Article Per Year (5 Year)
p-Index From 2020 - 2025
1.286
P-Index
This Author published in this journals
All Journal Jurnal Transformatika BAREKENG: Jurnal Ilmu Matematika dan Terapan Jurnal Tecnoscienza JURPIKAT (Jurnal Pengabdian Kepada Masyarakat) Indonesian Journal Computer Science (ijcs) SWAGATI: Journal of Community Service
Windarni, Vikky Aprelia
Unknown Affiliation
Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Dentistry Economics, Econometrics & Finance Education Energy Engineering Law, Crime, Criminology & Criminal Justice Mathematics Mechanical Engineering Physics Public Health Social Sciences Transportation Other

Published : 6 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search
Journal : Jurnal Tecnoscienza

 1 
Analisis Rekomendasi Pembuatan Produk Menggunakan RStudio Dan Twitter (Studi Kasus : Git Solution) Puri, Fiyas Mahananing; Ramadhani, Surya Tri Atmaja; Istiqomah, Dewi Anisa; Windarni, Vikky Aprelia; Hidayat, Kardilah Rohmat
JURNAL TECNOSCIENZA Vol. 9 No. 1 (2024): TECNOSCIENZA
Publisher : JURNAL TECNOSCIENZA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51158/c9z0w740

Abstract

Dalam lanskap korporat kontemporer, internet telah muncul sebagai alat fundamental untuk meningkatkan penjualan dan layanan pelanggan, terutama melalui penerapan sistem rekomendasi yang banyak digunakan khususnya dalam e-commerce. Namun, banyak perusahaan, termasuk PT GIT Solution, masih belum sepenuhnya memanfaatkan potensi big data dalam analisis pasar, dan masih bergantung pada data historis serta metode konvensional seperti follow-up atau kunjungan langsung. Hal ini menyebabkan kurang optimalnya pemanfaatan data untuk menghasilkan rekomendasi yang relevan dan personal bagi pelanggan. Penelitian ini menggunakan pendekatan analisis data Twitter dengan algoritma pengelompokan K-Means untuk mengelompokkan data dan metode perangkingan Simple Additive Weighting (SAW) untuk memberikan rekomendasi produk yang disesuaikan dengan preferensi pelanggan. Data yang digunakan diperoleh melalui crawling data Twitter, dan dianalisis menggunakan RStudio untuk mengidentifikasi tren serta preferensi konsumen. Hasil penelitian menunjukkan bahwa metode yang digunakan memberikan hasil evaluasi yang memuaskan dengan Indeks Davies-Bouldin (DBI) sebesar 0,10%, yang menunjukkan kualitas pengelompokan yang baik. Implikasi dari hasil ini adalah perusahaan dapat memanfaatkan analisis big data dari media sosial untuk meningkatkan kualitas rekomendasi produk, yang pada akhirnya dapat meningkatkan kepuasan pelanggan dan efektivitas pemasaran.
Co-Authors Adi Setiawan Andi Sunyoto Annafi, Farrizka Dewi Anisa Istiqomah Dhiantono, Aditya Hidayat, Kardilah Rohmat Ibnu Hadi Purwanto Nugraha, Anggit Ferdita Puri, Fiyas Mahananing Rakhmawati, Restu Ramadhani, Surya Tri Atmaja Rifda Faticha Alfa Aziza Wulandari, Puput Yoga Pristyanto