Article Per Year (5 Year)
p-Index From 2020 - 2025
0.444
P-Index
This Author published in this journals
All Journal Nuansa Informatika
Nita Mirantika
Universitas Kuningan
Computer Science & IT

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

Found 2 Documents
Search

 1 
ANALISIS TINGKAT KESIAPAN PENGGUNA E-LEARNING UNIVERSITAS KUNINGAN DENGAN MENGGUNAKAN MODEL TECHONOLOGY READINESS INDEX (TRI) Fahmi Yusuf; Tri Septiar Syamfithriani; Nita Mirantika
NUANSA INFORMATIKA Vol 14, No 2 (2020)
Publisher : FKOM UNIKU

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (376.83 KB) | DOI: 10.25134/nuansa.v14i2.2991

Abstract

Readiness in adopting new technology, especially in Online Learning in a certain University, is determined by user’s readiness i.e. the User in Online Learning.  In Kuningan University, we have concern in e-class: Online learning System, which is categorized as a new technology. The research is to analyze the user’s readiness and to measure the success of the e learning applied in our University. The method that we use in this research to measure user’s readiness level is the Technology Readiness Index (TRI). TRI is an index to measure the User’s readiness in using new technology to achieve the daily learning. The measurement is done by using four variables ; optimism, innovativeness, discomfort and insecurity. We use SPSS 21 application to analyze our data. The Research data is collected by giving Questioners to 371 respondents in Kuningan University (UNIKU). After we had calculated the data, we got the result that the TRI total value was 2.81 (categorized as Low Technology Readiness Index) and the user group was categorized as Skeptics Group (the optimism, innovativeness, discomfort and insecurity were low. These made the students of Kuningan University had uncertain feeling towards the e-class.Key words: Technology readiness index, e-learning, LMS
Implementasi Algoritma K-Medoids Clustering Untuk Menentukan Segmentasi Pelanggan Nita Mirantika; Tri Septiar Syamfithriani; Ragel Trisudarmo
NUANSA INFORMATIKA Vol 17, No 1 (2023)
Publisher : FKOM UNIKU

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25134/fkom uniku.v17i1.7264

Abstract

Dalam melakukan pengelolaan hubungan dengan pelanggan, perusahaan harus mengenali karakteristik setiap pelanggan sehingga perusahaan dapat membuat strategi pengelolaan yang tepat sesuai dengan karakteristik tersebut. Identifikasi karakteristik pelanggan dapat diperoleh dengan melakukan segmentasi pelanggan yaitu dengan mengelompokkan pelanggan yang memiliki kesamaan karakteristik. Tujuan penelitian ini adalah untuk melakukan segmentasi pelanggan pada XYZ Store dengan menggunakan teknik data mining clustering yaitu dengan menggunakan algoritma K-Medoids yang menggunakan perwakilan data sebagai pusat cluster. Atribut yang digunakan dalam penelitian ini menggunakan analisis RFM yang terdiri dari tiga atribut yaitu: recency, frequency dan monetary. Penentuan jumlah cluster optimal menggunakan metode Silhouette coefficient  dan evaluasi hasil cluster menggunakan metode Davies-Bouldin Index (DBI). Dengan menggunakan bantuan aplikasi RStudio hasil segmentasi pelanggan diperoleh tiga segmen pelanggan yaitu loyal customer yang mempunyai nilai recency tinggi (baru), frequency paling banyak dan monetary paling banyak sebanyak 21 pelanggan; typical customer yang memiliki recency rendah (lama), frequency sedang dan monetary sedang sebanyak 31 pelanggan; dan newcomer yang mempunyai nilai recency paling tinggi (paling baru), frequency dan monetary paling rendah sebanyak 61 pelanggan. Dengan diperolehnya tiga segmen pelanggan, maka perusahaan dapat membuat kebijakan dan strategi bisnis dalam melakukan pengelolaan hubungan dengan pelanggan sehingga diharapkan keuntungan perusahaan akan meningkat.
Co-Authors Fahmi Yusuf Ragel Trisudarmo Syamfithriani, Tri Septiar