Article Per Year (5 Year)
p-Index From 2020 - 2025
1.475
P-Index
This Author published in this journals
All Journal Jurnal Informatika dan Teknik Elektro Terapan Public Corner
., Fathurrohman
Unknown Affiliation
Humanities Computer Science & IT Environmental Science Languange, Linguistic, Communication & Media Social Sciences

Published : 10 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 10 Documents
Search

 1 
Pengaruh Transactional Leadership, Transformational Leadership Terhadap Innovative Work Behaviour dan Organizational Citizenship Behaviour dan Dampaknya Terhadap Kinerja Karyawan ,, Gazali; Zainurrafiqi, Zainurrafiqi; ., Fathurrohman
PUBLIC CORNER Vol 18 No 2 (2023): Public Corner
Publisher : Fakultas Ilmu Sosial dan Ilmu Politik Universitas Wiraraja, Sumenep

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24929/fisip.v18i2.2961

Abstract

Pemilik UMKM membutuhkan karyawan yang mampu bekerja lebih baik dan lebih cepat. Untuk mendapatkan hal tersebut, kinerja karyawan menjadi sangat penting untuk diperhatikan Karena perusahaan membutuhkan karyawan bekerja secara efektif dan efisien. Tujuan penelitiaan ini untuk menguji pengaruh transactional leadership terhadap innovative work behaviour. Menguji pengaruh transactional leadership terhadap organizational citizenship Behaviour. Menguji pengaruh transformational leadership terhadap innovative work Behaviour. Menguji pengaruh transformational leadership terhadap organizational citizenship Behaviour. Menguji pengaruh innovative work Behaviour terhadap kinerja karyawan. Menguji pengaruh organizational citizenship Behaviour terhadap kinerja karyawan. Jenis Penelitian yaitu Ekplanatori Reseacrh. Sampel Penelitian ini yaitu 100 sampel Karyawan UMKM di Kabupaten Pamekasan. Hasil penelitian ini yaitu Transactional leadership berpengaruh positif dan signifikan terhadap innovative work behaviour. Transactional leadership berpengaruh positif dan signifikan terhadap organizational citizenship Behaviour. Transformational leadership berpengaruh positif dan signifikan terhadap innovative work Behaviour. Transformational leadership berpengaruh positif dan signifikan terhadap organizational citizenship Behaviour. Innovative work Behaviour berpengaruh positif dan signifikan terhadap kinerja karyawan. Organizational citizenship Behaviour berpengaruh positif dan signifikan terhadap kinerja karyawan
IMPLEMENTASI NAÏVE BAYES UNTUK MENGANALISIS SENTIMEN TERHADAP PERILAKU PENGGUNA DAN KUALITAS LAYANAN DIGITAL RADIO Laksamana, Patria Gita; Prihartono, Willy; ., Fathurrohman
Jurnal Informatika dan Teknik Elektro Terapan Vol 13, No 1 (2025)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v13i1.5847

Abstract

Penelitian ini bertujuan untuk mengkaji sentimen pengguna terkait perilaku dan kualitas layanan aplikasi radio digital dengan memanfaatkan algoritma Naïve Bayes. Data yang dianalisis mencakup 450 ulasan pengguna yang dikumpulkan dari Google Play Store menggunakan teknik web scraping. Proses analisis melibatkan pelabelan data secara manual, pra-pemrosesan teks melalui langkah-langkah seperti pembersihan data, stemming, dan penghapusan kata-kata umum (stopword), serta transformasi data dengan metode TF-IDF. Untuk mengatasi ketidakseimbangan data, diterapkan teknik SMOTE sehingga data menjadi lebih seimbang. Model Naïve Bayes yang dikembangkan menghasilkan akurasi sebesar 84% dengan kinerja yang baik berdasarkan evaluasi menggunakan confusion matrix dan cross-validation. Hasil penelitian ini menunjukkan bahwa algoritma Naïve Bayes efektif untuk analisis sentimen dan memberikan wawasan penting mengenai pola perilaku konsumen terhadap layanan radio digital. Penelitian ini menyimpulkan pentingnya inovasi yang berkelanjutan dalam meningkatkan pengalaman pengguna dan daya saing di era digital.
ANALISIS POLA PEMBELIAN KONSUMEN UNTUK OPTIMASI INVENTARIS MENGGUNAKAN ALGORITMA FP-GROWTH DI UD TRITUNGGAL JAYA Agustin, Nia; Prihartono, Willy; ., Fathurrohman
Jurnal Informatika dan Teknik Elektro Terapan Vol 13, No 1 (2025)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v13i1.5701

Abstract

Dalam dunia bisnis, memahami kinerja penjualan dan pola pembelian konsumen sangat penting untuk mendukung pengambilan keputusan strategis. Penelitian ini menganalisis pola pembelian konsumen di UD Tritunggal Jaya menggunakan algoritma Frequent Pattern Growth (FP-Growth). Algoritma ini membantu mengoptimalkan manajemen inventaris berdasarkan pola pembelian konsumen. Data transaksi penjualan dari Mei hingga Juni 2024 digunakan dengan parameter support 0,5 dan confidence 0,8, menghasilkan 23 aturan asosiasi dengan validitas tinggi. Hasil penelitian menunjukkan produk yang paling sering dibeli adalah Bolpoin AE7, HVS A4 Copy Paper, dan Lakban OPP Daimaru, sedangkan produk yang jarang dibeli meliputi Label Koala, Stopmap, Amplop 310 ExE, dan Buku Campus 36 Sidu. Pola pembelian bersama yang signifikan ditemukan antara lain Buku Sidu 38 dengan Bolpoin AE7, Amplop 104 PPS dengan HVS A4 Copy Paper, serta Lakban OPP Daimaru dengan Bolpoin AE7. Algoritma FP-Growth terbukti efektif mengidentifikasi keterkaitan antar produk, memberikan wawasan perilaku konsumen, dan mendukung strategi cross-selling secara efisien. Aturan asosiasi ini juga merekomendasikan pengelolaan stok yang lebih optimal, seperti menjaga ketersediaan produk dengan permintaan tinggi dan mengurangi stok produk kurang diminati.
OPTIMASI STOK DENGAN CLUSTERING DATA TRANSAKSI PENJUALAN MENGGUNAKAN ALGORITMA K-MEANS DI KONTER AGUNG CELL RAHMAWATI, RULI; Prihartono, Willy; ., Fathurrohman
Jurnal Informatika dan Teknik Elektro Terapan Vol 13, No 2 (2025)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v13i2.6302

Abstract

Pengelolaan stok barang yang tidak optimal menjadi tantangan utama bagi usaha kecil seperti Konter Seluler Agung Cell. Penelitian ini bertujuan untuk mengidentifikasi pola pembelian pelanggan serta mengoptimalkan pengelolaan stok melalui penerapan algoritma K-Means yang diimplementasikan menggunakan perangkat lunak RapidMiner. Pemilihan algoritma K-Means didasarkan pada efektivitasnya dalam menganalisis data berukuran besar secara sistematis.  Data penelitian diperoleh melalui observasi langsung dan mencakup 500 transaksi penjualan selama periode 1 Juli hingga 1 Agustus 2024. Variabel yang digunakan meliputi kategori produk, quantity, harga jual, dan total harga. Pemilihan data ini dilakukan agar analisis dapat difokuskan pada variabel yang relevan untuk mengidentifikasi pola pembelian konsumen. Metode analisis data dilakukan berdasarkan pendekatan Knowledge Discovery in Databases (KDD) meliputi tahapan Data Selection, preprocessing, transformation, data mining, dan evaluation.  Analisis ini menggunakan 500 data transaksi penjualan. Penelitian ini menghasilkan beberapa Cluster, Analisis menunjukan konfigurasi Cluster 3 sebagai yang terbaik, dengan nilai Davies-Bouldin Index (DBI) terendah, yaitu 0,913 dari beberapa cluster yang diuji coba.  Temuan ini memungkinkan identifikasi pola pembelian pelanggan yang lebih jelas, sehingga dapat membantu dalam pengelolaan stok yang lebih efisien dan tepat sasaran.
SEGMENTASI KONSUMEN DI PASARMU.ID MENGGUNAKAN K-MEANS CLUSTERING BERDASARKAN MODEL RFM Jihan, Aminatun; Prihartono, Willy; ., Fathurrohman
Jurnal Informatika dan Teknik Elektro Terapan Vol 13, No 2 (2025)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v13i2.6327

Abstract

Kemajuan teknologi mempermudah pengelolaan data pelanggan, meningkatkan efisiensi operasional bisnis. Penelitian ini menggunakan algoritma K-Means Clustering untuk mengelompokkan pelanggan Pasarmu.id berdasarkan model RFM (Recency, Frequency, Monetary) guna memahami pola belanja mereka. Penelitian ini mengikuti metode Knowledge Discovery in Databases (KDD) yang meliputi pemilihan data, prapemrosesan, transformasi, klasterisasi, dan evaluasi hasil menggunakan Davies-Bouldin Index (DBI) untuk menentukan jumlah klaster optimal. Hasil segmentasi membagi pelanggan menjadi tiga kelompok: Golden Customer (Frequency dan Monetary tinggi, Recency rendah), Platinum Customer (Recency tinggi, Frequency dan Monetary sedang), dan Silver Customer (Recency tinggi, Frequency dan Monetary rendah). Visualisasi hasil memperlihatkan karakteristik tiap kelompok, membantu strategi pemasaran yang lebih tepat sasaran: program loyalitas dan diskon untuk Golden Customer, promosi peningkatan transaksi bagi Platinum Customer, serta penawaran khusus untuk Silver Customer agar lebih aktif berbelanja. Pendekatan berbasis data ini diharapkan dapat meningkatkan efektivitas pemasaran, membangun loyalitas pelanggan, serta meningkatkan pendapatan Pasarmu.id, sekaligus menegaskan pentingnya analisis data dalam merancang strategi pemasaran yang lebih personal dan relevan.
ANALISIS SEGMENTASI PELANGGAN UNTUK MENYUSUN STRATEGI PROMOSI MENGGUNAKAN K-MEANS: STUDI KASUS DI PT XYZ Haryandini, Nur Anindya Putri; Prihartono, Willy; ., Fathurrohman
Jurnal Informatika dan Teknik Elektro Terapan Vol. 13 No. 1 (2025)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v13i1.5697

Abstract

Perkembangan teknologi informasi telah membawa dampak signifikan dalam strategi pemasaran, termasuk di industri otomotif. Penelitian ini bertujuan untuk menyusun strategi promosi berbasis segmentasi pelanggan dengan menggunakan algoritma data mining K-Means di PT XYZ. Segmentasi ini memungkinkan perusahaan untuk menargetkan kelompok pelanggan tertentu dengan strategi yang relevan dan lebih efektif. Data yang digunakan meliputi atribut usia, jenis kelamin, alamat, dan preferensi kendaraan dari faktur transaksi periode Desember 2023 hingga Mei 2024. Metode penelitian ini mengadopsi tahapan Knowledge Discovery in Databases (KDD) yang mencakup seleksi data, preprocessing, transformasi, klasterisasi dengan K-Means, dan evaluasi hasil. Penentuan jumlah cluster optimal dilakukan menggunakan indeks Davies-Bouldin (DBI). Penelitian ini menemukan bahwa segmentasi terbaik diperoleh pada jumlah cluster (k) sebesar 2 dengan nilai DBI sebesar 0,802. Klaster ini mengidentifikasi karakteristik utama pelanggan, seperti preferensi kendaraan, usia, dan distribusi wilayah tempat tinggal. Hasil segmentasi digunakan untuk merancang strategi promosi yang lebih terarah. Strategi berbasis data ini membantu PT XYZ dalam mengoptimalkan sumber daya pemasaran, meningkatkan loyalitas pelanggan, dan memaksimalkan potensi pasar. Penelitian ini memberikan kontribusi signifikan terhadap penerapan K-Means di industri otomotif dan menyediakan dasar bagi inovasi strategi pemasaran berbasis data.
ANALISIS POLA PEMBELIAN KONSUMEN UNTUK OPTIMASI INVENTARIS MENGGUNAKAN ALGORITMA FP-GROWTH DI UD TRITUNGGAL JAYA Agustin, Nia; Prihartono, Willy; ., Fathurrohman
Jurnal Informatika dan Teknik Elektro Terapan Vol. 13 No. 1 (2025)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v13i1.5701

Abstract

Dalam dunia bisnis, memahami kinerja penjualan dan pola pembelian konsumen sangat penting untuk mendukung pengambilan keputusan strategis. Penelitian ini menganalisis pola pembelian konsumen di UD Tritunggal Jaya menggunakan algoritma Frequent Pattern Growth (FP-Growth). Algoritma ini membantu mengoptimalkan manajemen inventaris berdasarkan pola pembelian konsumen. Data transaksi penjualan dari Mei hingga Juni 2024 digunakan dengan parameter support 0,5 dan confidence 0,8, menghasilkan 23 aturan asosiasi dengan validitas tinggi. Hasil penelitian menunjukkan produk yang paling sering dibeli adalah Bolpoin AE7, HVS A4 Copy Paper, dan Lakban OPP Daimaru, sedangkan produk yang jarang dibeli meliputi Label Koala, Stopmap, Amplop 310 ExE, dan Buku Campus 36 Sidu. Pola pembelian bersama yang signifikan ditemukan antara lain Buku Sidu 38 dengan Bolpoin AE7, Amplop 104 PPS dengan HVS A4 Copy Paper, serta Lakban OPP Daimaru dengan Bolpoin AE7. Algoritma FP-Growth terbukti efektif mengidentifikasi keterkaitan antar produk, memberikan wawasan perilaku konsumen, dan mendukung strategi cross-selling secara efisien. Aturan asosiasi ini juga merekomendasikan pengelolaan stok yang lebih optimal, seperti menjaga ketersediaan produk dengan permintaan tinggi dan mengurangi stok produk kurang diminati.
IMPLEMENTASI NAÏVE BAYES UNTUK MENGANALISIS SENTIMEN TERHADAP PERILAKU PENGGUNA DAN KUALITAS LAYANAN DIGITAL RADIO Laksamana, Patria Gita; Prihartono, Willy; ., Fathurrohman
Jurnal Informatika dan Teknik Elektro Terapan Vol. 13 No. 1 (2025)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v13i1.5847

Abstract

Penelitian ini bertujuan untuk mengkaji sentimen pengguna terkait perilaku dan kualitas layanan aplikasi radio digital dengan memanfaatkan algoritma Naïve Bayes. Data yang dianalisis mencakup 450 ulasan pengguna yang dikumpulkan dari Google Play Store menggunakan teknik web scraping. Proses analisis melibatkan pelabelan data secara manual, pra-pemrosesan teks melalui langkah-langkah seperti pembersihan data, stemming, dan penghapusan kata-kata umum (stopword), serta transformasi data dengan metode TF-IDF. Untuk mengatasi ketidakseimbangan data, diterapkan teknik SMOTE sehingga data menjadi lebih seimbang. Model Naïve Bayes yang dikembangkan menghasilkan akurasi sebesar 84% dengan kinerja yang baik berdasarkan evaluasi menggunakan confusion matrix dan cross-validation. Hasil penelitian ini menunjukkan bahwa algoritma Naïve Bayes efektif untuk analisis sentimen dan memberikan wawasan penting mengenai pola perilaku konsumen terhadap layanan radio digital. Penelitian ini menyimpulkan pentingnya inovasi yang berkelanjutan dalam meningkatkan pengalaman pengguna dan daya saing di era digital.
OPTIMASI STOK DENGAN CLUSTERING DATA TRANSAKSI PENJUALAN MENGGUNAKAN ALGORITMA K-MEANS DI KONTER AGUNG CELL RAHMAWATI, RULI; Prihartono, Willy; ., Fathurrohman
Jurnal Informatika dan Teknik Elektro Terapan Vol. 13 No. 2 (2025)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v13i2.6302

Abstract

Pengelolaan stok barang yang tidak optimal menjadi tantangan utama bagi usaha kecil seperti Konter Seluler Agung Cell. Penelitian ini bertujuan untuk mengidentifikasi pola pembelian pelanggan serta mengoptimalkan pengelolaan stok melalui penerapan algoritma K-Means yang diimplementasikan menggunakan perangkat lunak RapidMiner. Pemilihan algoritma K-Means didasarkan pada efektivitasnya dalam menganalisis data berukuran besar secara sistematis.  Data penelitian diperoleh melalui observasi langsung dan mencakup 500 transaksi penjualan selama periode 1 Juli hingga 1 Agustus 2024. Variabel yang digunakan meliputi kategori produk, quantity, harga jual, dan total harga. Pemilihan data ini dilakukan agar analisis dapat difokuskan pada variabel yang relevan untuk mengidentifikasi pola pembelian konsumen. Metode analisis data dilakukan berdasarkan pendekatan Knowledge Discovery in Databases (KDD) meliputi tahapan Data Selection, preprocessing, transformation, data mining, dan evaluation.  Analisis ini menggunakan 500 data transaksi penjualan. Penelitian ini menghasilkan beberapa Cluster, Analisis menunjukan konfigurasi Cluster 3 sebagai yang terbaik, dengan nilai Davies-Bouldin Index (DBI) terendah, yaitu 0,913 dari beberapa cluster yang diuji coba.  Temuan ini memungkinkan identifikasi pola pembelian pelanggan yang lebih jelas, sehingga dapat membantu dalam pengelolaan stok yang lebih efisien dan tepat sasaran.
SEGMENTASI KONSUMEN DI PASARMU.ID MENGGUNAKAN K-MEANS CLUSTERING BERDASARKAN MODEL RFM Jihan, Aminatun; Prihartono, Willy; ., Fathurrohman
Jurnal Informatika dan Teknik Elektro Terapan Vol. 13 No. 2 (2025)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v13i2.6327

Abstract

Kemajuan teknologi mempermudah pengelolaan data pelanggan, meningkatkan efisiensi operasional bisnis. Penelitian ini menggunakan algoritma K-Means Clustering untuk mengelompokkan pelanggan Pasarmu.id berdasarkan model RFM (Recency, Frequency, Monetary) guna memahami pola belanja mereka. Penelitian ini mengikuti metode Knowledge Discovery in Databases (KDD) yang meliputi pemilihan data, prapemrosesan, transformasi, klasterisasi, dan evaluasi hasil menggunakan Davies-Bouldin Index (DBI) untuk menentukan jumlah klaster optimal. Hasil segmentasi membagi pelanggan menjadi tiga kelompok: Golden Customer (Frequency dan Monetary tinggi, Recency rendah), Platinum Customer (Recency tinggi, Frequency dan Monetary sedang), dan Silver Customer (Recency tinggi, Frequency dan Monetary rendah). Visualisasi hasil memperlihatkan karakteristik tiap kelompok, membantu strategi pemasaran yang lebih tepat sasaran: program loyalitas dan diskon untuk Golden Customer, promosi peningkatan transaksi bagi Platinum Customer, serta penawaran khusus untuk Silver Customer agar lebih aktif berbelanja. Pendekatan berbasis data ini diharapkan dapat meningkatkan efektivitas pemasaran, membangun loyalitas pelanggan, serta meningkatkan pendapatan Pasarmu.id, sekaligus menegaskan pentingnya analisis data dalam merancang strategi pemasaran yang lebih personal dan relevan.
Co-Authors ,, Gazali Agustin, Nia Haryandini, Nur Anindya Putri Jihan, Aminatun Laksamana, Patria Gita Prihartono, Willy RAHMAWATI, RULI Zainurrafiqi Zainurrafiqi