Article Per Year (5 Year)
p-Index From 2021 - 2026
0.408
P-Index
This Author published in this journals
All Journal Journal of Information Systems and Business Technology
Rendi Suoth
Universitas Pamulang
Computer Science & IT Library & Information Science

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

Found 2 Documents
Search

 1 
Analisis dan Perancangan Sistem Informasi Manajemen Gudang Berbasis Website Menggunakan Standar ISO/IEC 25010 Alicia Putri Fadilah; Rendi Suoth; 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

Toko Bangunan XYZ masih menerapkan proses pengelolaan gudang secara manual dalam pencatatan barang masuk dan keluar, pengendalian stok, serta penyusunan laporan persediaan. Kondisi tersebut menyebabkan berbagai permasalahan seperti keterlambatan pembaruan data, ketidaksesuaian stok, kesalahan pencatatan, dan rendahnya efisiensi operasional. Penelitian ini bertujuan untuk menganalisis dan merancang sistem informasi manajemen gudang berbasis website menggunakan standar ISO/IEC 25010 guna meningkatkan efektivitas dan akurasi pengelolaan data gudang. Metode penelitian yang digunakan adalah pendekatan kualitatif deskriptif dengan teknik pengumpulan data berupa observasi, wawancara, dokumentasi, dan studi literatur. Pengembangan sistem menggunakan metode Agile dengan tahapan requirements, design, develop, test, deploy, dan review. Perancangan sistem dimodelkan menggunakan Unified Modeling Language (UML) yang meliputi Use Case Diagram, Activity Diagram, Sequence Diagram, dan Class Diagram. Sistem yang dirancang mampu mengelola data barang, supplier, transaksi barang masuk dan keluar, serta laporan stok secara terintegrasi berbasis website. Pengujian kualitas perangkat lunak dilakukan menggunakan standar ISO/IEC 25010 dengan delapan karakteristik pengujian yaitu functional suitability, performance efficiency, compatibility, usability, reliability, security, maintainability, dan portability terhadap 30 responden. Hasil pengujian menunjukkan bahwa sistem memperoleh kategori baik dan dinilai mampu meningkatkan efisiensi operasional, akurasi data, serta kemudahan monitoring stok barang secara real-time pada Toko Bangunan XYZ.
Penerapan Algoritma K-Means Clustering untuk Segmentasi Pelanggan Berdasarkan Model RFM pada Dataset Online Retail II Rendi Suoth; Veto Almalik; Rendi Ramadhani
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 telah mendorong perusahaan untuk memakai data transaksi konsumen sebagai sumber wawasan penting untuk mendukung keputusan bisnis. Salah satu cara yang bisa dilakukan adalah dengan membagi pelanggan ke dalam kelompok-kelompok agar bisa memahami ciri-ciri dan kebiasaan konsumen berdasarkan kegiatan transaksi mereka. Tujuan dari kajian ini adalah mengaplikasikan metode K-Means Clustering berdasarkan model RFM (Recency, Frequency, Monetary) untuk mengelompokkan konsumen pada kumpulan data Online Retail II. Pendekatan yang dipakai dalam kajian ini adalah kuantitatif melalui langkah-langkah data mining yang meliputi pemahaman bisnis, pemahaman data, penyiapan data, pemodelan, evaluasi, dan implementasi. Dalam tahap penyiapan data, dilakukan pembersihan data, penyingkiran nilai yang hilang, penghapusan transaksi yang tidak sah, serta pembentukan fitur RFM. Selanjutnya, metode K-Means diterapkan untuk menggolongkan konsumen berdasarkan ciri transaksi yang mereka miliki. Hasil dari kajian ini memperlihatkan bahwa jumlah kelompok terbaik yang ditemukan melalui Elbow Method adalah tiga kelompok, yaitu konsumen setia, konsumen umum, dan konsumen tidak aktif. Kelompok konsumen setia memiliki nilai Recency yang rendah, serta nilai Frequency dan Monetary yang sangat tinggi, sementara kelompok konsumen tidak aktif ditandai dengan nilai Recency yang tinggi dan nilai Frequency serta Monetary yang rendah. Lebih jauh, kajian ini juga menciptakan sebuah dashboard intelijen konsumen yang menyajikan pengelompokan konsumen, konsumen yang berpotensi berhenti, saran paket produk, dan perkiraan nilai transaksi. Temuan penelitian menunjukkan bahwa gabungan model RFM dan metode K-Means dapat menghasilkan pengelompokan konsumen yang jelas dan bisa menjadi dasar dalam menyusun strategi pemasaran yang lebih baik dan tertarget.
Co-Authors Alicia Putri Fadilah Chairul Anwar Rendi Ramadhani Veto Almalik