns in digital marketing data and provides reliable insights to support data-driven marketing decision-making.
Co-Authors Mayang Modelina Cynthia Muhammad Akbar Firdaus Rahma Syahri Rido Favorit Saronitehe Waruwu Septia Harliansyah Sitorus, Zulham Solly Aryza Tita Ritonga Yasoziduhu Halawa