Article Per Year (5 Year)
p-Index From 2021 - 2026
0.408
P-Index
This Author published in this journals
All Journal Building of Informatics, Technology and Science Journal of Computer System and Informatics (JoSYC)
Rifqi Habibi Sachrrial
Universitas Nasional, Jakarta
Computer Science & IT Decision Sciences, Operations Research & Management Industrial & Manufacturing Engineering

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

Found 2 Documents
Search

 1 
Analisa Perbandingan Complate Linkage AHC dan K-Medoids Dalam Pengelompokkan Data Kemiskinan di Indonesia Rifqi Habibi Sachrrial; Agus Iskandar
Building of Informatics, Technology and Science (BITS) Vol 5 No 2 (2023): September 2023
Publisher : Forum Kerjasama Pendidikan Tinggi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47065/bits.v5i2.4310

Abstract

The poverty rate in Indonesia has increased from 9.54 percent in March 2022 to 9.57 percent in September 2022 due to inflation and low wages and people's incomes. To overcome this problem, steps such as providing social assistance, creating decent jobs, and increasing wage standards are needed to increase people's purchasing power and reduce poverty in the future. The government needs to pay special attention to provinces with high poverty rates through special programs and efforts to increase income and the economy in these areas. Data Mining is a solution in solving this problem by utilizing the clustering method which is known as the clustering method. The clustering method used in this study is the AHC method and the K-Medoids method. In order to determine the provinces with the highest number of poor people, the AHC and K-Medoids clustering methods will be applied separately so that the final results of each will be analyzed. The results of the analysis show the formation of three clusters with different cluster locations. The application of the AHC method resulted in cluster 2 with the largest number of provinces, namely 22 provinces, followed by cluster 0 with 9 provinces, and cluster 1 with only 3 provinces. While the application of the K-Medoids method resulted in cluster 1 with the largest number of provinces, namely 22 provinces, followed by cluster 0 with 9 provinces, and cluster 2 with only 3 provinces. Although the location of the clusters is different between the two methods, the number of provinces in the cluster is the same so that a cluster with a total of 3 provinces is declared the province with the largest number of poor people.
Seleksi Penerimaan Customer Service Dalam Sistem Pendukung Keputusan Dengan Menerapkan Metode OCRA Rifqi Habibi Sachrrial; Agus Iskandar
Journal of Computer System and Informatics (JoSYC) Vol 4 No 4 (2023): August 2023
Publisher : Forum Kerjasama Pendidikan Tinggi (FKPT)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47065/josyc.v4i4.4042

Abstract

Penelitian ini membahas tentang seleksi penerimaan Customer Service (CS) menggunakan Sistem Pendukung Keputusan (SPK) dengan menerapkan metode OCRA (Optimized Cost-Risk Analysis). Tujuan dari penelitian ini adalah untuk memperbaiki efisiensi dan efektivitas proses seleksi penerimaan CS, sehingga perusahaan dapat merekrut individu yang paling sesuai untuk peran tersebut. Metode OCRA digunakan sebagai pendekatan dalam penelitian ini karena dapat mengatasi beberapa tantangan dalam seleksi penerimaan CS, seperti mengevaluasi kualifikasi dan kemampuan kandidat, serta meminimalkan risiko pemilihan individu yang tidak tepat. Penelitian ini menggunakan data historis dari CS yang sudah terbukti berhasil dalam pekerjaan mereka sebagai basis pembuatan model OCRA. Langkah-langkah penelitian meliputi pengumpulan data kualifikasi dan kinerja CS yang saat ini berada di dalam perusahaan, kemudian data ini digunakan untuk melatih dan menguji model OCRA. Model OCRA akan menggabungkan beberapa faktor, termasuk keahlian komunikasi, pengetahuan produk, perilaku dalam menangani pelanggan, dan karakteristik personal lainnya yang relevan untuk pekerjaan CS. Hasil dari penelitian ini diharapkan dapat memberikan kontribusi penting dalam proses seleksi penerimaan CS dengan cara mengidentifikasi kandidat terbaik yang memiliki potensi untuk mencapai keberhasilan dalam peran tersebut. Selain itu, penggunaan metode OCRA juga diharapkan dapat mengurangi risiko perekrutan CS yang kurang sesuai, sehingga dapat mengurangi biaya dan waktu yang diperlukan dalam proses rekrutmen ulang. Setelah dilakukan tahapan-tahapan perhitungan dengan menggunakan metode OCRA, maka didapatkan hasil tertinggi yaitu A6 dengan nilai 0.935 atas nama sindi cantika yang memiliki pengalaman kerja 2 tahun dan keterampilan komunikasi nya sangat baik.
Co-Authors Agus Iskandar