Nugraha, Rhendy Diki
Unknown Affiliation

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

PENERAPAN METODE AHP DALAM MENENTUKAN LAPTOP TERBAIK UNTUK MAHASISWA TEKNIK INFORMATIKA Prasetya, Ferdyana Eka; Nugraha, Rhendy Diki; Nurcahyo, Danang; Fatchan, Muhammad; Anshor, Abdul Halim
Infotech: Journal of Technology Information Vol 10, No 2 (2024): NOVEMBER
Publisher : ISTEK WIDURI

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37365/jti.v10i2.323

Abstract

One of the results of this development that is very commonly used by students is the use of electronic technology, such as laptops. In the world of information technology, choosing the right laptop has a very important role, especially for information engineering students. Lack of understanding of the criteria and specifications of laptops, has certainly caused confusion among informatics engineering students in determining the laptop according to their needs, especially because of the various options available, which include various brands, types of laptops, and also different prices. The Analytical Hierarchy Process (AHP) method can be the right solution. This research aims to help informatics engineering students in determining the best laptop choice based on several criteria that have been set. The results of this research successfully used the Analytical Hierarchy Process (AHP) method to help Informatics Engineering students choose the best laptop according to their needs. taking into account criteria such as Price, CPU, RAM, GPU, Storage and Screen Size. The AHP calculation shows that the HP Victus 16-R0017TX is in first place with the highest global priority value of 0.1565, the Ideapad Gaming Ryzen 5 is in second place with a global priority value of 0.1408, and the Asus Vivobook GO 14 is in third place with a global priority value of 0.1362. ABSTRAKSalah satu hasil dari perkembangan ini yang sangat umum digunakan oleh mahasiwa adalah penggunaan teknologi elektronik, seperti laptop. Dalam dunia teknologi informasi, pemilihan laptop yang tepat memiliki peran yang sangat penting, terutama bagi mahasiswa teknik informatika. Kurangnya dalam memahami kriteria dan spesifikasi laptop, tidak diragukan lagi menyebabkan kebingungan di kalangan mahasiswa teknik informatika dalam menentukan laptop sesuai dengan kebutuhan mereka, terutama karena berbagai pilihan yang tersedia, yang mencakup berbagai merek, jenis laptop, dan juga harga yang bervariasi. Metode Analytical Hierarchy Process (AHP) dapat menjadi solusi yang terpat. Penelitian ini bertujuan untuk membantu mahasiswa teknik informatika dalam menentukan pilihan laptop terbaik berdasarkan sejumlah kriteria yang telah ditetapkan. Hasil penelitian ini berhasil menggunakan metode Analytical Hierarchy Process (AHP) untuk membantu mahasiswa Teknik Informatika dalam memilih laptop terbaik sesuai kebutuhan mereka. dengan mempertimbangkan kriteria seperti Harga, CPU, RAM, GPU, Penyimpanan, dan Ukuran Layar. Perhitungan AHP menunjukkan bahwa HP Victus 16-R0017TX berada pada peringkat pertama dengan nilai prioritas global tertinggi sebesar 0.1565, Ideapad Gaming Ryzen 5 berada pada peringkat kedua dengan nilai prioritas global sebesar 0.1408, dan Asus Vivobook GO 
Segmentasi Pelanggan Retail Berbasis Perilaku menggunakan Algoritma K-Means Clustering Nugraha, Rhendy Diki; Adelia, Dhea Dwi; Rivaldi, Djastiano
Digital Transformation Technology Vol. 5 No. 2 (2025): Periode September 2025
Publisher : Information Technology and Science(ITScience)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47709/digitech.v5i2.6340

Abstract

Segmentasi pelanggan merupakan strategi penting dalam dunia bisnis untuk memahami perilaku konsumen dan merancang pendekatan pemasaran yang lebih efektif. Penelitian ini bertujuan untuk mengelompokkan pelanggan retail berdasarkan pola perilaku pembelian menggunakan metode K-Means Clustering yang berbasis pada model RFM (Recency, Frequency, dan Monetary). Pendekatan ini memungkinkan pengelompokan pelanggan secara objektif berdasarkan seberapa baru mereka bertransaksi, seberapa sering mereka membeli, dan seberapa besar nilai transaksi yang dilakukan. Data yang digunakan adalah data transaksi pelanggan yang telah melalui tahap pra-pemrosesan untuk menghasilkan variabel RFM. Penentuan jumlah klaster optimal dilakukan menggunakan metode Elbow, dan kualitas klaster divalidasi menggunakan Silhouette Score serta Davies-Bouldin Index. Hasil segmentasi menghasilkan empat klaster pelanggan dengan karakteristik yang berbeda, antara lain pelanggan loyal, pelanggan baru potensial, serta pelanggan pasif yang berisiko churn.Analisis menunjukkan bahwa pelanggan dengan frekuensi dan nilai transaksi tinggi berada dalam satu klaster khusus, yang direkomendasikan untuk mendapat perhatian melalui strategi loyalitas. Sementara itu, klaster pelanggan dengan aktivitas rendah menjadi fokus utama dalam strategi reaktivasi. Penelitian ini menunjukkan bahwa penerapan data mining dalam segmentasi pelanggan mampu meningkatkan efektivitas pengambilan keputusan dalam strategi pemasaran berbasis data.