Claim Missing Document
Check
Articles

Found 2 Documents
Search

Analisis Performa Networking Library Retrofit, Ktor Client, Okhttp Dan Volley Pada Pengembangan Aplikasi Perangkat Bergerak Berbasis Android Santoso, Dzikry Aji; Pramono, Djoko; Pinandito, Aryo
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 9 No 5 (2025): Mei 2025
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Pertumbuhan pengembangan aplikasi Android mendorong kebutuhan akan komunikasi data yang cepat dan efisien melalui berbagai networking library seperti Retrofit, Ktor Client, OkHttp, dan Volley. Penelitian ini membandingkan kinerja keempat library dalam proses data fetching menggunakan HTTP POST dan GET. Pengukuran meliputi response time, memory usage, serta network usage (transmitted dan received), dengan skenario permintaan data bervariasi dari 100 hingga 10.000. Analisis dilakukan melalui uji normalitas, uji beda, serta analisis rata-rata dan median. Hasil menunjukkan perbedaan signifikan dalam response time, memory usage, dan data transmitted. OkHttp unggul dalam response time, memberikan waktu respons tercepat. Retrofit menunjukkan efisiensi pada memory usage, sementara Ktor Client terbaik dalam transmitted network usage dan tidak ditemukan perbedaan signifikan pada received network usage dari keempat library. Secara keseluruhan, Retrofit menonjol sebagai pilihan terbaik berkat efisiensinya pada memory usage serta performa yang baik pada response time dan transmitted network usage. Meski tidak unggul pada semua aspek, kinerja Retrofit yang konsisten menjadikannya solusi optimal untuk pengembangan aplikasi Android.
Marketing Optimization: Purchase Data-Based Customer Segmentation Decision Support System Wong, Vinncent Alexander; Fadhiilah, Muhammad Althaaf; Santoso, Dzikry Aji; Setyorini, Luthfia Rahmi; Amrani, Andi Ahyar Almuhajir; Mursityo, Yusi Tyroni
MATICS: Jurnal Ilmu Komputer dan Teknologi Informasi (Journal of Computer Science and Information Technology) Vol 17, No 1 (2025): MATICS
Publisher : Department of Informatics Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.18860/mat.v17i1.24274

Abstract

Abstract—In the era of technological development and changes in shopping culture, e-commerce is increasingly dominating the market, and customer purchase data is becoming a valuable source of information for companies. To address the challenges of inappropriate targeting, customer retention, customer satisfaction, and measuring the effectiveness of marketing campaigns, this research aims to design a decision support system for customer segmentation based on purchase data, identify the optimal parameters of clustering algorithms, and develop appropriate marketing strategies for each group of customers generated from clustering. By using tools such as Matplotlib, Numpy, and Pandas, this research is expected to provide valuable guidance for companies in optimizing their marketing strategies in the competitive e-commerce market.