Claim Missing Document
Check
Articles

Found 2 Documents
Search

Implementasi REST API TMDB dan Firebase dalam Pengembangan Aplikasi Informasi Film Berbasis Mobile Tauhid Akbar; Rido Dwi Sang Aji; Fikri Pratama Yudha; Faiz Dimas Wicaksono
JPNM Jurnal Pustaka Nusantara Multidisiplin Vol. 4 No. 1 (2026): February : Jurnal Pustaka Nusantara Multidisiplin (ACCEPTED)
Publisher : SM Institute

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59945/jpnm.v4i1.913

Abstract

Perkembangan aplikasi mobile mendorong kebutuhan akan sistem informasi film yang mampu menyajikan data secara akurat, real-time, dan personal. Penelitian ini bertujuan untuk mengimplementasikan REST API dari The Movie Database (TMDB) dan layanan backend cloud Firebase dalam pengembangan aplikasi informasi film berbasis mobile. REST API TMDB digunakan sebagai sumber utama data film, meliputi judul, genre, deskripsi, rating, dan tanggal rilis, sedangkan Firebase dimanfaatkan untuk autentikasi pengguna serta penyimpanan data film favorit. Metode penelitian yang digunakan adalah metode pengembangan perangkat lunak dengan tahapan analisis kebutuhan, perancangan sistem, implementasi, dan pengujian fungsional. Hasil pengujian menunjukkan bahwa integrasi REST API TMDB mampu menyediakan data film yang dinamis dan terkini, sementara Firebase memungkinkan penyimpanan dan sinkronisasi data favorit pengguna secara efisien dan real-time. Aplikasi yang dikembangkan berjalan dengan baik pada perangkat mobile dan mampu meningkatkan kemudahan akses serta pengelolaan informasi film bagi pengguna. Penelitian ini menunjukkan bahwa pemanfaatan REST API dan layanan cloud dapat menjadi solusi efektif dalam pengembangan aplikasi informasi film berbasis mobile.
Segmentasi Pelanggan Menggunakan Metode K-Means dengan Pendekatan RFM pada Dataset Olist Brazilian E-Commerce Haqqani Septian Raya; Adrean Saputra; Faiz Dimas Wicaksono
Jurnal Akuntansi dan Sistem Informasi Vol. 1 No. 3 (2026): Edisi: April-Juni
Publisher : Pustaka Bangsa Indonesia

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

Abstract

Perkembangan perdagangan elektronik (e-commerce) telah menghasilkan volume data transaksi pelanggan yang semakin besar dan berpotensi dimanfaatkan sebagai dasar pengambilan keputusan bisnis. Salah satu pendekatan yang dapat digunakan untuk memahami perilaku pelanggan adalah segmentasi pelanggan dengan teknik data mining. Penelitian ini bertujuan untuk melakukan segmentasi pelanggan pada dataset Olist Brazilian E-Commerce menggunakan algoritma K-Means dengan pendekatan RFM (Recency, Frequency, Monetary). Dataset yang digunakan berasal dari Kaggle dan mencakup data pelanggan, transaksi, pesanan, serta pembayaran. Penelitian menerapkan metodologi CRISP-DM yang meliputi tahapan business understanding, data understanding, data preparation, modeling, evaluation, dan deployment planning. Hasil penelitian menunjukkan bahwa pelanggan dapat dikelompokkan ke dalam beberapa klaster berdasarkan karakteristik nilai recency, frequency, dan monetary. Informasi segmentasi tersebut dapat dimanfaatkan perusahaan untuk menyusun strategi pemasaran yang lebih tepat sasaran, meningkatkan loyalitas pelanggan, mempertahankan pelanggan potensial, serta mengidentifikasi pelanggan yang berisiko melakukan churn sehingga mendukung pengelolaan hubungan pelanggan secara lebih efektif.