Article Per Year (5 Year)
p-Index From 2021 - 2026
1.671
P-Index
This Author published in this journals
All Journal Jurnal Buana Informatika Jurnal Edukasi dan Penelitian Informatika (JEPIN) JURNAL TEKNIK INFORMATIKA DAN SISTEM INFORMASI Jutisi: Jurnal Ilmiah Teknik Informatika dan Sistem Informasi bit-Tech Informatics and Digital Expert (INDEX) Journal of Applied Computer Science and Technology (JACOST) MDP Student Conference
Jimmy Tjen
Universitas Widya Dharma Pontianak
Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering

Published : 11 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : bit-Tech

 1 
Uncovering Legendary Coffee Shops in Pontianak Through Sentiment Analysis Salim, Ilucky; Tjen, Jimmy
bit-Tech Vol. 7 No. 3 (2025): bit-Tech
Publisher : Komunitas Dosen Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32877/bt.v7i3.2240

Abstract

Nowadays, coffee shops are scattered everywhere offering a variety of unique experiences to attract customers. Despite the rapid emergence of modern coffee shops, certain long-established coffee shops (often referred to as “legendary coffee shops”) continue to thrive and maintain a loyal customer base. The success of legendary coffee shops can be attributed to factors such as signature beverages, distinctive ambiance, and a strong word-of-mouth reputation. Unlike newer establishments that rely heavily on digital marketing, these coffee shops build trust and popularity over time. To further understand their influence, sentiment analysis can be applied to customer reviews of the coffee shops. This study analyzes two legendary coffee shops in Pontianak, namely Aming Coffee Shop and Asiang Coffee Shop to understand the key factors behind their sustainability despite strong competition using Naïve Bayes Method. The best accuracy for testing data at a 50:50 ratio was 76.76%, while training data reached 96.16%. The resulting precision and recall values are 96.16% and 78.81%. This study employs N-gram 3 model to identify the top words of both coffee shops. The findings indicates that both coffee shops are well-known for their signature milk coffee and unique flavor beverages that resonate with the local community. Aming Coffee Shop attracts young customers with affordable prices, while Asiang Coffee Shop maintains its traditional coffee shop ambiance, appealing to customers seeking nostalgia. From these two case studies, it is evident the success of a coffee shop is highly influenced by taste, branding, and customer experience.
Prediksi Safety Stock Produk Filter Oli Sepeda Motor Berbasis Demand Response (DR) - ARMA Tendean, Sandi; Tjen, Jimmy; Iskandar, Riyadi Jimmy
bit-Tech Vol. 8 No. 1 (2025): bit-Tech
Publisher : Komunitas Dosen Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32877/bt.v8i1.2282

Abstract

Manajemen rantai pasokan merupakan hal krusial yang dibutuhkan dalam menjaga persediaan suatu produk supaya tetap tersedia selama masa tunggu. Hal ini bertujuan untuk menjaga keberlanjutan suatu bisnis sehingga penjualan produk tersebut tidak terganggu dengan permasalahan kurangnya persediaan. Namun, metode prediksi konvensional seperti ARMA-klasik dan ARMA-GARCH seringkali kurang akurat pada data riil yang bersifat sparse yang didominasi nilai nol dan fluktuatif. Penelitian ini bertujuan untuk menggagas sebuah metode Auto Regressive Moving Average (ARMA) baru yang menggabungkan konsep demand response dengan analisis galat yang bernama Demand Response-ARMA (DR-ARMA). Metode ini dikembangkan melalui tiga tahap, yaitu penurunan matematis berbasis RMSE dan analisis tren, adaptasi model untuk data sparse, dan validasi menggunakan data primer penjualan sparepart filter oli dari CV di Kalimantan Barat selama 60 hari. DR-ARMA mengoptimasi prediksi ARMA berdasarkan pada tren penjualan serta mengontrol ketidakpastian prediksi dengan memanfaatkan analisis galat, supaya kesalahan prediksi dapat berkurang selama perhitungan safety stock. Simulasi numerik dilakukan pada data penjualan filter oli dari sebuah perusahaan yang ada di Kalimantan Barat. Hasil simulasi menunjukkan bahwa metode DR-ARMA dapat memprediksi penjualan filter oli dengan akurasi 80%, lebih tinggi dibandingkan metode prediksi lainnya seperti ARMA-Generalized Auto Regressive Conditional Heteroskedasticity (GARCH) (74%) dan ARMA-klasik (57%). Metode DR-ARMA juga dapat digunakan untuk memprediksikan safety stock untuk 60 hari kedepan dengan tingkat kesalahan prediksi sekitar 17%. Hal ini menunjukkan bahwa metode DR-ARMA cocok digunakan untuk memprediksikan safety stock dari data yang bersifat sparse. Metode DR-ARMA dapat membantu pengguna dalam mengatur jumlah persediaan barang yang dibutuhkan tanpa perlu melakukan pengisian gudang secara berlebihan.
Co-Authors Genrawan Hoendarto Jimmy Iskandar, Riyadi Sabila, Qolbi Sin Salim, Ilucky Tendean, Sandi Therence, Claretty Tony Darmanto Valentina, Cecilia Valentino Pratama Verita, Nengsy Willay, Thommy