Garuda - Garba Rujukan Digital

CLUSTERING ROTATIONAL CHURN OF TELECOMMUNICATIONS CUSTOMERS USING A DATA-CENTRICAI APPROACH Muttaqin, Widang; Lydia, Maya Silvi; Fahmi, Fahmi
JURTEKSI (Jurnal Teknologi dan Sistem Informasi) Vol 10, No 4 (2024): September 2024
Publisher : STMIK Royal

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33330/jurteksi.v10i4.3304

Abstract: In the current era of very fast technological development, customer churn is a serious challenge, especially in the competitive telecommunications industry. Churn refers to customers who stop using a service or move to another provider, and can be categorized into three types: Active Churn, Passive Churn, and Rotational Churn. Rotational Churn, which is difficult to predict be- cause the reasons for stopping are unclear, is the main focus of this research. This research aims to group Rotational Churn customers using a Data-Centric AI approach. This approach emphasizes improving data quality through Confident Learning and Synthetic Data before being applied to the K-Means clustering algorithm. The data used in this research is customer churn data from one telecommunications company during 2023. The research results show that customer grouping using the K-Means algorithm can provide deep insight into the characteristics of customer churn. The application of Data-Centric AI is proven to be able to increase the accuracy of clustering models, which ultimately helps compa- nies optimize programs and services to minimize churn and retain customers. Keywords: data-centric AI; clustering; K-means Abstrak: Dalam era perkembangan teknologi yang sangat pesat saat ini, churn pelanggan menjadi tantangan serius, terutama dalam industri telekomunikasi yang sangat kompetitif. Churn mengacu pada pelanggan yang berhenti menggunakan layanan atau beralih ke penyedia lain, dan dapat dikategorikan menjadi tiga jenis: Churn Aktif, Churn Pasif, dan Churn Rotasional. Churn Rotasional, yang sulit diprediksi karena alasan penghentian layanan tidak jelas, menjadi fokus utama penelitian ini. Penelitian ini bertujuan untuk mengelompokkan pelanggan Churn Rotasional menggunakan pendekatan Data-Centric AI. Pendekatan ini menekankan pada peningkatan kualitas data melalui Confident Learning dan Synthetic Data sebelum diterapkan ke algoritma K-Means clustering. Data yang digunakan dalam penelitian ini adalah data churn pelanggan dari satu perusahaan telekomunikasi selama tahun 2023. Hasil penelitian menunjukkan bahwa pengelompokan pelanggan menggunakan algoritma K-Means dapat memberikan wawasan mendalam tentang karakteristik churn pelanggan. Penerapan Data-Centric AI terbukti mampu meningkatkan akurasi model klastering, yang pada akhirnya membantu perusahaan mengoptimalkan program dan layanan untuk meminimalkan churn serta mempertahankan pelanggan. Kata kunci: data-Centric AI; klasterisasi; K-means

Optimalisasi Penjualan Ritel Furniture melalui Aplikasi Mobile Berbasis Android: Studi Kasus Transformasi Digital pada UMKM Zailani, Achmad Udin; Nurmaningsih, Desi; Putro, Zuki Pristiantoro; Muttaqin, Widang; Yafie, Haddad Alwi
Academic Journal of Computer Science Research Vol 7, No 2 (2025): Academic Journal of Computer Science Research (AJCSR)
Publisher : Institut Teknologi dan Bisnis Bina Sarana Global

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.38101/ajcsr.v7i2.15912

Perkembangan pesat teknologi digital mendorong kebutuhan sistem informasi modern dan mudah diakses. Toko Jaya Mandiri Furniture (UMKM furnitur) menghadapi tantangan operasional akibat ketergantungan pada proses manual, promosi terbatas, dan jangkauan pasar sempit. Sistem manual mengakibatkan proses bisnis lambat, kesulitan penyajian informasi produk, serta interaksi daring terbatas. Penelitian ini merancang aplikasi mobile berbasis Android untuk mengoptimalkan penjualan, memperluas pasar, dan meningkatkan efisiensi. Metode PIECES digunakan untuk analisis kebutuhan sistem, menunjukkan performa rendah pada sistem lama. Pemodelan sistem dilakukan dengan UML, sedangkan desain antarmuka menggunakan Figma dengan prinsip user-centered design (UCD). Hasil pengujian prototipe menunjukkan aplikasi efektif menjawab permasalahan toko: mempermudah promosi, pemesanan, manajemen transaksi, dan pelacakan pesanan. Validasi melalui survei 40 responden: kepuasan pengguna mencapai 86% dengan skor rata-rata 4,15 dari 5, dan aspek persepsi visual 4,3 dari 5. Temuan membuktikan aplikasi memberikan pengalaman pengguna positif dan efisien, serta mendukung transformasi digital UMKM furnitur.

PENGEMBANGAN WEBSITE KATALOG PRODUK DESA CIKASUNGKA Ramadhan, Yumna Zahran; Satria, Deki; Hendrawan, Fadhil Rozi; Muttaqin, Widang
SOROT : Jurnal Pengabdian Kepada Masyarakat Vol 4 No 2 (2025): Juli
Publisher : Fakultas Teknik dan Ilmu Komputer (FASTIKOM) UNSIQ

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32699/sorot.v4i2.9647

Era digital saat ini, khususnya era 5.0, menekankan pentingnya kolaborasi antara manusia dan teknologi seperti kecerdasan buatan, Internet of Things (IoT), dan big data. Di tengah perkembangan ini, UMKM di Indonesia sebagai pilar utama ekonomi nasional menghadapi tantangan besar dalam proses digitalisasi. Hambatan seperti keterbatasan infrastruktur internet, rendahnya literasi digital, dan sumber daya yang terbatas menjadi penghalang utama. Padahal, transformasi digital berpotensi besar dalam meningkatkan efisiensi dan daya saing usaha mereka. Oleh karena itu, diperlukan upaya bersama dari komunitas dan institusi pendidikan untuk memberikan pelatihan serta pendampingan. Salah satu solusi strategis adalah pengembangan aplikasi web untuk mendukung UMKM desa, seperti di Cikasungka. Aplikasi ini mencakup katalog produk online, manajemen stok, pencatatan keuangan, strategi pemasaran digital, dan modul pelatihan. Sistemnya dilengkapi hak akses yang jelas: administrator mengelola sistem, pelaku usaha memperbarui produk, dan pelanggan dapat melihat serta memesan produk. Inovasi ini diharapkan dapat mendorong percepatan digitalisasi, memperluas akses terhadap layanan keuangan, dan mengurangi ketergantungan pada metode konvensional, sehingga tercipta ekosistem UMKM yang mandiri, berkelanjutan, dan kompetitif dalam ekonomi digital yang terus berkembang.

CLUSTERING ROTATIONAL CHURN OF TELECOMMUNICATIONS CUSTOMERS USING A DATA-CENTRICAI APPROACH Muttaqin, Widang; Lydia, Maya Silvi; Fahmi, Fahmi
JURTEKSI (jurnal Teknologi dan Sistem Informasi) Vol. 10 No. 4 (2024): September 2024
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM) STMIK Royal Kisaran

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33330/jurteksi.v10i4.3304

Abstract: In the current era of very fast technological development, customer churn is a serious challenge, especially in the competitive telecommunications industry. Churn refers to customers who stop using a service or move to another provider, and can be categorized into three types: Active Churn, Passive Churn, and Rotational Churn. Rotational Churn, which is difficult to predict be- cause the reasons for stopping are unclear, is the main focus of this research. This research aims to group Rotational Churn customers using a Data-Centric AI approach. This approach emphasizes improving data quality through Confident Learning and Synthetic Data before being applied to the K-Means clustering algorithm. The data used in this research is customer churn data from one telecommunications company during 2023. The research results show that customer grouping using the K-Means algorithm can provide deep insight into the characteristics of customer churn. The application of Data-Centric AI is proven to be able to increase the accuracy of clustering models, which ultimately helps compa- nies optimize programs and services to minimize churn and retain customers. Keywords: data-centric AI; clustering; K-means Abstrak: Dalam era perkembangan teknologi yang sangat pesat saat ini, churn pelanggan menjadi tantangan serius, terutama dalam industri telekomunikasi yang sangat kompetitif. Churn mengacu pada pelanggan yang berhenti menggunakan layanan atau beralih ke penyedia lain, dan dapat dikategorikan menjadi tiga jenis: Churn Aktif, Churn Pasif, dan Churn Rotasional. Churn Rotasional, yang sulit diprediksi karena alasan penghentian layanan tidak jelas, menjadi fokus utama penelitian ini. Penelitian ini bertujuan untuk mengelompokkan pelanggan Churn Rotasional menggunakan pendekatan Data-Centric AI. Pendekatan ini menekankan pada peningkatan kualitas data melalui Confident Learning dan Synthetic Data sebelum diterapkan ke algoritma K-Means clustering. Data yang digunakan dalam penelitian ini adalah data churn pelanggan dari satu perusahaan telekomunikasi selama tahun 2023. Hasil penelitian menunjukkan bahwa pengelompokan pelanggan menggunakan algoritma K-Means dapat memberikan wawasan mendalam tentang karakteristik churn pelanggan. Penerapan Data-Centric AI terbukti mampu meningkatkan akurasi model klastering, yang pada akhirnya membantu perusahaan mengoptimalkan program dan layanan untuk meminimalkan churn serta mempertahankan pelanggan. Kata kunci: data-Centric AI; klasterisasi; K-means

Title

Found 4 Documents
Search

Abstract

Abstract

Abstract

Abstract

Title Search

Found 4 Documents Search

Abstract

Abstract

Abstract

Abstract

Title

Found 4 Documents
Search