Article Per Year (5 Year)
p-Index From 2021 - 2026
0.408
P-Index
This Author published in this journals
All Journal Malcom: Indonesian Journal of Machine Learning and Computer Science Buffer Informatika
Muhammad Bayu Samudra
Universitas Sriwijaya
Computer Science & IT

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

Found 2 Documents
Search

 1 
Analisis Pola Keputusan Pembelian di Tokopedia berbasis Machine Learning untuk Customer Relationship Management Andin Sabilla Janna; Tamara Juliyanti; Muhammad Bayu Samudra; Ali Ibrahim; Fathoni
Buffer Informatika Vol. 12 No. 1 (2026): Buffer Informatika
Publisher : Department of Informatics Engineering, Faculty of Computer Science, University of Kuningan, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25134/buffer.v12i1.571

Abstract

Pertumbuhan pesat platform e-commerce telah memengaruhi keputusan pembelian konsumen, khususnya pada marketplace seperti Tokopedia. Penelitian ini bertujuan menganalisis pola keputusan pembelian produk makanan dan minuman serta merumuskan implikasinya terhadap strategi Customer Relationship Management (CRM) berbasis data. Metode yang digunakan adalah pendekatan kuantitatif dengan dataset sebanyak 9.711 ulasan pelanggan yang diperoleh melalui Kaggle. Analisis dilakukan menggunakan Naive Bayes untuk klasifikasi keputusan pembelian ulang dan FP-Growth untuk menemukan pola asosiasi antara rating, harga, dan keputusan pembelian. Tahapan praproses meliputi pembersihan data, transformasi atribut, diskretisasi, serta pemrosesan teks menggunakan TF-IDF. Hasil penelitian menunjukkan bahwa Naive Bayes menghasilkan akurasi 60,18% dengan precision kelas Y sebesar 94,30%, namun recall masih dipengaruhi oleh ketidakseimbangan data. FP-Growth menunjukkan bahwa rating bintang 5 merupakan faktor paling dominan dalam pembelian ulang, dengan kombinasi rating bintang 5 dan harga sedang menghasilkan confidence tertinggi sebesar 98,6%. Temuan ini menegaskan pentingnya kepuasan pelanggan dan mendukung perumusan strategi CRM yang lebih terarah.
Segmentasi Pelanggan Kartu Halo Telkomsel Berbasis K-Means di Wilayah Sumbagsel: K-Means-Based Customer Segmentation of Telkomsel Kartu Halo in the Sumbagsel Muhammad Bayu Samudra; Alifa Putri Shahabiyah; Aliya Faiza; Edo Wicaksono; Ken Ditha Tania; Allsella Meiriza; Ahmad Rifai
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 6 No. 2 (2026): MALCOM April 2026
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/malcom.v6i2.2607

Abstract

Perusahaan telekomunikasi dalam menjalankan operasionalnya harus mengelola banyak data pelanggan, karena penggunaan layanan digital terus bertambah. Namun, data tersebut biasanya hanya digunakan untuk urusan administratif, sehingga kemampuan untuk menganalisis data guna memahami perilaku pelanggan belum sepenuhnya dimanfaatkan. Penelitian ini secara khusus bertujuan untuk mengelompokkan pelanggan berdasarkan pola penggunaan layanan guna mengidentifikasi karakteristik setiap segmen secara lebih sistematis. Data yang digunakan merupakan data pelanggan pascabayar Kartu Halo wilayah Sumbagsel tahun 2025 yang diperoleh dari PT Telkomsel Smart Office Palembang dengan total 4.645 data. Metode yang digunakan adalah Knowledge Discovery in Databases (KDD), yang terdiri dari beberapa tahap yaitu preprocessing, transformation, dan data mining. Proses pengelompokan dilakukan dengan menggunakan algoritma K-Means, bantuan perangkat lunak RapidMiner. Penelitian menunjukkan bahwa pelanggan bisa dibagi menjadi tiga kelompok dengan kebiasaan menggunakan layanan yang berbeda. Evaluasi menggunakan Davies-Bouldin Index menunjukkan bahwa model clustering memiliki kualitas yang baik dalam memisahkan antarkelompok. Secara ilmiah, penelitian ini membantu dalam penerapan metode clustering untuk membagi pelanggan dalam industri telekomunikasi. Secara nyata, hasil ini bisa dipakai untuk membantu membuat strategi pemasaran yang lebih tepat dan didasarkan pada data.
Co-Authors Ahmad Rifai Ali Ibrahim Alifa Putri Shahabiyah Aliya Faiza Allsella Meiriza Andin Sabilla Janna Edo Wicaksono Fathoni Ken Ditha Tania Tamara Juliyanti