Claim Missing Document
Check
Articles

Found 5 Documents
Search
Journal : INFOSYS (INFORMATION SYSTEM) JOURNAL

Perancangan E-CRM Dalam Mengatasi Keluhan Pelanggan Pada Samudera Jaya Printing Rezeki Ramadhani; Fujiati Fujiati; Dahri Yani Hakim Tanjung
INFOSYS (INFORMATION SYSTEM) JOURNAL Vol 5, No 1: InfoSys Agustus 2020
Publisher : Universitas Potensi Utama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22303/infosys.5.1.2020.95-104

Abstract

Samudera Jaya Printing merupakan perusahaan yang bergerak di bidang produksi produk percetakan dan penjualan produk percetakan yang bertipe make to order dimana sistem perencanaan produksi dilakukan setelah ada permintaan. Sistem yang berjalan pada perusahaan masih menggunakan aplikasi sederhana, sehingga pelanggan sangat sulit mengetahui informasi produk dan melakukan pemesanan produk harus datang langsung atau menghubungi pihak perusahaan untuk melakukan proses pemesanan produk, kemudian pihak perusahaan akan konfirmasi pemesanan produk, setelah itu melakukan proses pembayaran pemesanan produk dengan datang langsung pada perusahaan. Salah satu konsep yang dapat diadopsi untuk merespon hal ini adalah dengan menerapkan suatu Customer Relationship Management yang dapat menghubungkan perusahaan dan customer secara langsung (online) yang disebut E-CRM. Ada banyak sekali alasan mengapa penerapan E-CRM sangat penting untuk perusahaan. Melalui pengunaan E-CRM perusahaan bisa mendapatkan manfaat untuk penjualan, pemasaran, pelayanan dan juga aktivitas perusahaan lainnya. E-CRM juga dapat mempermudah pelanggan dalam mendapatkan informasi yang diperlukan dari perusahaan tersebut. Hal ini menjadi sarana untuk mempertahankan hubungan perusahaan dengan pelanggan demi mewujudkan loyalitas pelanggan, dengan merancang system yang baru maka pelanggan dan pihak perusahaan akan dapat melakukan kerja sama yang baik dengan transaksi pemasaran.
Optimalisasi Algoritma C4.5 untuk Prediksi Kerusakan Mesin ATM Dahri Yani Hakim Tanjung
INFOSYS (INFORMATION SYSTEM) JOURNAL Vol 6, No 1 (2021): InfoSys Agustus 2021
Publisher : Universitas Potensi Utama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22303/infosys.6.1.2021.12-21

Abstract

Penelitian ini bertujuan untuk memberikan evaluasi terhadap data kerusakan pada mesin ATM menggunakan data mining. Data mining dengan algoritma C4.5 digunakan untuk memprediksi kerusakan mesin ATM yang diharapkan dapat membantu para teknisi dalam mengambil keputusan untuk melakukan perbaikan. Hasil penelitian ini diharapkan dapat membantu unit pengelola ATM dalam mengoptimalkan dan memonitoring mesin ATM, sehingga dapat memberikan pelayanan yang optimal kepada nasabah. Algortima C4.5 merupakan algoritma yang mampu dalam membatu membentuk pohon keputusan, dimana pohon keputusan yang dihasilkan akan membentuk sebuah pengetahuan baru. Berdasarkan hasil pengujian pada pohon keputusan diperoleh kesesuaian data terhadap data kerusakan mesin ATM. Hasil penerapan metode C4.5 terhadap prediksi kerusakan mesin Hasil dari algoritma C4.5 berupa pohon keputusan yang memiliki aturan yang dijadikan sebagai pengetahuan dan informasi yang lebih mudah untuk dipahami
Penerapan Metode Additive Ratio Assessment (ARAS) dalam Menentukan Hasil Sarang Wallet Yang Baik Khairul Ummi; Dahri Yani Hakim Tanjung; Sri Rezeki Batlia
INFOSYS (INFORMATION SYSTEM) JOURNAL Vol 7, No 1 (2022): InfoSys Agustus 2022
Publisher : Universitas Potensi Utama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22303/infosys.7.1.2022.01-11

Abstract

Pemilihan hasil sarang wallet terbaik merupakan kegiatan untuk memilih hasil sarang yang sudah difilter dibagian pemilihan. Dimana kegiatannya dilakukan dengan cara manual memisahkan mana wallet yang berkualitas bagus dan yang tidak bagus sehingga sering terjadi kurang konsisten dalam menghasilkan wallet yang baik dengan maksimal. Dalam penelitian ini, akan dilakukan pembobotan kriteria mana yang lebih penting dari kriteria lainnya dan perangkingan hasil wallet terbaik dengan metode Additive Ratio Assessment (ARAS) dimana kriteria nya berdasarkan ukuran, bentuk, berat, aroma dan warna. ARAS merupakan metode yang digunakan untuk perangkingan. Dengan metode perangkingan tersebut diharapkan dalam penerapan penilaian wallet terbaik tersebut akan lebih tepat karena didasarkan pada nilai kriteria dan bobot yang sudah ditentukan, sehingga akan mendapatkan hasil yang berkualita yang lebih maksimal. Hasil akhir dari metode ARAS dihasilkan wallet mana yang terbaik dengan ketepatan 90% sesuai perbandingan dari kreteria yang sudah dihitung
Penerapan Algoritma Naïve Bayes Untuk Klasifikasi Data Pengisian ATM Dahri Yani Hakim Tanjung; Khairul Ummi
INFOSYS (INFORMATION SYSTEM) JOURNAL Vol 7, No 1 (2022): InfoSys Agustus 2022
Publisher : Universitas Potensi Utama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22303/infosys.7.1.2022.12-24

Abstract

Uang merupakan alat pembayaran yang sah untuk memenuhi kebutuhan ekonomi manusia, seiring dengan perkembangan jaman dan teknologi muncul transaksi non tunai dalam sistem pembayaran. Hal tersebut mendorong pihak perbankan menyediakan jasa penyedia uang dalam bentuk electronic delivery channels berupa ATM. Fungsi ATM sendiri memberi kemudahan kepada konsumen dalam bertransaksi baik tunai maupun non tunai. Data pengisian ATM dari berbagai Bank yang transaksi perhari cukup banyak dapat diolah dengan menggunakan data mining. Data mining mampu mengolah data dengan jumlah yang sangat banyak salah satunya menggunakan fungsi klasifikasi sehingga menghasilkan pengetahuan baru. Data mining dengan fungsi klasifikasi diharapkan mampu dalam pengolahan data  sehingga dapat memonitoring terhadap data pengisian ATM. Penerapan metode Naïve bayes digunakan untuk klasifikasi status pengisian ATM yaitu Isi atau Tidak Isi, dimana proses pengujiannya menggunakan bantuan tools Rapid Miner yang bertujuan untuk mengukur tingkat akurasi dari metode Naïve Bayes yang digunakan. Dataset pengisian Mesin ATM yang digunakan dalam penelitian ini yaitu 55 record dengan 6 attribut berupa persentase CIB, Lokasi, Status ATM, Restock, CashOut dan EndCash. Dari penelitian ini, Algoritma Naïve Bayes mampu dalam menganalisa terhadap data pengisian ATM dengan berhasil mengklasifikan 50 data dari 55 data yang diuji dengan nilai probabilitas sebesar 0,004 untuk klasifikasi Isi dan persentase keakuratan sebesar 90,91%, untuk class precision Isi yaitu 94,74%  untuk precision tidak isi 88,89%, sedangkan untuk class recall Isi yaitu 81,82% dan class recall tidak isi 96,97%. . Hasil tersebut, membuktikan bahwa metode Naïve Bayes dapat digunakan untuk membantu dalam prediksi pengisian ATM,  karena menghasilkan tingkat keakuratan yang cukup tinggi.
Penerapan Algoritma Naïve Bayes Untuk Klasifikasi Data Penerimaan Pegawai Outsourcing Dahri Yani Hakim Tanjung
INFOSYS (INFORMATION SYSTEM) JOURNAL Vol 8, No 1 (2023): InfoSys Agustus 2023
Publisher : Universitas Potensi Utama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22303/infosys.8.1.2023.71-83

Abstract

Mempekerjakan karyawan dalam ikatan kerja outsoucing nampaknya sedang menjadi trend saat ini, Banyak perusahaan outsourcing yakni perusahaan yang bergerak di bidang penyedia tenaga kerja aktif menawarkan jasa tenaga kerja dengan kata lain perusahaan membuat sebuah persetujuan dengan perusahaan lain untuk melakukan beberapa pekerjaan. Penelitian terdahulu mengatakan outsourcing adalah kegiatan memindahkan beberapa aktivitas di perusahaan kepada pihak lain, termasuk dalam hal pengambilan keputusan yang telah diatur dengan perjanjian kontrak. Penelitian ini bertujuan untuk memberikan evaluasi terhadap data penerimaan pegawai outsourcing dengan metode klasifikasi dari data mining. Data mining dengan metode klasifikasi diharapkan mampu dalam pengolahan data  sehingga dapat memberikan kemudahan dalam menganalisa penerimaan karyawan outsourcing. Metode klasifikasi data mining yang digunakan adalah Naïve Bayes dimana proses pengujiannya menggunakan bantuan tools Rapid Miner yang bertujuan untuk mengukur akurasi dari metode yang digunakan. Dataset yang digunakan dalam penelitian ini yaitu 55 record dengan 4 attribut berupa atribut Usia, wawancara, pengalaman dan akademis. Dimana dari hasil perhitungan terhadap data uji menggunakan algoritma naïve bayes menghasilkan nilai probabilitas sebesar 0,83 untuk klasifikasi Tidak Layak dan dilakukan pengujian dengan tools rapidminer menghasilkan nilai akurasi sebesar 98,18% berada pada class tidak layak, Sedangkan untuk nilai AUC (Area Under Curve) adalah 0.875 yang berada pada class tidak layak, dimana jika nilai AUC mendekati angka 1 maka tingkat akurasi semakin bagus. Hasil tersebut, membuktikan bahwa metode Naïve Bayes dapat digunakan untuk membantu dalam prediksi penerimaan pegawai outsourcing  dengan nilai probabilitas dan akurasi yang tinggi dengan keputusan yang dihasilkan adalah tidak layak.