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
Veto Almalik
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 Inventori Berbasis Website Menggunakan Standar ISO/IEC 25010 Ahmad Nur Syafri; Veto Almalik; 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

Penelitian ini menyoroti desain serta analisis suatu sistem informasi manajemen inventaris berbasis web yang ditujukan untuk PT Sinar Logistik Nusantara, dengan penerapan metode Agile dan evaluasi sistem sesuai dengan standar ISO/IEC 25010. Problematika yang dihadapi oleh perusahaan mencakup pengelolaan inventaris yang masih dilakukan secara manual atau setengah otomatis, yang mengakibatkan keterlambatan dalam pencatatan, ketidakakuratan data persediaan, serta kesulitan dalam memantau inventaris secara real-time. Metode kualitatif dengan pendekatan studi kasus diterapkan dalam penelitian ini. Pengumpulan data dilakukan melalui observasi, wawancara, serta tinjauan literatur yang relevan. Proses pengembangan sistem mengikuti metode Agile dengan tahapan yang mencakup perencanaan, desain, pengembangan, pengujian, dan evaluasi. Sistem yang dikembangkan memiliki fitur penting seperti otentikasi pengguna, tampilan ringkasan inventaris, rincian barang, pencatatan barang yang keluar dan masuk, serta rangkuman inventaris. Penilaian sistem dilakukan berdasarkan standar ISO/IEC 25010, yang mencakup kesesuaian fungsi, kemudahan penggunaan, daya tahan, efisiensi operasional, serta tingkat keamanan. Temuan dari penelitian menunjukkan bahwa sistem informasi yang dikembangkan mampu meningkatkan pengelolaan inventaris sehingga menjadi lebih efektif, efisien, dan terintegrasi, yang pada gilirannya memperbaiki keakuratan data dan mendukung proses pengambilan keputusan dalam perusahaan.
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 Ahmad Nur Syafri Chairul Anwar Rendi Ramadhani Rendi Suoth