Article Per Year (5 Year)
p-Index From 2021 - 2026
9.521
P-Index
This Author published in this journals
All Journal Jurnal Informatika dan Teknik Elektro Terapan Jurnal Khatulistiwa Informatika JIEET (Journal of Information Engineering and Educational Technology) JATI (Jurnal Mahasiswa Teknik Informatika) Jurnal Ilmu Teknik dan Komputer JIKA (Jurnal Informatika) Jurnal Teknik Informatika (JUTIF) Jurnal Informatika Terpadu TAMIKA: Jurnal Tugas Akhir Manajemen Informatika & Komputerisasi Akuntansi AMMA : Jurnal Pengabdian Masyarakat Jurnal Kecerdasan Buatan dan Teknologi Informasi Informasi interaktif : jurnal informatika dan teknologi informasi
Prihartono, Willy
Unknown Affiliation
Humanities Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Law, Crime, Criminology & Criminal Justice Materials Science & Nanotechnology Nursing

Published : 80 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 80 Documents
Search

 4   5   6   7   8 
KATEGORISASI PELANGGAN BERDASARKAN TIPE DAN BIAYA CUCI KENDARAAN DENGAN MENERAPKAN ALGORITMA K-MEANS PADA SATRIA BIMA WASH Salsabila, Fauhan; Prihartono, Willy
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 2 (2025): JATI Vol. 9 No. 2
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i2.12981

Abstract

Satria Bima Wash adalah salah satu penyedia layanan cuci kendaraan yang memiliki berbagai data pelanggan, tetapi belum dimanfaatkan dengan maksimal. Studi ini bertujuan untuk menggunakan algoritma K-Means Clustering dalam mengelompokkan pelanggan berdasarkan tipe kendaraan, merek kendaraan, dan biaya layanan. Proses penelitian dimulai dengan pengumpulan data transaksi, dilanjutkan dengan preprocessing untuk membersihkan dan menormalkan data, dan diakhiri dengan evaluasi jumlah cluster yang optimal menggunakan Davies-Bouldin Index (DBI). Studi ini diharapkan dapat membantu pemilik bisnis dalam memahami perilaku konsumen, meningkatkan pelayanan, dan merancang strategi pemasaran yang lebih efisien. Hasil dari penelitian ini mengindikasikan bahwa pelanggan dapat dikategorikan menjadi tiga kelompok utama, dengan nilai DBI sebesar 0,005 yang menunjukkan mutu clustering yang sangat baik. Setiap cluster memiliki ciri khas tersendiri, seperti pilihan tipe kendaraan atau biaya layanan tertentu.
IMPLEMENTASI POLA PENJUALAN MENGGUNAKAN ALGORITMA FP-GROWTH PADA TOKO BANGUNAN HADI JAYA Jannah, Nursuviyani; Prihartono, Willy
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 2 (2025): JATI Vol. 9 No. 2
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i2.13002

Abstract

Dalam industri ritel, memahami pola penjualan merupakan faktor utama dalam meningkatkan efisiensi operasional dan menyusun strategi pemasaran yang efektif. Toko Bangunan Hadi Jaya menghadapi tantangan dalam pengelolaan stok akibat perubahan permintaan yang tidak terduga. Ketidakseimbangan stok, baik berlebih maupun kurang, dapat menghambat operasional dan berdampak pada kepuasan pelanggan. Oleh karena itu, diperlukan metode analisis yang mampu mengidentifikasi pola pembelian guna mengoptimalkan pengelolaan stok serta meningkatkan strategi pemasaran. Penelitian ini bertujuan untuk menerapkan algoritma FP-Growth dalam menganalisis pola penjualan sehingga dapat membantu toko dalam manajemen stok dan pengambilan keputusan bisnis secara lebih akurat. Studi ini menggunakan pendekatan Knowledge Discovery in Databases (KDD), yang mencakup tahapan seleksi data, preprocessing, transformasi, data mining, dan evaluasi. Data transaksi selama satu tahun dianalisis menggunakan perangkat lunak RapidMiner untuk mengidentifikasi keterkaitan antar produk berdasarkan nilai support dan confidence. Hasil dari penelitain ini menunjukkan bahwa beberapa produk, seperti pasir, semen, pintu, dan jendela, memiliki keterkaitan dalam pola pembelian dengan confidence lebih dari 0,6. Hasil analisis ini dapat digunakan sebagai acuan dalam perencanaan stok, pengelompokan produk, serta strategi pemasaran untuk meningkatkan efisiensi operasional dan kepuasan pelanggan.
IMPLEMENTASI ALGORITMA FP-GROWTH UNTUK MENGETAHUI POLA PENJUALAN PADA TOKO RIQI Maulana, Aldi; Prihartono, Willy
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 2 (2025): JATI Vol. 9 No. 2
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i2.13025

Abstract

Dengan berkembangnya bisnis ritel dan kemajuan teknologi informasi, jumlah data transaksi yang tersedia semakin meningkat. Data ini berpotensi memberikan wawasan berharga untuk meningkatkan efisiensi operasional dan kepuasan pelanggan. Namun, Toko Riqi belum memiliki strategi khusus dalam mengoptimalkan pendapatan dan perencanaan stok barang.Penelitian ini bertujuan untuk menganalisis pola transaksi penjualan di Toko Riqi dengan menerapkan algoritma FP-Growth guna mengidentifikasi aturan asosiasi yang relevan. Data yang digunakan berasal dari catatan transaksi penjualan (data sekunder) dan diolah melalui pendekatan Knowledge Discovery in Databases (KDD). Hasil analisis menghasilkan aturan asosiasi berdasarkan nilai support dan confidence yang membantu mengungkap keterkaitan antarproduk yang sering dibeli bersamaan.Sebagai contoh, aturan [mie, telur] → [air mineral] memiliki confidence sebesar 0,810, sementara aturan [air mineral, tepung] → [minyak] menunjukkan confidence sebesar 0,811. Aturan dengan confidence tertinggi adalah [gas, minyak, telur, tepung] → [air mineral] dengan nilai 0,826, yang mengindikasikan bahwa "air mineral" sangat mungkin dibeli bersama produk-produk tersebut.Dengan memanfaatkan algoritma FP-Growth, Toko Riqi dapat memahami pola belanja pelanggan dengan lebih baik dan memastikan ketersediaan produk yang sesuai, sehingga dapat meningkatkan kualitas layanan dan potensi pendapatan.
Implementasi Algoritma K-Means untuk Pengelompokan Kecamatan Berdasarkan Produktivitas Tanaman Padi di Kabupaten Cirebon Rosiana, Rosa; Prihartono, Willy; Fathurrohman, Fathurrohman
Jurnal Informatika Terpadu Vol 11 No 1 (2025): Maret, 2025
Publisher : LPPM STT Terpadu Nurul Fikri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54914/jit.v11i1.1555

Abstract

The productivity of rice plants in Cirebon Regency varies in each sub-district, which causes an imbalance in rice production. This study aims to group sub-districts in Cirebon Regency based on rice crop productivity using the K-Means Clustering algorithm to support strategic decision-making in the agricultural sector. The research methods applied include Knowledge Discovery in Databases (KDD), which provides data selection, preprocessing, transformation, analysis using K-Means, and evaluation using the Davies-Bouldin Index (DBI). The data used is rice productivity in 2023 from 40 sub-districts, which includes planting area, harvest area, and production yield. The analysis showed that the DBI value was optimal at k=3, with three productivity categories: high, medium, and low. Compared to other methods, the K-Means algorithm has proven to be efficient and accurate in grouping data. This research contributes to local governments in formulating policies to increase rice productivity in areas that require further intervention. These findings also provide a basis for further study by comparing other algorithms to improve the accuracy of the results.
ANALISIS SENTIMEN ULASAN GOOGLE MAPS RUMAH SAKIT KHALISHAH DI CIREBON DENGAN ALGORITMA NAIVE BAYES RIZKI, ALVA FAUZIR; Prihartono, Willy; rohman, Fathur
Jurnal Informatika dan Teknik Elektro Terapan Vol 13, No 2 (2025)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v13i2.6309

Abstract

Rumah Sakit Khalishah merupakan fasilitas kesehatan di Kabupaten Cirebon, dan dengan kemajuan teknologi informasi, analisis sentimen menjadi metode yang efektif untuk memahami pandangan masyarakat terhadap layanan dan fasilitas kesehatan. Penelitian ini bertujuan untuk menganalisis sentimen masyarakat dengan algoritma Naïve Bayes, menggunakan data ulasan dari platform Google Maps. Data dikumpulkan dengan teknik web scraping dan diproses melalui tahapan pra-pemrosesan teks, termasuk pembersihan, normalisasi, tokenisasi, penghapusan stopwords, dan stemming. Teknik TF-IDF digunakan untuk memberi bobot pada kata-kata dalam teks sebelum dilakukan pemodelan sentimen. Hasil evaluasi menunjukkan bahwa algoritma Naïve Bayes mencapai accuracy 84%, precision 89%, recall 91%, dan F1-score 90%. Temuan analisis menunjukkan bahwa mayoritas ulasan masyarakat bernada positif, mencerminkan tingkat kepuasan tinggi terhadap layanan rumah sakit. Namun, ulasan negatif mengindikasikan perlunya peningkatan di beberapa aspek, seperti efisiensi administrasi dan kenyamanan fasilitas. Penelitian ini memberikan kontribusi bagi manajemen Rumah Sakit Khalishah untuk meningkatkan layanan dan fasilitas serta sebagai acuan bagi pengambilan keputusan strategis di sektor Kesehatan.
OPTIMASI STOK DENGAN CLUSTERING DATA TRANSAKSI PENJUALAN MENGGUNAKAN ALGORITMA K-MEANS DI KONTER AGUNG CELL RAHMAWATI, RULI; Prihartono, Willy; ., Fathurrohman
Jurnal Informatika dan Teknik Elektro Terapan Vol 13, No 2 (2025)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v13i2.6302

Abstract

Pengelolaan stok barang yang tidak optimal menjadi tantangan utama bagi usaha kecil seperti Konter Seluler Agung Cell. Penelitian ini bertujuan untuk mengidentifikasi pola pembelian pelanggan serta mengoptimalkan pengelolaan stok melalui penerapan algoritma K-Means yang diimplementasikan menggunakan perangkat lunak RapidMiner. Pemilihan algoritma K-Means didasarkan pada efektivitasnya dalam menganalisis data berukuran besar secara sistematis.  Data penelitian diperoleh melalui observasi langsung dan mencakup 500 transaksi penjualan selama periode 1 Juli hingga 1 Agustus 2024. Variabel yang digunakan meliputi kategori produk, quantity, harga jual, dan total harga. Pemilihan data ini dilakukan agar analisis dapat difokuskan pada variabel yang relevan untuk mengidentifikasi pola pembelian konsumen. Metode analisis data dilakukan berdasarkan pendekatan Knowledge Discovery in Databases (KDD) meliputi tahapan Data Selection, preprocessing, transformation, data mining, dan evaluation.  Analisis ini menggunakan 500 data transaksi penjualan. Penelitian ini menghasilkan beberapa Cluster, Analisis menunjukan konfigurasi Cluster 3 sebagai yang terbaik, dengan nilai Davies-Bouldin Index (DBI) terendah, yaitu 0,913 dari beberapa cluster yang diuji coba.  Temuan ini memungkinkan identifikasi pola pembelian pelanggan yang lebih jelas, sehingga dapat membantu dalam pengelolaan stok yang lebih efisien dan tepat sasaran.
OPTIMALISASI UPAYA PENCEGAHAN STUNTING PADA BALITA DI KOTA CIREBON MENGGUNAKAN METODE NAÏVE BAYES Lita, Arlita lita; Prihartono, Willy; Rohmat, Cep Lukman
Jurnal Informatika dan Teknik Elektro Terapan Vol 13, No 2 (2025)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v13i2.5868

Abstract

Abstrak. Stunting adalah kondisi kekurangan gizi kronis yang menyebabkan tinggi badan anak berada di bawah standar usianya. Di Puskesmas Nelayan Kota Cirebon, prevalensi stunting pada balita cukup tinggi akibat pola makan yang kurang baik, minimnya pengetahuan gizi orang tua, dan akses terbatas pada makanan bergizi. Penelitian ini bertujuan untuk mengoptimalkan peran Posyandu dalam pencegahan stunting pada balita melalui klasifikasi pembagian makanan berdasarkan usia, berat badan, tinggi badan, dan lingkar lengan atas (LILA) menggunakan metode Naïve Bayes. Penelitian dilakukan di Puskesmas Nelayan Kota Cirebon dengan menggunakan data antropometrik balita sebagai dasar analisis. Hasil penelitian menunjukkan bahwa algoritma Naïve Bayes mampu mengklasifikasikan status gizi balita dengan tingkat akurasi yang memadai, sehingga dapat digunakan sebagai referensi dalam merancang strategi distribusi makanan yang lebih terarah. Temuan ini memberikan kontribusi terhadap pengembangan strategi intervensi stunting yang lebih efektif di masa mendatang.
PENERAPAN NAIVE BAYES UNTUK ANALISIS SENTIMEN PADA ULASAN PELANGGAN DI LAZADA: STUDI KASUS TOKO MAWAR COLLECTION Al Lutfani, Thariq Kemal; Astuti, Rini; Prihartono, Willy; Hamonangan, Ryan
Jurnal Informatika dan Teknik Elektro Terapan Vol 13, No 2 (2025)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v13i2.6391

Abstract

Penelitian ini memanfaatkan algoritma Naive Bayes untuk menganalisis sentimen ulasan pelanggan terhadap toko Baju Mawar Collection di platform Lazada.Hasil eksperimen menunjukkan bahwa model yang dikembangkan mencapai akurasi 94%, presisi 96%, recall 98%, dan F1-score 97%. Temuan ini menunjukkan bahwa pendekatan Naive Bayes mampu secara efektif mengenali pola sentimen dalam ulasan data, meskipun terdapat kombinasi antara ulasan positif dan negatif. 
IMPLEMENTASI ALGORITMA FP-GROWTH UNTUK MENINGKATKAN PEMASARAN PRODUK MINUMAN BOBA BERBASIS PYTHON (STUDI KASUS: KEDAI NGENYOD'S DESA BOGOR INDRAMAYU) Erpian, Soni; Astuti, Rini; Prihartono, Willy; Hamonangan, Ryan
Jurnal Informatika dan Teknik Elektro Terapan Vol 13, No 2 (2025)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v13i2.6341

Abstract

Penelitian ini menganalisis pola pembelian produk di Kedai "Ngenyod'S", dengan menggunakan algoritma FP-Growth untuk meningkatkan strategi pemasaranPola pembelian pelanggan sangat penting untuk membuat strategi promosi yang lebih baik dan mengelola stok.  Salah satu masalah yang dihadapi adalah tidak memanfaatkan data transaksi secara efektif saat menentukan strategi pemasaran.  Akibatnya, tujuan penelitian ini adalah menerapkan algoritma FP-Growth untuk menemukan itemsets sering dan pola asosiasi yang dapat digunakan dalam strategi bisnis berbasis data.  Proses penelitian ini terdiri dari beberapa langkah: pengumpulan data transaksi, preprocessing data, penerapan algoritma FP-Growth, dan analisis hasil dengan mempertimbangkan nilai dukungan dan kepercayaan tertentu. Dataset yang digunakan mencakup 508 penjualan dengan atribut seperti tanggal penjualan, nama produk, jumlah penjualan, harga satuan, dan pendapatan total.  Hasil penelitian menunjukkan bahwa beberapa produk, seperti Milo Milk dan Milo Ori, memiliki pola pembelian yang kuat dengan keyakinan sebesar 70%. Pola ini memberikan wawasan untuk strategi pemasaran, seperti menerapkan promosi bundling atau diskon untuk produk terkait.  Selain itu, penelitian ini menemukan bahwa algoritma FP-Growth lebih efisien dalam analisis data transaksi dibandingkan dengan metode konvensional. Kesimpulannya adalah bahwa penggunaan algoritma FP-Growth dapat membantu bisnis menemukan pola pembelian pelanggan, meningkatkan efisiensi pemasaran, dan mengoptimalkan manajemen stok. Studi ini membantu mengembangkan sistem rekomendasi berbasis pola pembelian yang dapat digunakan dalam bisnis ritel, terutama usaha kecil dan menengah.  Memperluas atribut dataset dan menggabungkan teknik lain seperti algoritma Apriori untuk mendapatkan hasil yang lebih lengkap adalah saran untuk penelitian lanjutan. Model serupa juga dapat diterapkan untuk meningkatkan efisiensi pemasaran berbasis data di berbagai industri bisnis lain.
SEGMENTASI KONSUMEN DI PASARMU.ID MENGGUNAKAN K-MEANS CLUSTERING BERDASARKAN MODEL RFM Jihan, Aminatun; Prihartono, Willy; ., Fathurrohman
Jurnal Informatika dan Teknik Elektro Terapan Vol 13, No 2 (2025)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v13i2.6327

Abstract

Kemajuan teknologi mempermudah pengelolaan data pelanggan, meningkatkan efisiensi operasional bisnis. Penelitian ini menggunakan algoritma K-Means Clustering untuk mengelompokkan pelanggan Pasarmu.id berdasarkan model RFM (Recency, Frequency, Monetary) guna memahami pola belanja mereka. Penelitian ini mengikuti metode Knowledge Discovery in Databases (KDD) yang meliputi pemilihan data, prapemrosesan, transformasi, klasterisasi, dan evaluasi hasil menggunakan Davies-Bouldin Index (DBI) untuk menentukan jumlah klaster optimal. Hasil segmentasi membagi pelanggan menjadi tiga kelompok: Golden Customer (Frequency dan Monetary tinggi, Recency rendah), Platinum Customer (Recency tinggi, Frequency dan Monetary sedang), dan Silver Customer (Recency tinggi, Frequency dan Monetary rendah). Visualisasi hasil memperlihatkan karakteristik tiap kelompok, membantu strategi pemasaran yang lebih tepat sasaran: program loyalitas dan diskon untuk Golden Customer, promosi peningkatan transaksi bagi Platinum Customer, serta penawaran khusus untuk Silver Customer agar lebih aktif berbelanja. Pendekatan berbasis data ini diharapkan dapat meningkatkan efektivitas pemasaran, membangun loyalitas pelanggan, serta meningkatkan pendapatan Pasarmu.id, sekaligus menegaskan pentingnya analisis data dalam merancang strategi pemasaran yang lebih personal dan relevan.
Co-Authors ., Fathurrohman Agustin, Nia Aini Nurul Ainisa, Nurul Al Lutfani, Thariq Kemal Al Maeni, Nurul Amelia, Astri Ameliana, Nikan Andre Setiawan, Andre Apriliansyah, Rizal Dwi Rizki Aprilla, Anggita Arifqi, Tri Astuti , Rini Ayu Azzahra, Fadita Ayuni, Putri DAIPAH, IIP IMRON Dalifah, Nurul Dita, Fio Eka Permana, Sandy Erpian, Soni Fachry Abda El Rahman Fathur Rohman, Fathur Fathurrohman Fathurrohman Faturrohman, Faturrohman Faujia, Agnes Firmansyah, Fajar Gifthera Dwilestari Gunawan, Sepriyan Hadi Wicaksana, Arya Haikal, Harisman Hamonangan, Ryan Haryandini, Nur Anindya Putri Hayati, Umi Herdiana, Rulli Herdiana, Rully Hidayah, Nurni Hidayat, Pierre Galuh HIDAYATULLAH, NAUFAL ARIF Hoeriah, Dede Ilham Syahputra, Arief Irma Purnamasari, Ade Jannah, Nursuviyani Jihan, Aminatun Julianti, Okta Nur Kholifa, Nur Kusmawanti, Nisa Laksamana, Patria Gita Lita, Arlita lita Maulana, Aldi Maulida, Nida Muharromah, Oom Nur Amalia, Ocsana Nur Apriliani, Nur Nur Kirana, Anita Nur Pangestika, Fanny Nurdin Nurhakim, Bani Nurhayah, Nurhayah Nuri Nuri Nurjanah, Nurul Nurliana, Nicky NURUL AZIZAH Nurwanda, Nurwanda Nurzaman Nurzaman Odi Nurdiawan OKTAVIANI, ERNA Oktaviany, Nurul Peni Peni Permana, Sandy Eka PUJI LESTARI Putriana, Puput RAHMAWATI, RULI Ramadhan, Niko Retnasari, Peni Rini Astuti RIZKI, ALVA FAUZIR Rohmat, Cep Lukman Rosiana, Rosa Sakarias Berek, Richardus Salsabila, Fauhan saninah, annisa Saniyah, Nilta Sayuti Hanapiah, Neneng Suarna, Nana Yudhistira Arie Wijaya Zaelani, Nursehan