Claim Missing Document
Check
Articles

Found 2 Documents
Search

PENERAPAN BRANDING PADA UMKM WARUNG PUNCAK PECEL BLITAR BU TIA DI KELURAHAN NGADIRENGGO Nadendra, Ditto; Swasti, Ika Korika
KARYA: Jurnal Pengabdian Kepada Masyarakat Vol 3 No 3 (2023): KARYA: Jurnal Pengabdian Kepada Masyarakat
Publisher : FKIP Universitas Samawa

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Penerapan branding pada Usaha Mikro, Kecil, dan Menengah (UMKM) membuat konsumen lebih mudah untuk memilih produk di antara banyaknya pilihan dan kualitas produk yang tersedia, penerapan branding yang tepat bagi UMKM yang berada di daerah wisata merupakan nilai lebih yang dapat meningkatkan promosi tidak hanya pada masyarakat Kelurahan Ngadirenggo tetapi juga pada pengunjung wisata agro tersebut. Banyak UMKM yang belum menyadari bahwa branding dapat menjadi salah satu faktor penting dalam memenangkan persaingan di pasar. Penelitian ini bertujuan untuk membantu UMKM di Kelurahan Ngadirenggo untuk membangun identitas dan citra merek yang kuat sehingga mereka dapat lebih dikenal dan diingat oleh konsumen. Sehingga UMKM dapat memiliki suatu nilai lebih dibandingkan dengan pelaku UMKM lainnya.
Optimizing Powertrain Disassembly Efficiency via Machine Learning -Based Lean Six Sigma at PT. TU Surabaya Branch Nadendra, Ditto; Handayani, Wiwik
Journal of Applied Business Administration Vol 9 No 2 (2025): Journal of Applied Business Administration
Publisher : Pusat P2M Politeknik Negeri Batam

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30871/jaba.10209

Abstract

Operational efficiency is vital in mining and construction, were equipment availability drives productivity. This study assesses reconditioning effectiveness for Powertrain components at PT. TU Surabaya, focusing on the Disassembly stage the primary bottleneck in the maintenance cycle. Lean Six Sigma is applied using the DMAIC (Define, Measure, Analyze, Improve, Control) framework to identify, measure, and regulate service duration factors. Machine Learning, via Decision Tree Regression in KNIME, analyzes historical data to predict optimal Disassembly timeframes. Efficiency improvement is implemented using the 5S method, while a Decision Matrix prioritizes solutions to enhance overall system performance. Results from initial implementation show a reduction in average process duration from 26.37 days to 15.33 days. Predictive analysis also reflects an increase in Process Cycle Efficiency (PCE) from 46.49% to 53.20%. These findings affirm the effectiveness of a structured, data-driven operational strategy that combines Lean Six Sigma and predictive analytics to resolve service bottlenecks and improve industrial process outcomes.