Article Per Year (5 Year)
p-Index From 2021 - 2026
0.751
P-Index
This Author published in this journals
All Journal Journal of Electrical Technology Jurnal Sistem Komputer dan Informatika (JSON) International Journal of Social Science, Educational, Economics, Agriculture Research, and Technology (IJSET)
Septia Harliansyah
UNIVERSITAS PEMBANGUNAN PANCA BUDI
Agriculture, Biological Sciences & Forestry Humanities Automotive Engineering Computer Science & IT Control & Systems Engineering Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Industrial & Manufacturing Engineering Materials Science & Nanotechnology

Published : 4 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 4 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.
Perbandingan K-Means dan Hierarchical Clustering untuk Pengelompokan Calon Penerima Beasiswa Berdasarkan Data Akademik Sosial dan Ekonomi Mahasiswa Septia Harliansyah; Muhammad Hafizh Al-Ghifari Rangkuti; Muhammad Zikri Ramadhan
Jurnal Sistem Komputer dan Informatika (JSON) Vol. 7 No. 4 (2026): Juni 2026
Publisher : Universitas Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30865/json.v7i4.9852

Abstract

This study aims to compare the performance of the K-Means and Hierarchical Clustering algorithms in grouping scholarship applicants based on academic and socio-economic data. The methodology includes data preprocessing through normalization, determining the optimal number of clusters using the Elbow method, and applying both clustering algorithms. The evaluation is conducted using the Silhouette Score to measure cluster quality based on cohesion and separation. The results show that K-Means produces a higher Silhouette Score compared to Hierarchical Clustering, indicating that K-Means is able to form more compact clusters with clearer separation between them. In contrast, Hierarchical Clustering tends to produce less optimal cluster structures, especially when applied to datasets with a relatively large number of data points. Therefore, K-Means can be recommended as a more effective method for grouping scholarship applicants based on academic and socio-economic data. This study is expected to serve as a reference in selecting appropriate clustering methods in data mining, particularly to support more objective and accurate decision-making processes.
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.
MEDAN SMART TOURISM INFORMATION SYSTEM BASED ON IOT AND ACO FOR ROUTE RECOMMENDATIONS AND VISITOR MANAGEMENT Septia Harliansyah; Muhammad Irfan Sarif; Zulham Sitorus; Eko Wahyudi; Khairul
International Journal of Social Science, Educational, Economics, Agriculture Research and Technology (IJSET) Vol. 4 No. 12 (2025): NOVEMBER
Publisher : RADJA PUBLIKA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.5281/zenodo.21415597

Abstract

The abstract serves as a concise summary of your research paper, highlighting the essential components that provide readers with an overview of your work. It should effectively capture the key issues addressed, the primary objectives of the study, the methods utilized, and the significant results achieved. This summary must be written in a single cohesive paragraph, limited to a maximum of 200 words. Ensure to follow the formatting specifications: use Times New Roman font, size 11, with single spacing, and present it in italics. The goal is to engage the reader while successfully conveying the importance and impact of your findings.
Co-Authors Eko Wahyudi Khairul Muhammad Hafizh Al-Ghifari Rangkuti Muhammad Hafizh Al-Ghifari Rangkuti Muhammad Irfan Sarif Muhammad Zikri Ramadhan Sitorus, Zulham Solly Aryza