Article Per Year (5 Year)
p-Index From 2021 - 2026
1.993
P-Index
This Author published in this journals
All Journal Jurnal Ilmiah KOMPUTASI EDUMATIC: Jurnal Pendidikan Informatika Jurnal Ilmiah Sains dan Teknologi (SAINTEK) Jurnal Media Informatika MASALIQ: Jurnal Pendidikan dan Sains Data Sciences Indonesia (DSI) Journal of Data Science Theory and Application Mutiara: Jurnal Penelitian dan Karya Ilmiah Competitive Jurnal Pengabdian Masyarakat Indonesia (JPMI)
Maresti, Fatia Amalia
Universitas Logistik Dan Bisnis Internasional
Religion Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Library & Information Science Physics Social Sciences Transportation Other

Published : 13 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 13 Documents
Search

 1   2 
Algoritma Apriori dan K-Means Clustering dengan GAP Rules untuk identifikasi churn dan retensi pelanggan Isti Rahayu, Woro; Amalia Maresti, Fatia; Sujana, Ahmad Mugiar Sujana; Ariwati Hanek, Melvin
Data Sciences Indonesia (DSI) Vol. 5 No. 2 (2025): Article Research Volume 5 Issue 2, Desember 2025
Publisher : Yayasan Cita Cendikiawan Al Kharizmi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47709/dsi.v5i2.6685

Abstract

Peningkatan persaingan bisnis mendorong perusahaan untuk memahami perilaku pelanggan dengan lebih baik. Khususnya di bisnis retail, mempertahankan pelanggan adalah hal krusial yang harus diperhatikan. Oleh karena itu, sebagai pihak bisnis retail dapat memanfaatkan data transaksi untuk mengidentifikasi potensi churn dan menghasilkan strategi retensi berbasis data. Penelitian ini menggunakan pendekatan data mining melalui algoritma K-Means Clustering dengan karakteristik RFM(Recency, Frequency, Monetary) yang bertujuan untuk membuat segmentasi pelanggan, serta Market Basket Analysis menggunakan algoritma apriori. Hasil evaluasi K-Means Clustering menggunakan Elbow Method dan Silhouette Score sebesar 0.550, Menghasilkan 3 Cluster optimal. Dimana cluster 1 dilabelkan sebagai Chrun Potential Customers, Cluster 2 dilabelkan sebagai Grow Potential Customers, dan Cluster 3 sebagai Loyal Customers. Selanjutnya algoritma apriori ditetapkan minimum support sebesar 3% dan minimum confidence 30% menghasilkan beberapa aturan asosiasi yang memenuhi ambang batas yang ditetapkan. Hasilnya, Cluster 1 memiliki 3 aturan asosiasi Sedangkan Cluster 2 memiliki 13 aturan asosiasi. Dan Cluster 3 memiliki 15 aturan asosiasi yang memenuhi ambang batas. Perbedaan kekuatan asosiasi antar produk pada tiap cluster menunjukkan pola pembelian yang unik. Analisis GAP Rules di setiap cluster bertujuan untuk mengidentifikasi variasi pola pembelian barang yang dibeli bersamaan.
Implementasi K-Means untuk Melakukan Segmnetasi Produk Berdasarkan Data Transaksi Retail Fatia Amalia Maresti; Woro Isti Rahayu; Maria Bernadina Cintany Lustin; Thiodas Heni Pakpahan
Jurnal Ilmiah Sains dan Teknologi Vol. 9 No. 1 (2025): Jurnal Ilmiah Sains dan Teknologi
Publisher : Teknik Informatika Fakultas Ilmu Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47080/saintek.v9i1.3856

Abstract

Retail companies are one form of business that has experienced significant development. Significant development can lead to many business competitors in the same field. Therefore, every company must be able to find strategies to get the attention of the target market. Fast service and good prices are included in the factors that influence customer interest in making transactions in the retail business. This research aims to classify products into several categories. The method used to perform segmentation is the data mining method with the K-Means algorithm and the elbow method to find the optimal number of clusters. The obtained results of many optimal clusters are 3, namely cluster 0, cluster 1, and cluster 2. The variable that has the most influence on cluster characteristics is the price variable, while the variable that has little influence on cluster characteristics is the quantity variable.
ANALISIS DISTRIBUSI BEBAN KENDARAAN DENGAN GREEDY KNAPSACK DAN OPTIMALISASI RUTE MENGGUNAKAN ALGORITMA GENETIKA PADA PENGIRIMAN LOGISTIK DI BANDUNG RAYA Farsya, Najwa Laila; Fatia Amalia Maresti; Neng Nida Maulida; Kiki Mustaqim; Triantya Wahyu Wirati
Journal of Data Science Theory and Application Vol. 5 No. 1 (2026): JASTA
Publisher : LP3M Universitas Putra Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32639/rvzmqa26

Abstract

Efisiensi rute pengiriman merupakan faktor kunci dalam meningkatkan performa sistem logistik modern, khususnya dalam menghadapi tantangan biaya operasional dan tuntutan pengiriman tepat waktu. Strategi alokasi kendaraan dan penentuan rute yang optimal menjadi aspek penting dalam merancang sistem distribusi yang efektif. Penelitian ini menyajikan sebuah pemodelan berbasis simulasi untuk mengoptimalkan alokasi dan rute pengiriman barang jalur darat dengan menggabungkan pendekatan Greedy Knapsack dan Algoritma Genetika. Greedy Knapsack dimanfaatkan untuk membagi beban pengiriman ke dalam kendaraan secara efisien berdasarkan kapasitas angkut, sehingga pembentukan batch pengiriman menjadi lebih proporsional dan tidak timpang. Selanjutnya, Algoritma Genetika digunakan untuk mencari urutan rute terbaik yang harus dilalui setiap kendaraan dengan mempertimbangkan jarak antar titik secara menyeluruh. Pemodelan ini diuji menggunakan skenario data logistik terstruktur yang telah direkayasa menyerupai kondisi operasional nyata, mencakup informasi lokasi, kapasitas kendaraan, bobot pengiriman, serta titik awal dan akhir distribusi. Proses simulasi dilakukan secara bertahap, mulai dari alokasi kendaraan hingga pencarian rute optimal. Hasilnya menunjukkan bahwa pendekatan gabungan ini mampu menghasilkan solusi yang lebih efisien dalam hal jarak tempuh dan pemanfaatan kendaraan, jika dibandingkan dengan distribusi tanpa strategi algoritmik. Temuan ini memberikan gambaran bahwa pemanfaatan algoritma kombinasi memiliki potensi besar dalam mendukung sistem pengambilan keputusan pada proses logistik, khususnya pada tahap perencanaan pengiriman.
Co-Authors Aleffa Rahman, Mylo Anisah, Sabrina Nur Ariwati Hanek, Melvin Azzahra, Siti Salwa Farsya, Najwa Laila Ginasta, Nava Gia Hargiyanto, Radio Ananto Intan Novita Dewi, Intan Novita Laode Muhammad Aznur Syahfajar Lustin, Maria B. B. C. Maria Bernadina Cintany Lustin Muhammad Vito Aristawidya Mustaqim, Kiki Mustika Anugraheni, Gabriella Neng Nida Maulida Ningsih, Salsa Paringga Pangestu Pakpahan, Thiodas H. Paringga Pengestu Ningsih, Salsa Rahayu, Woro I. Rahayu, Woro Isti Riza, Noviana Sujana, Ahmad Mugiar Sujana Thiodas Heni Pakpahan Triantya Wahyu Wirati Ulfiani Ramadhani, Firna Wardana, Aulia