Article Per Year (5 Year)
p-Index From 2020 - 2025
0.817
P-Index
This Author published in this journals
All Journal Jurnal Ilmiah FIFO MANISE (Manajemen, Bisnis dan Ekonomi) Fahma : Jurnal Informatika Komputer, Bisnis dan Manajemen Informasi interaktif : jurnal informatika dan teknologi informasi
Perdana, Ivan Jaka
Unknown Affiliation
Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Engineering

Published : 4 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 4 Documents
Search

 1 
Perancangan Ulang User Interface Sistem Informasi Akademik dengan Metode Design Thinking Edy Prayitno; Prayitno, Edy; Suprawoto, Totok; Perdana, Ivan Jaka
Jurnal Informatika Komputer, Bisnis dan Manajemen Vol 22 No 2 (2024): Mei 2024
Publisher : LPPM STMIK El Rahma Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61805/fahma.v22i2.132

Abstract

Sistem informasi akademik memainkan peran penting dalam mendukung aktivitas pendidikan di perguruan tinggi. Namun, banyak sistem yang ada saat ini menghadapi masalah antarmuka pengguna (user interface) yang tidak intuitif, yang menyebabkan kesulitan navigasi dan ketidakpuasan pengguna. Penelitian ini bertujuan untuk merancang ulang antarmuka pengguna sistem informasi akademik menggunakan metode Design Thinking, yang berfokus pada pendekatan berpusat pada pengguna.Proses penelitian melibatkan lima tahap utama: empati, definisi, ideasi, prototipe, dan pengujian. Tahap empati dilakukan dengan mengumpulkan data dari 150 pengguna sistem untuk memahami kebutuhan dan permasalahan mereka. Selanjutnya, permasalahan didefinisikan dan solusi inovatif dihasilkan melalui sesi brainstorming pada tahap ideasi. Prototipe antarmuka baru kemudian dikembangkan dan diuji oleh pengguna untuk mendapatkan umpan balik. Hasil penelitian menunjukkan peningkatan signifikan dalam kepuasan dan efisiensi pengguna. Desain baru berhasil meningkatkan kemudahan navigasi, estetika, dan kinerja sistem. Dengan rata-rata kepuasan pengguna meningkat sebesar 50%, penelitian ini membuktikan bahwa Design Thinking adalah pendekatan yang efektif untuk menciptakan solusi desain antarmuka yang lebih baik dan relevan. Temuan ini memberikan panduan praktis bagi institusi pendidikan dalam meningkatkan sistem informasi akademik mereka.
PENGARUH WORKING CAPITAL TURNOVER, TOTAL ASSETS TURNOVER, OPERATING PROFIT MARGIN, RETURN ON ASSETS DAN NET PROFIT MARGIN TERHADAP PERUBAHAN LABA Perdana, Ivan Jaka; Triyanto, Heru Agus; Cahyani, Melsa Dian; Melisa, Tika Nur
Manajemen, Bisnis dan Ekonomi Vol 2, No 1 (2023): Okteber 2023
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat - Universitas Teknologi Digital Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26798/manise.v2i1.1150

Abstract

Menganalisa faktor-faktor yang mempengaruhi perubahan laba yaitu pengaruh working capital turnover (WCTO), total asset turnover (TATO), operating profit margin (OPM), return on asset (ROA) dan net profit margin (NPM) terhadap perubahan laba pada perusahaan ritel yang terdaftar di Bursa Efek Indonesia selama periode 2017-2021 adalah tujuan dari dlakukannya penelitian ini. Metode pengolahan data dilakukan dengan menggunakan uji  linear  berganda. Penelitian ini menggunakan pendekatan kuantitaif. Melakukan uji hipotesis yang harus memenuhi kriteria, yaitu uji R2, uji t dan uji F.Data yang digunakan dalam penelitian ini adalah data sekunder yang diperoleh dari laporan publikasi dari website www.idx.co.id. Teknik pengumpulan data yang digunakan adalah metode dokumentasi   dan   studi   kepustakaan. Pengambilan sampel pada penelitian ini menggunakan metode Purposive Sampling dan dari 36 perusahaan Ritel yang tercatat hanya ada 25 perusahaan publik yang memenuhi kriteria penelitian. Hasil penelitian ini menunjukkan bahwa: Working capital turnover Return On Asset dan Net profit margin tidak berpengaruh positif terhadap pertumbuhan laba; sedangkan Total Asset turnovery dan Operating profit margin berpengaruh positif terhadap pertumbuhan laba.
OPTIMALISASI PROFITABILITAS RITEL MELALUI SEGMENTASI PELANGGAN DENGAN K-MEANS CLUSTERING Edy Prayitno; Perdana, Ivan Jaka; Iskandar, Edi; Heri Winarno, Basuki; Subagyo, Aloysius Agus
Informasi Interaktif : Jurnal Informatika dan Teknologi Informasi Vol 9 No 3 (2024): JII Volume 9, Number 3, September 2024
Publisher : Program Studi Informatika Fakultas Teknik Universitas Janabadra

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37159/jii.v9i3.107

Abstract

Perusahaan menghadapi tantangan besar dalam industri ritel yang sangat kompetitif untuk memahami perilaku pelanggan dan mengoptimalkan profitabilitas. Salah satu masalah utama adalah ketidakmampuan untuk mengelompokkan pelanggan menurut karakteristik yang relevan. Ketidakmampuan ini menyebabkan strategi pemasaran yang tidak tepat sasaran dan alokasi sumber daya yang tidak efektif. Untuk segmentasi pelanggan, penelitian ini menawarkan solusi dengan menggunakan metode data mining, khususnya metode K-Means Clustering. Dengan menggunakan metode ini, penelitian bertujuan untuk menemukan berbagai segmen pelanggan berdasarkan perilaku pembelian, frekuensi transaksi, dan kontribusi mereka terhadap pendapatan bisnis. Pelanggan dibagi menjadi beberapa segmen berdasarkan data transaksi historis. Kemudian, setiap segmen dianalisis untuk menunjukkan pola pembelian dan nilai ekonomi yang dibawa oleh masing-masing segmen kepada perusahaan. Hasil penelitian menunjukkan bahwa clustering K-Means membantu perusahaan mengatur alokasi sumber daya dan strategi pemasaran lebih tepat sasaran, meningkatkan profitabilitas secara keseluruhan. Hasil ini menunjukkan bahwa segmentasi pelanggan yang berbasis data sangat penting untuk pengambilan keputusan strategis di industri ritel. Perusahaan ritel dapat meningkatkan kinerja finansial mereka dengan menyasar segmen yang paling menguntungkan melalui penerapan hasil penelitian ini.
Implementasi Data Mining dan Machine Learning untuk Segmentasi Pelanggan: Pendekatan Hybrid Menggunakan Big Data Prayitno, Edy; Perdana, Ivan Jaka; Nasyuha, Asyahri Hadi
Jurnal Ilmiah FIFO Vol 17, No 1 (2025)
Publisher : Fakultas Ilmu Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22441/fifo.2025.v17i1.007

Abstract

Deteksi dini penyakit jantung merupakan langkah penting untuk meningkatkan kualitas diagnosis dan perawatan pasien. Namun, metode prediksi manual yang sering digunakan tenaga medis memiliki keterbatasan dalam efisiensi waktu, akurasi, dan kemampuan menangani volume data yang besar. Dalam bidang kecerdasan buatan, algoritma machine learning seperti Adaptive Boosting (AdaBoost), Gradient Boosting, dan Extreme Gradient Boosting (XGBoost) menawarkan potensi untuk meningkatkan akurasi prediksi, terutama dalam mengatasi tantangan pada dataset kecil yang sering mengalami ketidakseimbangan kelas dan risiko overfitting. Penelitian ini bertujuan untuk menganalisis kinerja ketiga algoritma boosting tersebut dalam memprediksi penyakit jantung. Hasil penelitian menunjukkan bahwa XGBoost memberikan performa terbaik dengan akurasi sebesar 84.78% dan ROC-AUC 0.9410, menjadikannya algoritma paling efektif dalam menangani pola data yang kompleks. Gradient Boosting menjadi model paling efisien dengan waktu pelatihan tercepat, yaitu 0.3655 detik, dengan akurasi dan ROC-AUC yang kompetitif. Sementara itu, AdaBoost menunjukkan kelemahan dalam menangani ketidakseimbangan kelas tetapi tetap memberikan hasil yang baik untuk kelas mayoritas. Berdasarkan evaluasi precision, recall, dan F1-score, XGBoost direkomendasikan untuk aplikasi prediksi penyakit jantung, terutama dalam situasi yang memerlukan akurasi tinggi, sedangkan Gradient Boosting cocok untuk kebutuhan real-time.
Co-Authors Aloysius Agus Subagyo Asyahri Hadi Nasyuha Cahyani, Melsa Dian Edi Iskandar, Edi Edy Prayitno Edy Prayitno Melisa, Tika Nur Totok Suprawoto Triyanto, Heru Agus Winarno, Basuki Heri