Article Per Year (5 Year)
p-Index From 2020 - 2025
0.444
P-Index
This Author published in this journals
All Journal Jurnal Fibonaci: Jurnal Pendidikan Matematika Jurnal Manajemen Riset Inovasi
cahaya Tambunan
Unknown Affiliation
Decision Sciences, Operations Research & Management Mathematics

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

Found 2 Documents
Search

 1 
fektivitas Penggunaan Aplikasi SPSS Dalam Pencarian Ukuran Pemusatan Data Bagi Mahasiswa Kelas E Prodi Pendidikan Matematika 2019 Universitas Negeri Medan cahaya Tambunan; Mia Rizki Idaroyanni Siregar; Sartika Rismaya
Jurnal Fibonaci: Jurnal Pendidikan Matematika Vol 2, No 1 (2021): Jurnal Fibonaci: Jurnal Pendidikan Matematika
Publisher : Prodi Pendidikan Matematika FMIPA Universitas Negeri Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24114/jfi.v2i1.28632

Abstract

Penelitian ini merupakan penelitian mengenai efektivitas penggunaan aplikasi SPSS dalam materi pencarian ukuran pemusatan data bagi mahasiswa kelas E Prodi Pendidikan Matematika 2019. Tujuan penelitian ini untuk mengetahui kemampuan mahasiswa pendidikan matematika kelas E 2019 di Universitas Negeri Medan dalam memahami konsep pemusatan data menggunakan aplikasi SPSS. Penelitian ini menggunakan metode kualitatif deskriptif. Dalam penelitian ini metode pengumpulan data yang digunakan adalah angket atau kuesioner. Hasil validasi dari penelitian ini adalah (1) 93% responden sudah pernah menggunakan aplikasi SPSS. (2) Diperoleh data 87% responden menguasai aplikasi SPSS dalam mencari ukuran pemusatan data. (3) 100% merasa SPSS membantu mencari ukuran pemusatan data lebih teliti.(4) 90% responden mengaku aplikasi SPSS mempersingkat waktu untuk mencari ukuran pemusatan data. (5) Hanya 20% responden yang mengetahui adanya aplikasi lain yang dapat membantu pencarian ukuran pemusatan data. (6) Terdapat variasi kepuasan terhadap keseluruhan dalam penggunaan aplikasi SPSS, dengan nilai 9 (kepuasan 90%) mendominasi penilaian responden
Optimalisasi Strategi Pemasaran Melalui Analisis RFM pada Dataset Transaksi Ritel Menggunakan Python Andy Hermawan; Nila Rusiardi Jayanti; Aji Saputra; Cahaya Tambunan; Dzaky Muhammad Baihaqi; Muhammad Alif Syahreza; Zacharia Bachtiar
Jurnal Manajemen Riset Inovasi Vol. 2 No. 4 (2024): Oktober : Jurnal Manajemen Riset Inovasi
Publisher : Pusat Riset dan Inovasi Nasional

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55606/mri.v2i4.3246

Abstract

This study aims to optimize marketing strategies through RFM (Recency, Frequency, Monetary) analysis on a retail transaction dataset obtained from Kaggle. The dataset contains 64,682 transactions from 5,242 SKUs involving 22,625 customers over one year. Data cleaning and RFM analysis were conducted to segment customers based on recency, frequency, and monetary values. The findings reveal that customers were segmented into groups such as Champions, Loyal Customers, and At Risk. These segments provide valuable insights for developing targeted marketing strategies, such as loyalty programs for high-value customers and retention campaigns for at-risk customers. The study demonstrates that RFM analysis is effective in identifying valuable customer segments and optimizing marketing efforts based on customer behavior. This approach can increase customer retention and improve the return on investment (ROI) in marketing campaigns.
Co-Authors Aji Saputra Andy Hermawan Dzaky Muhammad Baihaqi Mia Rizki Idaroyanni Siregar Muhammad Alif Syahreza Nila Rusiardi Jayanti Sartika Rismaya Zacharia Bachtiar