Article Per Year (5 Year)
p-Index From 2021 - 2026
0.882
P-Index
This Author published in this journals
All Journal ARIKA Journal of Industrial Engineering and Operation Management (JIEOM) Advance Sustainable Science, Engineering and Technology (ASSET)
Mangngenre, Saiful
Unknown Affiliation
Chemistry Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering

Published : 5 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search
Journal : ARIKA

 1 
Analisis Kinerja Perusahaan PT. X dengan Metode Performance Prism Palinoan, Andreas; Mangngenre, Saiful; Pandjalangi, Nilda
ARIKA Vol 18 No 1 (2024)
Publisher : Industrial Engineering Study Program, Pattimura University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30598/arika.2024.18.1.1

Abstract

Penelitian ini bertujuan untuk menentukan dan memvalidasi KPI (Key Performance Indicator) pada PT. X, menentukan pembobotan KPI pada perusahaan dengan menggunakan metode AHP (Analytical Hierarchy Process), menentukan nilai performansi perusahaan dengan metode Objective Matrix (OMAX), menganalisis kinerja PT. X berdasarkan hasil pengukuran yang didapatkan, serta memberikan saran perbaikan untuk indikator kinerja yang memerlukan perbaikan. Langkah-langkah dalam penelitian ini adalah mengidentifikasi KPI dengan metode performance prism dan selanjutnya adalah memvalidasi KPI dengan uji statistik. Setelah itu melakukan pembobotan KPI dengan metode AHP. Lalu menentukan nilai performansi dengan metode OMAX dibantu dengan tools Traffic Light System. Hasil penelitian menunjukkan terdapat 24 KPI pada perusahaan yang terdiri dari 8 KPI kriteria strategi, 8 KPI kriteria proses, dan 8 KPI kriteria kapabilitas. Nilai performansi untuk kriteria KPI Strategi sebesar 7,207, nilai performansi untuk kriteria KPI Proses sebesar 7,345, nilai performansi untuk kriteria KPI Kapabilitas sebesar 8,040, serta nilai performansi untuk perusahaan sebesar 7,419. Dengan menggunakan metode OMAX dapat diketahui bahwa KPI yang masuk dalam kategori hijau sebanyak 14 KPI, sedangkan yang masuk dalam kategori kuning sebanyak 7 KPI dan yang masuk kategori merah sebanyak 3 KPI.
Evaluasi Kinerja Proyek Feed End Shell Dryer Replacement Proces Plant PT. A menggunakan Metode Earned Value Management (EVM) Pasolang, Rara; Mangngenre, Saiful
ARIKA Vol 19 No 1 (2025)
Publisher : Industrial Engineering Study Program, Pattimura University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30598/arika.2025.19.1.10

Abstract

Dryer is one of the production equipment that plays an important role in the production process because it is a production motor. Dryer itself functions to dry ORE material from Wet Of Storage to Dryer Of Storage. From the assessment carried out, an indication of thinning of the Shell wall was found which is at risk of damage to production equipment. Therefore, the replacement of the Shell Dryer feed end must be done. This study aims to analyze project performance and how the impact is based on the results of project performance. Data analysis in this study uses the Earned Value Management (EVM) method. The results showed that the project performance in terms of time (Schedulle Performace Index) was 0.70 <1, meaning that the performance of the project implementation was delayed and from the cost aspect (Cost Performance Index) of 1.17>1, meaning that the costs incurred were smaller than the planning. Furthermore, calculations are carried out for the remaining work (Estimate to complete) and the estimated total cost and time of the entire project. The remaining work is expected to cost $1,466,391.70 for 10 days so that the total cost (Estimate At Completation) is expected to be $6,307,566.02 for 33 days. So it can be concluded that the process of replacing the feed end shell Dryer is delayed due to many factors, one of which is the project area which is a limited area.
Perbaikan Kinerja Digital Marketing Melalui Prediksi Engagement Instagram Brand Produk Berbasis Machine Learning Kurnia, Indah; Mangngenre, Saiful
ARIKA Vol 19 No 2 (2025)
Publisher : Industrial Engineering Study Program, Pattimura University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30598/arika.2025.19.2.75

Abstract

Persaingan ketat antar brand kecantikan lokal di Indonesia menuntut perbaikan kinerja pemasaran digital melalui prediksi engagement di Instagram. Penelitian ini bertujuan membangun model prediksi tingkat keterlibatan (engagement rate) dan mengidentifikasi faktor unggahan yang paling berpengaruh menggunakan pendekatan machine learning. Metode kuantitatif prediktif diterapkan dengan menganalisis 1.922 unggahan dari 10 brand kecantikan terkemuka. Dua algoritma regresi, Random Forest Regression (RFR) dan Support Vector Regression (SVR), dibangun dan dievaluasi. Hasil menunjukkan model SVR lebih unggul dalam memprediksi engagement rate dengan nilai R² 0,0404, MAE 0,5505%, dan RMSE 4,9911%. Meskipun kemampuan model dalam menjelaskan variasi engagement terbatas, nilai MAE yang rendah mengindikasikan akurasi yang memadai untuk estimasi praktis. Analisis interpretasi model SVR mengidentifikasi tiga faktor paling dominan: jumlah pengikut, segmen pengikut mid-tier (100 ribu-1 juta), dan jumlah penyebutan akun lain (mention). Temuan ini menegaskan bahwa fondasi audiens berkualitas dan strategi kolaborasi adalah prioritas utama untuk meningkatkan kinerja pemasaran digital. Model SVR dapat direkomendasikan sebagai alat bantu pengambilan keputusan berbasis data untuk merancang strategi konten yang lebih efektif
Co-Authors A. Besse Riyani Indah Aswal, A Haedir BJ, Muhammad Facheruddin Caroline Felicita Aurelius Ikasari S, Diniary IRWAN SETIAWAN Kurnia, Indah Nur Khaerani Busri Palinoan, Andreas Pandjalangi, Nilda Pasolang, Rara