Claim Missing Document
Check
Articles

Found 15 Documents
Search

Pendekatan Data Science untuk Menemukan Churn Pelanggan pada Sector Perbankan dengan Machine Learning Amir Mahmud Husein; Mawaddah Harahap; Peter Fernandito
Data Sciences Indonesia (DSI) Vol. 1 No. 1 (2021): Article Research Volume 1 Issue 1, June 2021
Publisher : ITScience (Information Technology and Science)

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (626.351 KB) | DOI: 10.47709/dsi.v1i1.1169

Abstract

Peralihan pelanggan merupakan fenomena dimana pelanggan perusahaan berhenti membeli atau berinteraksi sehingga sangat penting bagi perusahaan khususnya perbankan untuk memprediksi kemungkinan churn pelanggan dan hasilnya dapat digunakan untuk membantu retensi pelanggan dan bagian dari strategi perusahaan. Makalah ini menyajikan analisis dan prediksi churn pelanggan dengan menggunakan lima model berbeda yaitu Kneighbors Classifier, Logistic Regression, Linear SVC, Random Tree Classifier dan Random Forest Classifier. Berdasarkan hasil pengujian pendekatan model Random Forest Classifier dan Kneighbors Classifier lebih baik dari pada model lain dengan akurasi sebesar 86% dan 84%. Rekayasa fitur dengan pendekatan Anova dan Chi Square memiliki pengaruh yang signifikan terhadap peningkatan kinerja model prediksi.
Analisis Wawasan Penjualan Supermarket dengan Data Science Mawaddah Harahap; Fachrul Rozi; Yennimar Yennimar; Saut Dohot Siregar
Data Sciences Indonesia (DSI) Vol. 1 No. 1 (2021): Article Research Volume 1 Issue 1, June 2021
Publisher : ITScience (Information Technology and Science)

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (771.16 KB) | DOI: 10.47709/dsi.v1i1.1173

Abstract

Data science atau ilmu data adalah suatu disiplin ilmu yang khusus mempelajari data, khususnya data kuantitatif (data numerik), baik yang terstruktur maupun tidak terstruktur. Pemanfaatkan siklus dalam pengembangan analisis untuk membuat keputusan bisnis yang praktis dan berbasis data, dan menerapkan perubahan berdasarkan keputusan tersebut. Makalah ini menyajikan analisis wawasan yang berguna pada kumpulan transaksi penjualan supermarket selama 3 bulan dari 3 cabang yang berbeda. Berdasarkan hasil analisis nilai rating terting adalah 10, terendah 4 dengan rata-rata rating produk 6.9 dan wanita lebih dominan membeli produk Aksesoris Fashion dan pria Kesehatan & Kecantikan
Data Science bidang Pemasaran : Analisis Prilaku Pelanggan Mawaddah Harahap; Yusniar Lubis; Zakarias Situmorang
Data Sciences Indonesia (DSI) Vol. 1 No. 1 (2021): Article Research Volume 1 Issue 1, June 2021
Publisher : ITScience (Information Technology and Science)

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (647.22 KB) | DOI: 10.47709/dsi.v1i1.1194

Abstract

Dalam kegiatan pemasaran digital, data Science (DS) memiliki peran penting dalam memahami kinerja industri pemasaran sebelum menerapkan teknik pemasaran digital pada pemasaran produk. Hal ini dikarenakan setiap pelanggan merespons secara berbeda setiap penawaran. Perilaku pelanggan juga berubah berdasarkan waktu karena mereka mungkin memiliki kebutuhan yang berbeda pada situasi yang berbeda. Pada makalah ini fokus menyajikan analisis bisnis dengan penerapan DS untuk mengeksplorasi pola perilaku dan juga memprediksi bagaimana pelanggan akan merespons penawaran yang berbeda. Penerapan analisis data eksplorasi juga diterapkan untuk menjawab beberapa pertanyaan bisnis, dari hasil pengamatan menghasilkan lima kelompok pelanggan yang disajikan dalam bentuk visualisasi dan model Random Forest Classifier memiliki skor akurasi prediksi terbaik sebesar 91%, kemudian K neighbors Classifier dan Logistic Regression.
Analisis Pemasaran Bisnis dengan Data Science : Segmentasi Kepribadian Pelanggan berdasarkan Algoritma K-Means Clustering Mawaddah Harahap; Yusniar Lubis; Zakarias Situmorang
Data Sciences Indonesia (DSI) Vol. 1 No. 2 (2021): Article Research Volume 1 Number 2, Desember 2021
Publisher : ITScience (Information Technology and Science)

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (979.801 KB) | DOI: 10.47709/dsi.v1i2.1348

Abstract

Dalam makalah ini kami menyajikan analisis kepribadian pelanggan dalam membantu bisnis untuk memodifikasi produknya berdasarkan target pelanggan dari berbagai jenis segmen pelanggan sehingga menemukan pelanggan yang potensial, membuat pemasaran agar lebih efektif, melihat tren dalam perilaku pembelian pelanggan dan membuat penawaran produk yang relevan kepada pelanggan. Kerangka kerja Data Science (ilmu data) dengan metodologi CRIS-DM diterapkan untuk memberikan pemahaman bisnis, pemahaman data, analisis data dan pemodelan. Pada tahapan pemodelan diusulkan Principal component analysis (PCA) untuk pengurangan dimensial fitur, kemudian algoritma K-Means untuk segmentasi pelanggan dengan menggunakan metode ellow dan silhouette yang menghasilkan nilai k=4 yang paling optimal. Terakhir, hasil 4 cluster di analisis berdasarkan proposi, belanja, pendidikan dan tingkat keberhasilan kampanye yang disajikan secara visualisasi.
K-Means Clustering Algorithm Approach in Clustering Data on Cocoa Production Results in the Sumatra Region Mawaddah Harahap; Arief Wahyu Dwi Ramadhanu Zamili; Muhammad Arie Arvansyah; Erwin Fransiscus Saragih; Selwa Rajen; Amir Mahmud Husein
Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Vol 6 No 6 (2022): Desember 2022
Publisher : Ikatan Ahli Informatika Indonesia (IAII)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29207/resti.v6i6.4199

Abstract

Cocoa agricultural production in Indonesia is currently very low while demand continues to increase every year, so it is very important to build a model that can categorize cocoa farming data. The main objective of this research is to analyze agricultural data using data mining techniques that specifically use the K-Means Clustering algorithm, and Gaussian Mixture Models. In this research, we used quantitative research because it measure number-based data. The results of cocoa production so far still depend on land area, then the number of cocoa trees has a significant effect on the amount of production so it is very important for the government and researchers to develop technologies that can increase cocoa production yields where the demand for cocoa is currently very high in demand worldwide because it can classify the cocoa quality from good quality to poor quality. Based on testing the K-Means Clustering and Gaussian Mixture Model algorithms on data on cocoa production in four provinces, namely North Sumatra, West Sumatra, Lampung and Aceh which were optimized by the Silhouette method, it produced cluster values ​​of 2, 3 and 4. second with a value of 59.8%.