Article Per Year (5 Year)
p-Index From 2020 - 2025
0.408
P-Index
This Author published in this journals
All Journal JATI (Jurnal Mahasiswa Teknik Informatika) Jurnal Ilmiah Wahana Pendidikan
Stefani, Arnisa
Unknown Affiliation
Religion Computer Science & IT Education Social Sciences Other

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

Found 2 Documents
Search

 1 
OPTIMASI PENJUALAN TOKO KELONTONG DENGAN MENERAPKAN ALGORITMA APRIORI Saenafulloh, Riki; Stefani, Arnisa
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 7 No. 3 (2023): JATI Vol. 7 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v7i3.6967

Abstract

Dalam bisnis toko kelontong, diperlukan strategi yang efektif untuk meningkatkan keuntungan dan menghadapi persaingan dari toko-toko kelontong lain yang memiliki model usaha serupa. Beberapa contoh strategi yang bisa diimplementasikan adalah mempertahankan ketersediaan stok barang yang sering dicari oleh pelanggan, menawarkan produk tambahan kepada pelanggan berdasarkan pembelian sebelumnya, dan mengatur susunan atau layout barang di toko untuk mempengaruhi keputusan pembelian pelanggan. Untuk mengembangkan strategi ini, data transaksi dari toko kelontong perlu diolah menggunakan metode data mining, khususnya metode Apriori, yang bertujuan mencari aturan asosiasi dari kumpulan data transaksi tersebut. Dari hasil analisis data, didapatkan temuan bahwa persediaan rokok dan kopi sachet harus diperhatikan secara seksama agar stok tidak kosong, sehingga pelanggan tidak kecewa dan tetap loyal. Selain itu, penjual dapat menggunakan informasi support kombinasi dua item atau aturan asosiasi untuk memberikan rekomendasi produk tambahan kepada pelanggan, hal ini dapat meningkatkan peluang penjualan. Penempatan item yang berhubungan secara strategis dalam layout toko juga penting untuk menarik perhatian pelanggan dan mendorong pembelian impulsif. Item-item yang memiliki hubungan erat, seperti sayur dan minyak, sebaiknya ditempatkan berdekatan agar lebih mudah ditemukan oleh pelanggan. Serta usahakan item yang tertera pada tabel asosiasi di tempatkan di tempat yang strategis.
Pendeteksi Face Mask Menggunakan Model CNN (Convolutional Neural Network) Saputra, Rivaldi Julian; Saragih, Yuliarman; Stefani, Arnisa
Jurnal Ilmiah Wahana Pendidikan Vol 9 No 24 (2023): Jurnal Ilmiah Wahana Pendidikan
Publisher : Peneliti.net

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.5281/zenodo.10435426

Abstract

Health protocols are needed to prevent the spread of Covid-19. The use of face masks is one of the commonly used health protocols. Checking manually to detect faces that are not wearing masks is a long and tedious job. The basis of this research is Deep Learning which is a high-level, layered, and deep modeling algorithm that is widely applied to computer vision. Computer vision is a branch of computer science that can be used for image classification. Convulsional Neural Network is a deep learning algorithm that has good performance in image classification. Transfer learning is the latest method to speed up training time on datasets and to get better classification performance. This study classifies facial images to distinguish people wearing masks or not using Deep Learning. The system will classify and then give status to people wearing masks or not. This artificial intelligence system or what can be called Artificial Intelligence will help human work. This system can be added to more complex outputs such as opening doors, attendance, screening of people who enter public places that have closed rooms
Co-Authors Saenafulloh, Riki Saputra, Rivaldi Julian Yuliarman Saragih