Article Per Year (5 Year)
p-Index From 2020 - 2025
2.78
P-Index
This Author published in this journals
All Journal Jurnal Teknologi Informasi dan Ilmu Komputer Jurnal Abdimas BSI: Jurnal Pengabdian Kepada Masyarakat Jurnal Informatika JTAM (Jurnal Teori dan Aplikasi Matematika) SINTECH (Science and Information Technology) Journal JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Infotekmesin Abdimasku : Jurnal Pengabdian Masyarakat Jurnal Teknik Informatika (JUTIF) Journal of Technology and Informatics (JoTI) Jurnal Pengabdian Kepada Masyarakat Abdi Nusa ABDINE Jurnal Pengabdian Masyarakat Bulletin of Social Informatics Theory and Application Jurnal Medika: Medika Jurnal Pengabdian Kepada Masyarakat Bersinergi Inovatif
Arsi, Primandani
Unknown Affiliation
Humanities Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Dentistry Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Environmental Science Health Professions Industrial & Manufacturing Engineering Mathematics Mechanical Engineering Medicine & Pharmacology Nursing Public Health Social Sciences Other

Published : 20 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : Journal of Technology and Informatics (JoTI)

 1 
Rekomendasi Restock Barang di Toko Pojok UMKM Menggunakan Algoritma K-Means Clustering Salsabiela, Ayuni; Kuncoro, Adam Prayogo; Subarkah, Pungkas; Arsi, Primandani
Journal of Technology and Informatics (JoTI) Vol. 5 No. 2 (2024): Vol. 5 No.2 (2024)
Publisher : Universitas Dinamika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37802/joti.v5i2.554

Abstract

Toko Pojok ialah toko yang menjual beraneka produk seperti makanan ringan dan minuman. Toko Pojok UMKM dalam pembukuan selama ini masih dilakukan secara manual dengan buku besar baik dalam pencatatan produk masuk maupun penjualan. Pembukuan dilakukan belum tersistem mengakibatkan data menumpuk, sehingga pemilik kesulitan dalam melihat stok yang terjual sehingga pengadaan barang ke supplier ada keterlambatan. Berdasarkan permasalahan tersebut penelitian ini dilakukan untuk merekomendasikan restock produk menggunakan algoritma K-Means dimana pengadaan barang dalam jumlah banyak, sedang dan sedikit. Penelitian ini menggunakan algoritma k-means clustering dengan 3 cluster. Di mana nilai k=3 merupakan nilai cluster terbaik dalam penelitian ini dengan performa dari cluster berdasarkan hasil Davies Bouldin Index sebesar 0.436, di mana cluster 1 ada 9 produk jumlah banyak dan masuk pengadaan barang, cluster 2 ada 19 produk jumlah sedang dan masuk pengadaan barang serta cluster 0 ada 110 produk jumlah sedikit masuk pengadaan barang.
Penerapan Algoritma Apriori untuk Rekomendasi Produk Spare Part Mobil Aditya Permana, Reza; Arsi, Primandani; Subarkah, Pungkas
Journal of Technology and Informatics (JoTI) Vol. 6 No. 1 (2024): Vol. 6 No.1 (2024)
Publisher : Universitas Dinamika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37802/joti.v6i1.597

Abstract

Guna memberikan layanan optimal kepada pelanggan, bisnis spare part mobil perlu menerapkan strategi bisnis terbaik. Namun, terkadang beberapa faktor menghambat penentuan strategi tersebut. Salah satu penyebabnya adalah kesulitan dalam melakukan analisis terkait data penjualan pelanggan yang sudah ada. Berdasarkan data pelanggan yang disimpan dalam database, perusahaan mengidentifikasi bahwa sistem penjualan saat ini tidak efektif. Kemudian apabila produk banyak yang tidak terjual, maka keterlambatan dalam pengembalian modal bagi penjual juga akan menjadi masalah. Dalam mengatasi hambatan ini, perusahaan perlu mengadopsi strategi promosi penjualan dan menganalisis pola penjualan spare part untuk menentukan pola penjualan dan memberikan gambaran keterkaitan antar barang dengan menganalisis data transaksi penjualan. Metode yang akan digunakan dalam menganalisis pola penjualan pada penelitian ini adalah dengan menggunakan market basket analysis. Metode ini dihitung menggunakan Algoritma Apriori dengan menggunakan bantuan Google Collab dengan menentukan nilai minimum support sebesar 8 % dan minimum confidence sebesar 60 %. Perhitungan dalam Google Collab akan menghasilkan kumpulan item yang sering dibeli dengan kombinasi 1 itemset sampai dengan 5 itemset yang dibeli secara bersamaan. Hasil assosiation rule tersebut dapat dijadikan acuan kepada pengambil keputusan dalam upaya meningkatkan strategi pemasaran dan promosi produk suku cadang mobil bagi PT Milenia Mega Mandiri yang lebih baik.
Co-Authors Adam Prayogo Kuncoro Aditya Permana, Reza Agung Prasetyo Astrida, Deuis Nur Asyari, Muhammad Hasyim Azzahra, Delia Oktaviana Bimawan, Zaynuri Ilham Busyro, Muhammad Dedi Purwanto, Dedi Dhanar Intan Surya Saputra Firmanda, Reza Arief Hendra Marcos Isnaini, Khairunnisak Nur Junianto, Haris Khofiyah, Salma Ngarifatul Kholifah Dwi Prasetyo Kartika, Nur Kisma, Atmaja Jalu Narendra Kusuma, Bagus Adhi Lestari, Vika Febri Nandang Hermanto Nasar Ghanim, Nadif Nur Ikhsan, Ali Prasetyo Kartika, Nur Kholifah Dwi Prayoga, Iphang Riandini, Dini Rofiqoh, Dayana Salsabiela, Ayuni Sandhi Bhakti, Dwi Saputri, Inka Sari, Rida Purnama Septiana Putri, Refida Subarkah, Pungkas Sugiarti Sugiarti Suhaman, Jali Tarwoto, Tarwoto Tri Astuti V, Jay Waluyo, Retno