Article Per Year (5 Year)
p-Index From 2020 - 2025
0.562
P-Index
This Author published in this journals
All Journal Journal of Informatics and Communication Technology (JICT) Jurnal Nuansa: Publikasi Ilmu Manajemen dan Ekonomi Syariah Journal of Informatics and Communication Technology (JICT)
Az Zahra, Nabila Rahmania
Unknown Affiliation
Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Engineering Mathematics

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
Analisis Pengaruh Servicescape Terhadap Kepuasan Pelanggan di Prima Freshmart Sekolah Vokasi IPB University Az Zahra, Nabila Rahmania; Farelia Amarnita Putri; Marcella Magdhalena Erlely; Kayla Nuzulul Fitri; Sephia Anggira Putri
Jurnal Nuansa : Publikasi Ilmu Manajemen dan Ekonomi Syariah Vol. 2 No. 2 (2024): Juni : Jurnal Nuansa : Publikasi Ilmu Manajemen dan Ekonomi Syariah
Publisher : Asosiasi Riset Ilmu Manajemen Kewirausahaan dan Bisnis Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61132/nuansa.v2i2.898

Abstract

This research explores how service quality (servicescape) at Prima Freshmart, Sekolah Vokasi IPB University, affects customer satisfaction. Researchers surveyed 100 customers to gauge their perceptions of service quality and satisfaction. The results indicate that servicescape, as a whole, positively influences customer satisfaction. Among the servicescape dimensions, attentiveness and reliability emerged as the most influential. This suggests that customers value caring and dependable attitudes from the staff at Prima Freshmart. In conclusion, servicescape is a crucial factor for Prima Freshmart to consider in boosting customer satisfaction. Management should prioritize enhancing service quality, particularly regarding staff attentiveness and reliability, to cultivate a more satisfied customer base and encourage repeat business at Prima Freshmart.
Implementasi Algoritma K-Means dan Rapidminer untuk Clustering Data Kemiskinan Provinsi Banten Maulida, Ricka; Counsela Evrilia, Sisilia Ratu; Az Zahra, Nabila Rahmania; Haryadi, Deny
Journal of Informatics and Communication Technology (JICT) Vol. 6 No. 1 (2024)
Publisher : PPM Telkom University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52661/j_ict.v6i1.246

Abstract

Dalam skala nasional, jumlah tingkat kemiskinan di Provinsi Banten yaitu rendah. Hal ini dapat dibuktikan pada Maret 2022, Banten memiliki 6,16% penduduk yang hidup dalam kemiskinan, lebih rendah dari rata-rata nasional 9,54% untuk periode waktu tersebut. Pendekatan algoritma K-Means Clustering adalah strategi data mining yang digunakan pada penelitian ini. Data penelitian ini, yang mencakup 8 Kabupaten/Kota dan 3 variabel, diperoleh dari situs Badan Pusat Statistik (BPS) antara tahun 2020 dan 2022. Faktor-faktor yang diperhitungkan adalah populasi warga kurang mampu (ribu jiwa), rata-rata (Mean), jumlah tahun yang dihabiskan di sekolah (tahun), dan jumlah uang yang dikeluarkan per orang setiap tahun (ribu rupiah). Seluruh rangkaian data dianalisis menggunakan Rapidminer, diproses menjadi 3 tingkatan cluster, cluster sedang yaitu (C0), cluster tinggi yaitu (C1), dan cluster rendah yaitu (C2). Perhitungan pada Rapidminer mengungkapkan bahwa Kota Tangerang dan Kota Tangerang Selatan berada di cluster 0, Kabupaten Pandeglang, Kab Lebak, Kab Serang masuk dalam cluster 1, serta Kabupaten Tangerang, Kota Cilegon, Kota Serang berada di cluster 2.
Implementasi Algoritma K-Means dan Rapidminer untuk Clustering Data Kemiskinan Provinsi Banten Maulida, Ricka; Counsela Evrilia, Sisilia Ratu; Az Zahra, Nabila Rahmania; Haryadi, Deny
Journal of Informatics and Communication Technology (JICT) Vol. 6 No. 1 (2024)
Publisher : PPM Telkom University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52661/j_ict.v6i1.246

Abstract

Dalam skala nasional, jumlah tingkat kemiskinan di Provinsi Banten yaitu rendah. Hal ini dapat dibuktikan pada Maret 2022, Banten memiliki 6,16% penduduk yang hidup dalam kemiskinan, lebih rendah dari rata-rata nasional 9,54% untuk periode waktu tersebut. Pendekatan algoritma K-Means Clustering adalah strategi data mining yang digunakan pada penelitian ini. Data penelitian ini, yang mencakup 8 Kabupaten/Kota dan 3 variabel, diperoleh dari situs Badan Pusat Statistik (BPS) antara tahun 2020 dan 2022. Faktor-faktor yang diperhitungkan adalah populasi warga kurang mampu (ribu jiwa), rata-rata (Mean), jumlah tahun yang dihabiskan di sekolah (tahun), dan jumlah uang yang dikeluarkan per orang setiap tahun (ribu rupiah). Seluruh rangkaian data dianalisis menggunakan Rapidminer, diproses menjadi 3 tingkatan cluster, cluster sedang yaitu (C0), cluster tinggi yaitu (C1), dan cluster rendah yaitu (C2). Perhitungan pada Rapidminer mengungkapkan bahwa Kota Tangerang dan Kota Tangerang Selatan berada di cluster 0, Kabupaten Pandeglang, Kab Lebak, Kab Serang masuk dalam cluster 1, serta Kabupaten Tangerang, Kota Cilegon, Kota Serang berada di cluster 2.
Co-Authors Counsela Evrilia, Sisilia Ratu Deny Haryadi Farelia Amarnita Putri Kayla Nuzulul Fitri Marcella Magdhalena Erlely Maulida, Ricka Sephia Anggira Putri