Article Per Year (5 Year)
p-Index From 2020 - 2025
0.444
P-Index
This Author published in this journals
All Journal Jurnal Sains dan Teknologi Conten : Computer and Network Technology
Fransisca
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Economics, Econometrics & Finance Mathematics Physics Social Sciences

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Aplikasi Pembayaran Uang Kuliah Pada Universitas Prima Indonesia Menggunakan Metode Fuzzy Logic Berbasis Android Jepri Banjarnahor; Aurelia Xinara Lim; Fransisca
Jurnal Sains dan Teknologi Vol. 2 No. 1 (2020): Sains dan Teknologi
Publisher : CV. Utility Project Solution

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34013/saintek.v2i1.53

Abstract

< >Payment of tuition fees is an obligation for every student to acquire knowledge in college. At the University of IndonesiaIndonesia, the payment of tuition fees is still using a manual system where every student who comes is notified of the amount oftuition fees to be paid orally or in writing, as in the Universitas Prima Indonesia system. This has several drawbacks where the longpayment process is caused by a long queue system, or the number of students arriving at one time. The application uses fuzzy logicmethods in transactions so that the system can separate transactions that have been paid and transactions that have not been paid.Author-designed apps can help speed up entering transactions. The application designed by the author uses smartphone technologybased on Android to assist transactions so that it is easy to carry anywhere
SEGMENTASI PELANGGAN DAN OPTIMALISASI PENJUALAN PADA DATA RETAIL ONLINE BERBASIS MODEL RFM Gunawan Budi Sulistyo; Noor Hasan; Sri Kiswati; Fransisca; Muningsih, Elly
CONTEN : Computer and Network Technology Vol. 5 No. 1 (2025): Juni 2025
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/nzbzre70

Abstract

Penelitian ini dilatarbelakangi oleh pentingnya segmentasi pelanggan dalam meningkatkan efektivitas strategi pemasaran dan optimalisasi penjualan pada bisnis retail online yang semakin kompetitif. Segmentasi pelanggan memungkinkan perusahaan untuk mengelompokkan konsumen berdasarkan perilaku pembelian sehingga dapat merancang pendekatan pemasaran yang lebih tepat sasaran. Metode yang digunakan dalam penelitian ini adalah model RFM (Recency, Frequency, Monetary) yang mengukur nilai pelanggan berdasarkan waktu transaksi terakhir, frekuensi pembelian, dan nilai pembelian total. Data yang digunakan berasal dari dataset Online Retail.csv yang kemudian diproses dan dianalisis menggunakan algoritma K-means clustering untuk mengelompokkan pelanggan ke dalam segmen-segmen yang homogen. Hasil penelitian menunjukkan bahwa jumlah cluster optimal yang diperoleh adalah dua, dengan karakteristik pelanggan pada Cluster 0 memiliki nilai Recency rendah dan Frequency tinggi, serta nilai Monetary yang lebih besar, sedangkan Cluster 1 terdiri dari pelanggan dengan Recency tinggi dan Frequency rendah. Segmentasi ini memberikan gambaran yang jelas mengenai perilaku pelanggan yang berbeda dan memungkinkan perusahaan untuk mengarahkan strategi pemasaran yang lebih efektif. Penerapan model RFM yang dikombinasikan dengan K-means clustering terbukti efektif dalam segmentasi pelanggan retail online, sehingga dapat mendukung optimalisasi penjualan dan peningkatan loyalitas pelanggan. Temuan ini memiliki implikasi penting bagi pengembangan strategi pemasaran berbasis data yang lebih terarah dan efisien di industri retail online.
Co-Authors Aurelia Xinara Lim Banjarnahor, Jepri Elly Muningsih Gunawan Budi Sulistyo Noor Hasan Sri Kiswati