Garuda - Garba Rujukan Digital

Analisis Churn Pelanggan Produk Fashion Campus Menggunakan Metode RFM Analysis dan Algoritma Naïve Bayes (Studi Kasus Yayasan Bakti Achmad Zaky) Fauzan Kamil; Ratna Salkiawati; Allan D Alexander
Jurnal Esensi Infokom : Jurnal Esensi Sistem Informasi dan Sistem Komputer Vol 7 No 2 (2023): Jurnal Esensi Infokom : Jurnal esensi sistem informasi dan sistem komputer
Publisher : Lembaga Riset dan Pengabdian Masyarakat Institut Bisnis Nusantara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55886/infokom.v7i2.629

Pelanggan yang loyal memiliki dampak positif bagi perusahaan, baik melalui pembelian berulang maupun rekomendasi produk kepada orang lain. Namun, dalam dunia bisnis, terdapat berbagai faktor yang dapat mempengaruhi keputusan pelanggan untuk beralih ke pesaing, seperti harga, kualitas produk, dan pelayanan. Oleh karena itu, penting bagi perusahaan untuk memahami perilaku pelanggan dan mengambil keputusan strategis guna mempertahankan dan meningkatkan loyalitas mereka. Dalam penelitian ini, metode RFM (Recency, Frequency, Monetary) dan Naïve Bayes digunakan untuk menganalisis perilaku pelanggan dan memprediksi churn (berhenti berlangganan) pelanggan. Pendekatan CRISP-DM digunakan dalam langkah-langkah penyelesaiannya, mencakup tahapan pemahaman bisnis, pemahaman data, persiapan data, pemodelan, evaluasi, dan implementasi. Melalui analisis RFM, berhasil diidentifikasi 5 segmen pelanggan yang berbeda, yaitu at-risk customers, best customers, lost customers, loyal customers, dan promising customers. Setiap segmen memiliki karakteristik dan kecenderungan perilaku yang berbeda, memberikan wawasan berharga bagi perusahaan dalam memahami kebutuhan dan preferensi pelanggan. Hasil evaluasi Naïve Bayes menunjukkan bahwa model yang disimpan dalam format pickle memiliki performa yang setara dengan model yang telah diuji sebelumnya. Tingkat akurasi, recall, dan f1-score model tersebut sekitar 0.81 atau 81%, menunjukkan tingkat keakuratan yang baik dalam memprediksi churn pelanggan. Penggunaan model pickle memberikan keuntungan bagi perusahaan dalam hal efisiensi waktu dan biaya

SISTEM INFORMASI PENGENDALIAN PERSEDIAAN ALAT TULIS KANTOR (ATK) DI UNIVERSITAS Ismaniah Ismaniah; Ratna Salkiawati; Rasim Rasim; Sri Rejeki
JURNAL REKAYASA INFORMASI Vol 7 No 2 (2018): JURNAL REKAYASA INFORMASI
Publisher : PROGRAM STUDI SISTEM INFORMASI INSTITUT SAINS DAN TEKNOLOGI NASIONAL (ISTN)

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

Universitas XYZ merupakan sebuah institusi perguruan tinggi yang sedang berkembang pesat dengan jumlah mahasiswa yang hampir mencapai 8.000 mahasiswa dari 5 Fakultas,dan 13 unit pendukung akademik. Dalam menjalankan bisnis prosesnya ini kebutuhan akan alat tulis kantor sangat tinggi. Belum ada teknologi informasi sangat dibutuhkan, salah satunya adalah sistem informasi pengendalian persediaan dalam hal ini adalah pengendalian persediaan Alat Tulis Kantor (ATK). Dimana kondisi saat ini sistem informasi tersebut belum tersedia. Maka diperlukan suatu metode pengendalian persediaan yang dapat memberikan penyelesaian optimal yang di implementasikan ke dalam sebuah sistem informasi. Disini peneliti akan mengembangkan metode Economic Order Quantity (EOQ) untuk pengendalian persediaan yang bisa memberikan penyelesaian optimal dan dapat diterapkan di universitas XYZ.Penelitian yang dilakukan ini diharapkan dapat memperbaiki sistem persediaan ATK yang ada sekarang, sehingga pemenuhan ATK ke semua bagian / unit kerja lain dapat berjalan dengan lancar.Kata kunci: Sistem Informasi Pengendalian Persediaan, Economic Order Quantity, Alat Tulis Kantor.

SISTEM INFORMASI MANAJEMEN ZAKAT MENGGUNAKAN METODE PROTOTIPE PADA MASJID AGUNG AL BARKAH Ratna Salkiawati; Hendarman Lubis; Raden Muhammad Yusuf
JURNAL REKAYASA INFORMASI Vol 8 No 1 (2019): JURNAL REKAYASA INFORMASI
Publisher : PROGRAM STUDI SISTEM INFORMASI INSTITUT SAINS DAN TEKNOLOGI NASIONAL (ISTN)

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

Masjid Agung Al-Barkah Kota Bekasi merupakan salah satu tempat untuk pengumpulan dana zakat, namun dalam pengelolaan datanya masih secara manual, sehingga data yang masuk dan yang sudah tersimpan beresiko hilang atau rusak karena data yang tersimpan masih menggunakan pengarsipan dengan media hardcopy. Untuk mengatasi masalah tersebut maka dirancang sebuah sistem informasi manajemen zakat yang dapat digunakan dalam pengelolaan data zakat. Dalam pengembangan sistem informasi manajemen zakat ini menggunakan metode prototipe dimana metode ini diawali dengan pengumpulan kebutuhan- kebutuhan dari sistem, dan dilanjutkan dengan pembuatan gambaran awal mengenai sistem yang akan di buat dan dievaluasi oleh pengguna. Dengan adanya sistem informasi manajemen zakat ini diharapkan dapat memperbaiki pengolahan data zakat khususnya dalam pembuatan laporan zakat serta dapat membantu Masjid Agung Al-Barkah Kota Bekasi dalam meningkatkan pelayanan kepada umat secara umum, dan kepada muzakki serta mustahik secara khususnya.

PENERAPAN VIRTUAL REALITY MENGGUNAKAN METODE RAPID APPLICATION DEVELOPMENT PADA MEDIA PEMBELAJARAN PENGENALAN SATWA ENDEMIK TAMAN NASIONAL UJUNG KULON Ratna Salkiawati; Hendarman Lubis; Markus Ade Putra
JURNAL REKAYASA INFORMASI Vol 11 No 2 (2022): JURNAL REKAYASA INFORMASI Vol 11 No 2 Oktober 2022
Publisher : PROGRAM STUDI SISTEM INFORMASI INSTITUT SAINS DAN TEKNOLOGI NASIONAL (ISTN)

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

This research is about making an android-based virtual reality application as a learning medium for the introduction of endemic animals in Ujung Kulon National Park. Currently, the learning process for the introduction of endemic animals is still using 2D images so that it does not attract students' interest in recognizing endemic animal species. This virtual reality application aims to provide an experience for students to see the endemic animals of Ujung Kulon National Park in reality without having to be on location, students also easily get information about endemic animals of Ujung Kulon National Park. The activity of making virtual reality applications is a supporting media that can be used in the teaching and learning process that is easy to understand and increases the interest and interest of students to learn about the introduction of endemic animals to Ujung Kulon National Park. In designing the application, the method used in this study uses the RAD (Rapid Application Development) method, which is an object-oriented system development method to shorten the time of system development. the stages consist of business modelling, data modelling, process modelling, application generation, testing and implementation. Making 3D applications using virtual reality based on Android uses the Java programming language, and Kotlin. This study resulted in a learning media application for the introduction of endemic animals in Ujung Kulon National Park using android-based virtual reality.

Analisis Cluster K-Means dengan Metode Elbow untuk Menentukan Pola Penjualan Produk Traffic Room Summarecon Mal Bekasi Prasetya, Ajie; Salkiawati , Ratna; Alexander , Allan D
Journal of Students‘ Research in Computer Science Vol. 4 No. 1 (2023): Mei 2023
Publisher : Program Studi Informatika Fakultas Ilmu Komputer Universitas Bhayangkara Jakarta Raya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31599/pytp8448

An effective sales strategy in the fashion retail business is essential to determine the success of the company or store. Like the Traffic Room store, which is a vintage fashion retail store that sells a variety of products. Although there are many products on sale, this store has not utilized sales data to determine product sales patterns, causing negative impacts such as there are still many products that are in short supply and products are not sold with predetermined targets. So the purpose of this study is t o determine product sales patterns in order to improve product inventory. To solve this problem, the analysis used is the K-Means algorithm to find product sales patterns assisted by the elbow method in determining the optimal cluster. As well as the flow in this research process is the CRISP-DM method with steps namely business understanding, data understanding, data preparation, modeling, evaluation and deployment. The results of this study obtained 4 clusters, namely cluster 2 or very in demand there are 2 products, cluster 3 or in demand there are 5 products, cluster 1 or quite in demand there are 5 products and cluster 4 or less in demand there are 3 products. The evaluation results get the optimal Sum of Square Error (SSE) value of 594,366.733 or 65.5%. From the evaluation results, it means that the performance of the K-Means algorithm used is good.

Analisis Cluster K-Means dengan Metode Elbow untuk Menentukan Pola Penjualan Produk Traffic Room Summarecon Mal Bekasi Prasetya, Ajie; Salkiawati , Ratna; Alexander , Allan D
Journal of Students‘ Research in Computer Science Vol. 4 No. 1 (2023): Mei 2023
Publisher : Program Studi Informatika Fakultas Ilmu Komputer Universitas Bhayangkara Jakarta Raya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31599/5xve0445

An effective sales strategy in the fashion retail business is essential to determine the success of the company or store. Like the Traffic Room store, which is a vintage fashion retail store that sells a variety of products. Although there are many products on sale, this store has not utilized sales data to determine product sales patterns, causing negative impacts such as there are still many products that are in short supply and products are not sold with predetermined targets. So the purpose of this study is t o determine product sales patterns in order to improve product inventory. To solve this problem, the analysis used is the K-Means algorithm to find product sales patterns assisted by the elbow method in determining the optimal cluster. As well as the flow in this research process is the CRISP-DM method with steps namely business understanding, data understanding, data preparation, modeling, evaluation and deployment. The results of this study obtained 4 clusters, namely cluster 2 or very in demand there are 2 products, cluster 3 or in demand there are 5 products, cluster 1 or quite in demand there are 5 products and cluster 4 or less in demand there are 3 products. The evaluation results get the optimal Sum of Square Error (SSE) value of 594,366.733 or 65.5%. From the evaluation results, it means that the performance of the K-Means algorithm used is good.

Analisis Sentimen Ulasan Customer Kopi TMLST Menggunakan Algoritma Naïve Bayes Hamidah, Dhiya Azizah; Salkiawati, Ratna; Sari, Rafika
Journal of Students‘ Research in Computer Science Vol. 5 No. 1 (2024): Mei 2024
Publisher : Program Studi Informatika Fakultas Ilmu Komputer Universitas Bhayangkara Jakarta Raya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31599/mrm89y71

The rapid development of Coffeeshop is currently influenced by advances in internet technology, the existence of online food applications and websites, such as Shopeefood, and Google Maps, can help people place online orders that have no time limit. However, there are problems that arise over time such as, in collecting feedback from customers the more review data available on Google Maps and online food applications, namely Shopeefood. Therefore, a solution is needed that can help TMLST Coffee to collect, process, and analyze feedback from customers on online food applications such as Shopeefood and Google Maps in a better and more structured manner. In this study, retrieving and collecting customer review data was carried out using web scrapping techniques taken through online food applications, namely Shopeefood and Google Maps, but collecting review data was also carried out by distributing questionnaires via google forms filled out by TMLST Coffee customers. Furthermore, the method used in this research is Naïve Bayes which aims as a classification method and is able to classify customer comments into positif or negatif. And review data processing is done using the Cross-Industry Standard Process for Data Mining (CRIPS-DM) method. The CRIPS-DM stage involves the research and implementation process of the stages that have been carried out previously. The results of this study produce a high level of accuracy in predicting positif and negatif sentiment, with an accuracy of 0.82 or 82%. In addition, it produces a positif recall of 0.76 or 76% and a negatif recall of 0.89 or 89%. indicating that the model has a good ability to identify correctly. With the evaluation results of the model used, it gives an indication that Naïve Bayes can be an effective choice in conducting sentiment analysis on TMLST Coffee review data.

Sistem Pendukung Keputusan Rekomendasi Pemilihan Program Studi Dengan Metode Topsis Nurfiyah, Nurfiyah; Salkiawati, Ratna; Lubis, Hendarman; Apriliani, Lita
Journal of Information System, Informatics and Computing Vol 8 No 2 (2024): JISICOM (July-December 2024)
Publisher : Sekolah Tinggi Manajemen Informatika dan Komputer Jayakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52362/jisicom.v8i2.1677

Program studi adalah kegiatan pembelajaran yang memiliki kurikulum dan metode pembelajaran tertentu pada pendidikan akademik, pendidikan profesi dan/atau pendidikan vokasi, yang diselenggarakan oleh sebuah lembaga perguruan tinggi. Universitas Bhayangkara Jakarta Raya merupakan salah satu perguruan tinggi swasta yang menawarkan berbagai macam program studi. Namun pada saat mahasiswa baru melakukan pendaftaran ada calon mahasiswa yang masih bingung dalam memilih program studi. Biro Pemasaran sebagai petugas penerima calon mahasiswa baru, hanya memberikan penjelasan rekomendasi program studi secara lisan, karena belum ada sistem untuk hal tersebut. Sehingga dibuatlah penelitian tentang Sistem Pendukung Keputusan Rekomendasi Pemilihan Program Studi. Penelitian ini bertujuan membangun sistem pendukung keputusan untuk membantu calon mahasiswa dalam memilih program studi yang tepat dan sesuai. Metode yang dipergunakan adalah metode Technique for Order Preference by Similarity to Ideal Solution (TOPSIS) dan penerapannya berbasis web. Sistem pendukung keputusan ini dibuat dengan menggunakan bahasa pemrograman PHP dan database MySQL. Metode TOPSIS dapat menentukan rekomendasi prodi berdasarkan alternatif terbaik dan dapat membantu calon mahasiswa dalam menentukan pilihan program studi yang tepat dengan 4 kriteria, yaitu akreditasi, biaya, prospek kerja dan jenis kelas. Hasil dari penelitian ini didapatkan dengan nilai akhir sebesar 0.6772 untuk hasil rekomendasi program studi adalah program studi Informatika.

Implementasi Metode Naïve Bayes dan Support Vector Machine (SVM) untuk Menganalisis Sentimen Pengguna Twitter terhadap Transjakarta Ramdhania, Khairunnisa Fadhilla; Hidayat, Dian Fitrianto; Salkiawati, Ratna
JMPM: Jurnal Matematika dan Pendidikan Matematika Vol 9 No 1 (2024): March - August 2024
Publisher : Prodi Pendidikan Matematika Universitas Pesantren Tinggi Darul Ulum Jombang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26594/jmpm.v9i1.4494

Twitter adalah media sosial populer di Indonesia yang digunakan untuk mengungkapkan perasaan dan menyampaikan opini. Transjakarta adalah transportasi umum dengan jumlah penumpang harian terbanyak. Pengguna Transjakarta kerap berbagi pengalaman baik atau buruk, serta opini di Twitter. Beberapa masalah pada Transjakarta yang dibahas di Twitter yaitu terkait penutupan halte sementaradan kasus asusila yang dialami oleh pengguna Transjakarta. Artikel ini menganalisis opini pengguna Twitter tentang Transjakarta menggunakan metode Support Vector Machine (SVM) dan Naïve Bayes. Lexicon based digunakan untuk pemberian label pada 6736 tweet. Hasil analisis menunjukkan 2228 tweet positif dan 2821 tweet negative. Metode Support Vector Machine mencapai akurasi 84.95%, presisi 83%, recall 83% dan f1-score 83%, sedangkan Naïve Bayes mencapai akurasi 76.43%, presisi 78%, recall 68% dan f1-score 73%.

Prediksi Penjualan Produk Sepatu dengan Menggunakan Algoritma K-Nearest Neighbor Regression dan Cross Validation Salkiawati, Ratna; Lubis, Hendarman; Nurfiyah, Nurfiyah
JSI (Jurnal sistem Informasi) Universitas Suryadarma Vol 12 No 1 (2025): JSI (Jurnal sistem Informasi) Universitas Suryadarma
Publisher : Universitas Dirgantara Marsekal Suryadarma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35968/jsi.v12i1.1329

Penjualan sepatu di Toko â€œXâ€ mencakup berbagai merek, seperti Fladeo, Cardinal, dr. Kevin, dan Jackson. Sistem pengelolaan data penjualan di toko ini pada saat penelitian masih menggunakan pencatatan secara manual, di mana hasil penjualan hanya diproses dalam format MS Excel. Untuk memudahkan pengelolaan dan perencanaan penjualan di masa depan, diperlukan prediksi penjualan menggunakan teknik klasifikasi data mining, yaitu algoritma K-Nearest Neighbor Regression. Berdasarkan hasil penelitian, prediksi penjualan sepatu terlaris menunjukkan bahwa nilai K = 2 menghasilkan RMSE 0,43 untuk produk Fladeo, K = 3 menghasilkan RMSE 0,46 untuk produk Cardinal, K = 13 menghasilkan RMSE 0,46 untuk produk dr. Kevin, dan K = 6 menghasilkan RMSE 0,49 untuk produk Jackson. Berdasarkan pedoman RMSE, dapat disimpulkan bahwa semua model yang diuji menunjukkan tingkat kesalahan sedang, yaitu antara 0,30 hingga 0,56.

Title

Found 36 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 36 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 36 Documents
Search