Garuda - Garba Rujukan Digital

Asep Juarna

Unknown Affiliation

Author-ID : 2433516

Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Electrical & Electronics Engineering Engineering

Published : 3 Documents Claim Missing Document

Claim Missing Document

Articles

1

ANALISIS KAUSAL UNTUK JENIS LAYANAN INTERNETI-Direct PADA PT. TIGATRA KOMUNIKATAMA Fahrobby Adnan; Asep Juarna
SPIRIT Vol 7, No 2 (2015): SPIRIT
Publisher : STMIK YADIKA BANGIL

Sebagai meningkatkan kualitas layanan, PT. Tigatra Komunikatama (3GNet) memerlukan informasi yang dapat memberikan solusi pada masalah yang sering keluhkan oleh pengguna. dibutuh sebuah analisis kausal untuk menemukan penyebab masalah sebagai alasan dasar untuk memecahkan dan menghindari masalah / kegagalan. FTA dan WBA adalah analisis kesalahan yang dapat digunakan untuk memenuhi kebutuhan informasi akar masalah penyebab. Penulis Estimated Causal Analysis (ECA) untuk informasi lengkap dengan mengkonsolidasikan data dan informasi dari tim NS (Network Service), NO (Jaringan Operator), Engineer dan lokakarya tim dengan tujuan untuk menggali informasi lebih dalam untuk mendapatkan informasi yang lebih spesifik akar penyebab . Dari hasil analisis, diperoleh informasi ke akar penyebab keluhan pelanggan adalah yang paling mendominasi dan sering terjadi pada keluhan pelanggan melaporkan Januari periode 2012 hingga Desember 2012. Dari informasi ini dapat digunakan sebagai referensi untuk menyarankan perbaikan kepada perusahaan. Kata kunci-3GNet, ECA, FTA, kausalitas, WBA.Keywords—3GNet, ECA, FTA, causality, WBA.

Penerapan Metode Simple Additive Weighting pada Aplikasi Penilaian Kinerja Satuan Kerja Terbaik di Kementerian Pekerjaan Umum dan Perumahan Rakyat Banu Harsa Zulkarnaen; Asep Juarna
Jurnal Explore Vol 11, No 2 (2021): JULI
Publisher : Universitas Teknologi Mataram

Penilaian Kinerja Satuan Kerja tentang pengelolaan barang milik negara dilingkungan Biro Pengelolaan Barang Milik Negara Sekretariat Jenderal Kementerian Pekerjaan Umum dan Perumahan Rakyat yang selama ini diterapkan dirasa masih belum bisa diterima oleh Satuan Kerja yang menjadi peserta, hal ini dirasakan pada saat pengelompokan Satuan Kerja Tipe A dan Tipe B, yang selama ini pengelompokan Satuan Kerja masih mengikuti keadaan Unit Organisasi, jika Unit Organisasi memiliki pengelolaan barang milik negara bernilai besar maka dianggap Satuan Kerja yang ada dibawahnya Satuan Kerja Tipe A, jika Unit Organisasi memiliki pengelolaan barang milik negara bernilai kecil maka dianggap Satuan Kerja yang ada dibawahnya Satuan Kerja Tipe B, begitu juga dengan form penilaian yang sudah digunakan hanya menggunakan metode pembobotan sehingga bisa terjadi kesamaan nilai antara Satuan Kerja yang ingin dinilai. Berdasarkan hal tersebut, sesuai dengan Keputusan Sekertaris Jendral Kementrian PUPR Nomor: 60/KPTS/SJ/2018. Tentang Kriteria Penilaian dalam rangka pemberian penghargaan pengelola Barang Milik Negara pada Satuan Kerja di Kementrian PUPR tahun 2018, mengesahkan diantaranya adalah menetapkan pengembangan Aplikasi Penilaian Kinerja Satuan Kerja Terbaik (http://ebmn.pu.go.id/nilai_satker/) untuk menjadi sarana penilaian digital menggantikan penialain sebelumnya yang masih manual dan menetapkan penerapan metode Simple Additive Weighting untuk menilai kembali variabel yang menjadi kriteria penilaian. Sehingga terciptanya sistem penilaian yang adil, transparan dan dapat diterima oleh semua pihak dilingkungan Kementerian Pekerjaan Umum dan Perumahan Rakyat. Kata Kunci : Pengelolaan Barang Milik Negara, Aplikasi Penilaian Kinerja Satuan Kerja Terbaik, Metode Simple Additive Weighting (SAW)

IMPLEMENTATION RFM ANALYSIS MODEL FOR CUSTOMER SEGMENTATION USING THE K-MEANS ALGORITHM CASE STUDY XYZ ONLINE BOOKSTORE Tri Juhari; Asep Juarna
Jurnal Explore Vol 12, No 1 (2022): JANUARI
Publisher : Universitas Teknologi Mataram

XYZ online bookstore is one of the companies engaged in the online book sales industry that located in Jakarta, Indonesia, but the marketing strategy given to customers has not been maximized, so it has not been able to increase book purchase transactions. Therefore a customer-centered marketing strategy is needed by implementing Customer Relationship Management, One of the methods that can be applied is customer segmentation. Customer segmentation can be done by implementing a data mining process which carried out by using the K-means clustering algorithm and based on the RFM (Recency, Frequency, Monetary) model. . Determining the number of clusters in the clustering process using the elbow method. Performance tests on cluster results using the silhouette method, and the Calinski-Harabasz index. The results of cluster analysis based on customer value using the RFM Combination and Customer Value Matrix methods show that based on the RFM Combination method produces 3 types of customer characteristics namely loyal customers, new customers, and lost customers. Meanwhile, based on the customer value matrix method, it produces 2 types of customer characteristics namely best customer and uncertain customer.

Title

Found 3 Documents
Search

Abstract

Abstract

Abstract

Title Search

Found 3 Documents Search

Abstract

Abstract

Abstract

Title

Found 3 Documents
Search