Article Per Year (5 Year)
p-Index From 2021 - 2026
0.408
P-Index
This Author published in this journals
All Journal TEKNOBIS : Jurnal Teknologi, Bisnis dan Pendidikan Journal of Information Systems and Business Technology
Rangga Irawan
Universitas Pamulang
Computer Science & IT Economics, Econometrics & Finance Education Library & Information Science Social Sciences

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Analisis dan Perancangan Sistem Informasi Manajemen Supplier Komputer Berbasis Website Menggunakan Standar ISO/IEC 25010 (Studi Kasus : PT. Snapdev Digital Indonesia) Reysha Dwi Novaldo; Rangga Irawan; Chairul Anwar
Journal of Information Systems and Business Technology Vol 2 No 3 (2026): Journal of Information Systems and Business Technology
Publisher : PT Jurnal Cendekia Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Kemajuan teknologi informasi pada masa digital saat ini mendorong perusahaan untuk mengadopsi sistem yang mampu menunjang pengelolaan data secara lebih efektif dan efisien. PT. Snapdev Digital Indonesia masih mengalami kendala dalam pengelolaan data pemasok karena sebagian proses kerja belum sepenuhnya terotomatisasi. Kondisi tersebut berpotensi menimbulkan keterlambatan pertukaran informasi, terjadinya data ganda, serta menurunkan efisiensi kegiatan operasional perusahaan. Penelitian ini dilakukan untuk menganalisis sekaligus merancang Sistem Informasi Manajemen Supplier Komputer berbasis web dengan menerapkan metode Prototype serta evaluasi kualitas perangkat lunak berdasarkan standar ISO/IEC 25010. Penerapan metode Prototype dilakukan melalui tahapan penyusunan kebutuhan, desain sistem, proses pembangunan aplikasi, pengujian, hingga evaluasi yang disesuaikan dengan kebutuhan pengguna. Hasil penelitian memperlihatkan bahwa sistem yang dikembangkan mampu mendukung pengelolaan data produk, supplier, transaksi, laporan, dan pengguna secara lebih terstruktur dan optimal. Pengujian kualitas sistem melibatkan 29 responden dan memperoleh nilai keseluruhan sebesar 77 persen yang termasuk dalam kategori baik. Berdasarkan hasil tersebut, sistem yang dirancang dinilai dapat digunakan untuk membantu kegiatan operasional perusahaan serta meningkatkan kualitas pengelolaan informasi supplier secara lebih maksimal.
Penerapan RFM Analysis dan K-Means Clustering untuk Segmentasi Pelanggan pada Dataset Online Retail II Nathan Noval Jivi Earnestine; Rangga Irawan; Bergio Fabian; Mufidah Karimah
TEKNOBIS : Jurnal Teknologi, Bisnis dan Pendidikan Vol. 4 No. 3 (2026): TEKNOBIS : Jurnal Teknologi, Bisnis dan Pendidikan
Publisher : Shofanah Media Berkah

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Persaingan di industri e-commerce yang semakin ketat mendorong perusahaan untuk lebih mengenali karakteristik pelanggan demi merancang strategi pemasaran yang lebih efektif. Penelitian ini bertujuan untuk melakukan klasifikasi segmen pelanggan pada dataset Online Retail II dengan mengintegrasikan metode Analisis RFM (Recency, Frequency, Monetary) dan algoritma K-Means Clustering. Dataset ini mencakup 1.067.371 transaksi yang tercatat antara Desember 2009 hingga Desember 2011. Proses pembersihan data menghapus baris yang tidak memiliki ID Pelanggan, nilai Kuantitas dan Harga yang tidak valid, serta data yang terduplikasi, sehingga menghasilkan 779.425 transaksi bersih dari 5.878 pelanggan yang berbeda. Indikator RFM dihitung dan diubah dengan logaritmik untuk mengurangi ketidakseimbangan sebelum dinormalisasi dan dikelompokkan. Penentuan jumlah cluster yang optimal menggunakan Metode Elbow dan Skor Silhouette menunjukkan bahwa k=4 adalah jumlah cluster yang tepat, dengan Skor Silhouette sebesar 0,3650. Hasil pengelompokan mengidentifikasi empat jenis pelanggan: Champion/VIP (20,3%), Loyal Customer (24,8%), Potential/New (21,3%), dan At Risk/Churned (33,6%). Penelitian ini merekomendasikan strategi pemasaran yang spesifik untuk masing-masing segmen guna mendukung program manajemen hubungan pelanggan (CRM) yang lebih efisien.
Co-Authors Bergio Fabian Chairul Anwar Mufidah Karimah Nathan Noval Jivi Earnestine Reysha Dwi Novaldo