Article Per Year (5 Year)
p-Index From 2021 - 2026
0.408
P-Index
This Author published in this journals
All Journal JATI (Jurnal Mahasiswa Teknik Informatika)
Made Irma Dwiputranti
Sistem Informasi, Universitas Primakara
Computer Science & IT

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

Found 2 Documents
Search

 1 
PENERAPAN ALGORITMA K-MEANS CLUSTERING UNTUK MENGANALISIS POLA RESERVASI PELANGGAN DI VILLA SAYONG HOUSE UBUD Putu Bayu Surya Mahesa; I Nyoman Yudi Anggara Wijaya; Made Irma Dwiputranti
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 10 No. 2 (2026): JATI Vol. 10 No. 2
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v10i2.17586

Abstract

Persaingan industri akomodasi di Ubud yang semakin ketat menuntut pemanfaatan data reservasi secara optimal. Villa Sayong House Ubud memiliki catatan pemesanan yang belum dimanfaatkan untuk strategi pemasaran efektif. Penelitian ini menganalisis pola reservasi menggunakan algoritma K-Means Clustering untuk mengidentifikasi karakteristik pelanggan berdasarkan data historis. Metode CRISP-DM diterapkan dengan menganalisis 1.644 data reservasi periode Januari 2024–Februari 2025 mencakup empat atribut: Booking Date, Source, Room Type, dan Total Night. Pengolahan data menggunakan RapidMiner Studio dengan metode Elbow menghasilkan tiga klaster optimal. Hasil menunjukkan Cluster 0 merupakan pelanggan loyal dengan frekuensi tinggi dan durasi menginap panjang (8+ malam, 33,3%), Cluster 1 adalah pelanggan musiman dengan pemesanan moderat dan durasi pendek (1–3 malam, 33,2%), dan Cluster 2 adalah pelanggan regular dengan durasi menengah (4–7 malam, 33,2%). Visualisasi mengungkapkan pola musiman di Januari–Juli dan Desember, dominasi kamar Double Bed, preferensi platform Booking.com dan Agoda, serta durasi menginap 2–3 malam. Rekomendasi strategi meliputi program loyalitas untuk Cluster 0, promo musiman untuk Cluster 1, dan paket bundling untuk Cluster 2. Evaluasi model menunjukkan performa baik dengan Silhouette Score 0,58 dan Davies-Bouldin Index 0,95. Penelitian membuktikan K-Means Clustering efektif mengidentifikasi pola perilaku pelanggan sebagai dasar keputusan berbasis data untuk meningkatkan okupansi villa.
ANALISIS POLA PEMBELIAN PELANGGAN DENGAN TEKNIK MARKET BASKET ANALYSIS (MBA) BERBASIS KNOWLEDGE DISCOVERY PADA DATA TRANSAKSI PENJUALAN TOKO BALI AMENITIES Ni Made Meyzia Sabrina Yunika Putri; I Nyoman Yudi Anggara Wijaya; Made Irma Dwiputranti
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 10 No. 2 (2026): JATI Vol. 10 No. 2
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v10i2.17834

Abstract

Pemanfaatan data transaksi penjualan merupakan salah satu pendekatan yang efektif dalam mendukung pengambilan keputusan bisnis pada sektor ritel. Namun, Toko Bali Amenities belum memanfaatkan data transaksi secara optimal dalam penyusunan strategi penataan produk dan promosi. Penelitian ini bertujuan untuk menganalisis pola pembelian pelanggan menggunakan teknik Market Basket Analysis (MBA) berbasis Knowledge Discovery in Databases (KDD) dengan algoritma Apriori. Data yang digunakan berupa data transaksi penjualan yang diproses melalui tahapan KDD, meliputi data selection, preprocessing, transformation, data mining, dan data evaluation. Hasil penelitian menunjukkan bahwa kombinasi produk Towel dan Pillow memiliki nilai confidence tertinggi sebesar 82% terhadap pembelian Bed Sheet. Selain itu, ditemukan aturan asosiasi lain antara produk Pillow Case dan Bed Sheet berdasarkan hasil perhitungan algoritma Apriori. Pola asosiasi yang diperoleh dapat dimanfaatkan sebagai dasar dalam penataan produk, strategi bundling, serta perencanaan promosi berbasis data guna mendukung pengambilan keputusan bisnis yang lebih efektif.
Co-Authors I Nyoman Yudi Anggara Wijaya Ni Made Meyzia Sabrina Yunika Putri Putu Bayu Surya Mahesa