Article Per Year (5 Year)
p-Index From 2021 - 2026
3.836
P-Index
This Author published in this journals
All Journal Seminar Nasional Aplikasi Teknologi Informasi (SNATI) Jurnal Transformatika JURNAL ILMIAH INFORMATIKA SINTECH (Science and Information Technology) Journal JUTEKIN (Jurnal Manajemen Informatika) Jurnal Manajemen Informatika Jurnal Teknologi dan Informasi Antivirus : Jurnal Ilmiah Teknik Informatika Jutisi: Jurnal Ilmiah Teknik Informatika dan Sistem Informasi Jurnal Ilmiah Sains dan Teknologi (SAINTEK) JATI (Jurnal Mahasiswa Teknik Informatika) Competitive Dharma Raflesia : Jurnal Ilmiah Pengembangan dan Penerapan IPTEKS Jurnal Teknik Informatika (JUTIF) Merpati Jurnal Informatika Teknologi dan Sains (Jinteks) Data Sciences Indonesia (DSI) JIM: Jurnal Ilmiah Mahasiswa Pendidikan Sejarah Competitive Jurnal Pengabdian Masyarakat Indonesia (JPMI)
Rahayu, Woro Isti
Universitas Logistik Dan Bisnis Internasional
Agriculture, Biological Sciences & Forestry Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Engineering Industrial & Manufacturing Engineering Library & Information Science Physics Social Sciences Transportation Other

Published : 33 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 33 Documents
Search

 1   2   3   4 
Algoritma Apriori dan K-Means Clustering dengan GAP Rules untuk identifikasi churn dan retensi pelanggan Isti Rahayu, Woro; Amalia Maresti, Fatia; Sujana, Ahmad Mugiar Sujana; Ariwati Hanek, Melvin
Data Sciences Indonesia (DSI) Vol. 5 No. 2 (2025): Article Research Volume 5 Issue 2, Desember 2025
Publisher : Yayasan Cita Cendikiawan Al Kharizmi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47709/dsi.v5i2.6685

Abstract

Peningkatan persaingan bisnis mendorong perusahaan untuk memahami perilaku pelanggan dengan lebih baik. Khususnya di bisnis retail, mempertahankan pelanggan adalah hal krusial yang harus diperhatikan. Oleh karena itu, sebagai pihak bisnis retail dapat memanfaatkan data transaksi untuk mengidentifikasi potensi churn dan menghasilkan strategi retensi berbasis data. Penelitian ini menggunakan pendekatan data mining melalui algoritma K-Means Clustering dengan karakteristik RFM(Recency, Frequency, Monetary) yang bertujuan untuk membuat segmentasi pelanggan, serta Market Basket Analysis menggunakan algoritma apriori. Hasil evaluasi K-Means Clustering menggunakan Elbow Method dan Silhouette Score sebesar 0.550, Menghasilkan 3 Cluster optimal. Dimana cluster 1 dilabelkan sebagai Chrun Potential Customers, Cluster 2 dilabelkan sebagai Grow Potential Customers, dan Cluster 3 sebagai Loyal Customers. Selanjutnya algoritma apriori ditetapkan minimum support sebesar 3% dan minimum confidence 30% menghasilkan beberapa aturan asosiasi yang memenuhi ambang batas yang ditetapkan. Hasilnya, Cluster 1 memiliki 3 aturan asosiasi Sedangkan Cluster 2 memiliki 13 aturan asosiasi. Dan Cluster 3 memiliki 15 aturan asosiasi yang memenuhi ambang batas. Perbedaan kekuatan asosiasi antar produk pada tiap cluster menunjukkan pola pembelian yang unik. Analisis GAP Rules di setiap cluster bertujuan untuk mengidentifikasi variasi pola pembelian barang yang dibeli bersamaan.
Analisis Penjualan Kopi Dengan Prediksi Sarima Dan Rekomendasi Berbasis Algoritma Apriori Maresti, Fata Amalia; Aristawidya, Muhammad Vito; Syahfajar, Laode Muhammad Aznur; Rahayu, Woro Isti
Data Sciences Indonesia (DSI) Vol. 5 No. 2 (2025): Article Research Volume 5 Issue 2, Desember 2025
Publisher : Yayasan Cita Cendikiawan Al Kharizmi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47709/dsi.v5i2.7176

Abstract

Penelitian ini menganalisis penjualan produk kopi menggunakan model Seasonal Autoregressive Integrated Moving Average (SARIMA) untuk prediksi penjualan dan algoritma Apriori untuk sistem rekomendasi di tiga cabang: Hell's Kitchen, Lower Manhattan, dan Astoria. Hasil prediksi SARIMA menunjukkan bahwa Lower Manhattan memiliki akurasi tertinggi dengan nilai RMSE 12.90 dan MAPE 5.47%, sedangkan Hell's Kitchen dan Astoria menunjukkan tingkat kesalahan prediksi lebih tinggi. Prediksi penjualan tertinggi terjadi di Astoria (300 produk), dan terendah di Hell's Kitchen (201 produk). Rekomendasi optimasi manajemen stok mencakup gangguan stok di Hell's Kitchen, pengelolaan stok presisi di Lower Manhattan, serta analisis pola penjualan lebih mendalam di Astoria. Algoritma Apriori berhasil mengidentifikasi pola pembelian, dengan Hell's Kitchen menunjukkan asosiasi produk terkuat (lift 2.372), Lower Manhattan memiliki aturan asosiasi terbanyak (430 aturan), dan Astoria menunjukkan hubungan asosiasi yang lebih lemah. Strategi yang direkomendasikan meliputi bundling produk di Hell's Kitchen, promosi di Lower Manhattan, serta peningkatan support dan lift di Astoria. Hasil ini diharapkan dapat meningkatkan efisiensi manajemen stok dan strategi penjualan di cabang ketiga.
Implementasi K-Means untuk Melakukan Segmnetasi Produk Berdasarkan Data Transaksi Retail Fatia Amalia Maresti; Woro Isti Rahayu; Maria Bernadina Cintany Lustin; Thiodas Heni Pakpahan
Jurnal Ilmiah Sains dan Teknologi Vol. 9 No. 1 (2025): Jurnal Ilmiah Sains dan Teknologi
Publisher : Teknik Informatika Fakultas Ilmu Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47080/saintek.v9i1.3856

Abstract

Retail companies are one form of business that has experienced significant development. Significant development can lead to many business competitors in the same field. Therefore, every company must be able to find strategies to get the attention of the target market. Fast service and good prices are included in the factors that influence customer interest in making transactions in the retail business. This research aims to classify products into several categories. The method used to perform segmentation is the data mining method with the K-Means algorithm and the elbow method to find the optimal number of clusters. The obtained results of many optimal clusters are 3, namely cluster 0, cluster 1, and cluster 2. The variable that has the most influence on cluster characteristics is the price variable, while the variable that has little influence on cluster characteristics is the quantity variable.
Co-Authors Annisa Cahyani ARISTAWIDYA, MUHAMMAD VITO Ariwati Hanek, Melvin Aulyardha Anindita Awalina, Eriskiannisa Febrianty Luchia Aznur Syahfajar, Laode Muhammad Damayanti, Fanny Shafira Dwi Prasetyo Nugroho, Ilham ema ainun novia Eni Lestari Farhan Maulana Febrisa Sidabutar, Audry Firwanda, Arjun Yuda Gideon Manik, Teddy Habibi, Roni Haekal Hilmi Zain* Hanum, Nisa Harani, Nisa Hanum Helmi Setywan, Muhammad Yusril Hidayatullah, Muhammad Reefy Hilmi Zain*, Haekal Ichsan Hizman Hardy Kaka Kamaludin Kishendrian, Hanan Laode Muhammad Aznur Syahfajar M. Yusril Helmi Setyawan Maresti, Fata Amalia Maresti, Fatia Amalia Maria Bernadina Cintany Lustin Maulana Awannga, Rolly Mohamad Nurkamal Fauzan Muhammad Vito Aristawidya Mustaqim, Kiki Mustaqimr, Kiki Ningrumsari Mulyanan, Ikrima Nisa Hanum Harani Nisa Hanum Harani Nur Raisa Nurul Izza Hamka Prianto, Cahyo Rakasona Rifqi Fathurrohman Riza, Noviana Rolly Maulana Awannga Santoso Seta Permana Siti Fathonah, Rd Nuraini Siti Fathonah, Rd. Nuraini Situmorang, Ryan Sujana, Ahmad Mugiar Sujana Syafrial Fachri Pane Syahfajar, Laode Muhammad Aznur Thiodas Heni Pakpahan Ulfiani Ramadhani, Firna Wardana, Aulia Yusril Helmi Setyawan, Muhammad Yusuf