Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : Jurnal Ilmiah Wahana Pendidikan

Sistem Peramalan Penentuan Armada Bus Menggunakan Metode Exponential Smoothing Ferdianto, Hendra Ferdianto; Wulansari, Zunita; Mawaddah, Udkhiati
Jurnal Ilmiah Wahana Pendidikan Vol 11 No 5.C (2025): Jurnal Ilmiah Wahana Pendidikan 
Publisher : Peneliti.net

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

Abstract

Peramalan juga disebut forecasting adalah upaya untuk menggunakan data sebelumnya untuk memprediksi apa yang akan terjadi pada masa mendatang. Permasalahan yang dihadapi pihak terminal bus kesamben adalah ketersediaan kebutuhan armada bus yang tidak menentu. Hal ini menyebabkan penumpukan penumpang. Pada penelitian ini digunakan Metode peramalan exponential smoothing untuk meramalkan kebutuhan armada bus. Implementasi dalam penelitian ini menggunakan aplikasi rapidminer dengan data armada bus yang digunakan selama 4 tahun dari tahun 2020 hingga 2023. Berdasarkan pengujian yang telah dilakukan menggunakan metode MAPE didapatkan nilai sebesar 15,24%. Diharapkan penelitian ini dapat membantu pihak terminal kesamben dalam memprediksi jumlah armada bus sesuai dengan jumlah penumpang agar pelayanan dapat dilakukan secara optimal.
Segmentasi Konsumen Menggunakan Algoritma K-Means Clustering Dan Analisis Rfm Guna Mengetahui Karakteristik Konsumen Zaenal, Zaenal; Chulkamd, Mukh Taofik; Mawaddah, Udkhiati
Jurnal Ilmiah Wahana Pendidikan Vol 11 No 4.D (2025): Jurnal Ilmiah Wahana Pendidikan 
Publisher : Peneliti.net

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

Abstract

This research aims to segment consumers at MDA Collection stores using the K-Means Clustering algorithm and RFM (Recency, Frequency, Monetary) analysis, with the aim of understanding consumer purchasing characteristics and supporting the development of more effective marketing strategies at MDA Collection stores. The research shows that the K-Means Clustering algorithm is successful in grouping MDA Collection consumers into homogeneous segments based on their purchasing data. Analysis of the characteristics of each segment helps in understanding consumer preferences and purchasing habits. By better understanding consumer characteristics, MDA Collection Stores can design more effective marketing strategies to maintain consumer loyalty. The results of this research show that there are 4 consumer segments with different characteristics. In segment 1 there are 24 consumers who are included in the loyal consumer profile, in segment 2 there are 126 consumers who are included in the less loyal consumer profile, in segment 3 there are 83 consumers who are included in the less loyal consumer profile, and in segment 4 there are 115 consumers who are included in the potential consumer profile.