Claim Missing Document
Check
Articles

Found 2 Documents
Search

Rancang Bangun Aplikasi Customer Relationship Management (CRM) pada PT Impala Films Farizi Ilham; Adam Bahtiar; Rahmat Hidayat; Rizky Hermawan
Jurnal Riset Informatika dan Inovasi Vol 4 No 3 (2026): JRIIN : Jurnal Riset Informatika dan Inovasi (INPRESS)
Publisher : shofanah Media Berkah

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

Abstract

Perkembangan teknologi informasi yang pesat mendorong perusahaan untuk meningkatkan kualitas pelayanan kepada pelanggan guna mempertahankan loyalitas dan meningkatkan kepuasan pelanggan. PT Impala Films sebagai perusahaan yang bergerak di bidang industri kreatif menghadapi tantangan dalam mengelola data pelanggan, interaksi, serta pelayanan secara efektif dan terintegrasi. Oleh karena itu, diperlukan suatu sistem yang mampu mengelola hubungan dengan pelanggan secara lebih optimal. Penelitian ini bertujuan untuk merancang dan membangun aplikasi Customer Relationship Management (CRM) pada PT Impala Films. Metode yang digunakan dalam pengembangan sistem adalah metode Waterfall yang meliputi tahapan analisis kebutuhan, perancangan sistem, implementasi, pengujian, dan pemeliharaan. Aplikasi ini dirancang untuk membantu perusahaan dalam mengelola data pelanggan, riwayat interaksi, serta meningkatkan efisiensi pelayanan dan komunikasi dengan pelanggan. Hasil dari penelitian ini adalah sebuah aplikasi CRM yang dapat mempermudah PT Impala Films dalam mengelola hubungan pelanggan secara terstruktur dan terintegrasi. Dengan adanya aplikasi ini, diharapkan dapat meningkatkan kualitas pelayanan, mempercepat proses pengolahan data, serta mendukung pengambilan keputusan yang lebih tepat.
Enhanced TextCNN dengan Gated Mechanism dan Aspect Fusion untuk Klasifikasi Rating Film Berdasarkan Ulasan Pengguna Rahmat Hidayat; Nur Laelasari; Adam Bahtiar; Rizky Hermawan; Perani Rosyani
BINER : Jurnal Ilmu Komputer, Teknik dan Multimedia Vol. 3 No. 5 (2025): BINER : Jurnal Ilmu Komputer, Teknik dan Multimedia
Publisher : CV. Shofanah Media Berkah

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

Abstract

This research proposes an Enhanced TextCNN architecture, integrating a Gated Mechanism and Aspect Fusion to address challenges in automatic movie rating classification from user reviews, such as text complexity and the need to understand sentiment towards specific aspects (e.g., plot, acting). The proposed model incorporates Gated Linear Units (GLU) as an adaptive filter in the convolutional layers to suppress noise and enhance key features, alongside an aspect fusion layer that employs multi-head self-attention to explicitly extract and weight information relevant to specific movie aspects from the text, enabling context-aware classification. Experimental results on a dataset of 50,000 movie reviews show the model achieves an accuracy of 85.67% and a weighted F1 score of 85.55%, significantly outperforming the baseline TextCNN (78.34% accuracy) by a 7.33% improvement, while also demonstrating robustness across reviews of varying lengths and offering better computational efficiency compared to more complex models like BERT.