Article Per Year (5 Year)
p-Index From 2021 - 2026
2.386
P-Index
This Author published in this journals
All Journal METHOMIKA: Jurnal Manajemen Informatika & Komputerisasi Akuntansi Jurnal Pengabdian Kepada Masyarakat Abdi Nusa IC Tech: Majalah Ilmiah SmartComp LogicLink: Journal of Artificial Intelligence and Multimedia in Informatics
Devi Sugianti
STMIK Widya Pratama
Humanities Civil Engineering, Building, Construction & Architecture Computer Science & IT Economics, Econometrics & Finance Electrical & Electronics Engineering Public Health Other

Published : 14 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search
Journal : SmartComp

 1 
Segementasi Nasabah Tabungan Pada BMT XXX dengan Metode Fuzzy C Means dan Model RFM arief soma darmawan; Devi Sugianti; Anas Syaifudin
Smart Comp :Jurnalnya Orang Pintar Komputer Vol 10, No 2 (2021): Smart Comp: Jurnalnya Orang Pintar Komputer
Publisher : Politeknik Harapan Bersama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30591/smartcomp.v10i2.2355

Abstract

Setiap perusahaan akan berlomba lomba untuk meningkatkan pelayanan kepada pelanggan, agar pelanggan tidak berpindah ke pesaing. BMT XXX juga tidak menginginkan nasabahnya berpindah ke pesaing. Pada tahun 2019 nasbah BMT XXX mencapai 4882 nasabah, akan tetapi yang aktif melakukan transaksi penabungan hanya 1392 nasabah. BMT mengalami kesulitan dalam menginterpretasikan data, karena data yang tersaji dalam bentuk manual. Untuk membantu BMT dalam mengelompokkan nasabah yang potensial menggunakan metode fuzzy C Means dan model RFM (Recency, Frequency, dan  Monetary). Metode Fuzzy C means  digunakan karena dapat menggelompokkan data yang lebih besar dan lebih kokoh pada data oulier, dalam menentukan cluster atau kelompok dengan derajat keanggataan. Langkah langkah metode penelitian yang dilakukan adalah pengumpulan data, pengolahan data, metode yang diusulkan, eksperimen metode, validasi hasil atau pengujina. Hasil pengujian dengan Davies Bouldin Index diperoleh 0,464 dengan jumlah klaster sebanyak 6. Dengan kelas nasbah superstar sebanyak 79 nasabah, golden sebanyak 462 nasabah, typical customer  124 nasabah, occantional customer sebanyak 271 nasabah, everyday sopper  239 nasabah, dormant cusomer  217 nasabah. Dengan adanya data tersebut dapat digunakan oleh BMT XXX pengambilan keputusan dalam hal menentukan strategi marketing untuk meningkatkan pelanggan agar pelanggan selalu aktif melakukan penabungan. Kata Kunci : Segementasi nasabah, fuzzy c means, RFM
Case Based Reasoning Untuk Mendeteksi Penyakit Kucing Dengan Metode KNN Arief Soma Darmawan; Devi Sugianti; Muhammad Faisal Halim
Smart Comp :Jurnalnya Orang Pintar Komputer Vol 11, No 2 (2022): Smart Comp: Jurnalnya Orang Pintar Komputer
Publisher : Politeknik Harapan Bersama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30591/smartcomp.v11i2.3452

Abstract

Kucing adalah hewan kesayangan yang sangat populer dikalangan masyarakat Indonesia. Ketersediaan dokter tidak sebanding dengan banyaknya masyarakat yang mencintai kucing serta pemilik juga banyak yang belum mengetahui cara pemeliharaan dengan benar. Jenis penyakit yang dialami kucing sangat banyak maka dari itu membutuhkan penanganan dan pengobatan yang berbeda-beda. Maka untuk dapat mendiagnosa penyakit pada kucing dibutuhkan sebuah sistem dengan berbasis Case Based Reasoning(CBR) dengan metode K Nearest Neighbor. Case Base Reasoning (CBR) dapat penyelesaikan masalah berdasarkan masa lalu yang sama untuk menyelesaikan masalah yang baru, dalam memecahkan kasus baru maka mengingat kasus lama. Algoritma K Nearest Neighbor memilih data  sejumlah K yang paling dekat dari data baru. Metode penelitian yang digunakan adalah CHRISP –DM (Cross Industry Process for data mining)  dengan tahapan sebagai berikut: Fase Pemahaman Bisnis, Fase Pemahaman data, Fase Pengolahan Data, Fase Pemodelan, Fase Evaluasi dan Fase penyebaran. Data yang didapat 320 data, setelah melalukan fase pengolahan data menjadi 250 data. Pengujian akurasi didapatkan akurasi yang paliing tinggi adalah dengan menggunakan nilai K= 3 dengan tingkat akurasi sebesar 97 %.
Association Rule Mining untuk Penentuan Media Promosi Pendaftaran Mahasiswa Baru dengan Metode Apriori Devi Sugianti
Smart Comp :Jurnalnya Orang Pintar Komputer Vol 12, No 1 (2023): Smart Comp: Jurnalnya Orang Pintar Komputer
Publisher : Politeknik Harapan Bersama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30591/smartcomp.v12i1.4124

Abstract

Jumlah perguruan tinggi swasta di Jawa Tengan terdapat 247 perguruan tinggi, persaingannya semakin ketat. Maka dari itu dibutuhkan inovasi agar dapat beradaptasi dan bertahan. Keunggulan perguruan tinggi harus ditonjolkan dalam mempromosikan perguruan tinggi tersebut. STMIK Widya Pratama disetiap tahunnya melakukan promosi untuk menjaring mahasiswa baru. Adapun media promosi yang digunakan berupa brosur, poster, spanduk, radio, koran, bagian pendaftaran, teman, dosen/staf, sosial media. Data dibagian pendaftaran semakin lama bertambah besar dari tahun ke tahunnya, maka dari itu perlu diolah. Model pengolahan data yang digunakan adalah  data mining agar dapat menyelesaiakan permasalahan dalam menemukan atribut-atribut yang terjadi besamaan adalah Association rules (aturan asosiasi). Tahapan metode penelitian yang dilakukan adalah: Extraction, Prepocessing, algoritma data mining dan rule. Pada penelitian ini di hasilkan bahwa jika teman maka sosial media, dengan batasan nilai support min 0,3 dan minimal confidence 0,5. Algoritma apriori dapat membetuk pola kombinasi dengan aturan asosiasi setelah melakukan perhitungan nilai support dan confidence
Co-Authors Anas Syaifudin ARI PUTRA WIBOWO arief soma darmawan Arief Soma Dharmawan Arif Soma Darmawan Faizal Kurniawan Hermanus Wim Hapsoro Indrayanti Indrayanti M. Adib Al Karomi Muhammad Faisal Halim Risqiati Risqiati Syaifudin, Anas Wahyu Setianto Widiyono Widiyono Wim Hapsoro