Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal Energy : Jurnal Ilmiah Ilmu-Ilmu Teknik Joutica : Journal of Informatic Unisla
Jamal
Akademi Manajemen Dan Informatika Taruna Probolinggo
Aerospace Engineering Automotive Engineering Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Energy Engineering Industrial & Manufacturing Engineering Mechanical Engineering

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : Energy : Jurnal Ilmiah Ilmu-Ilmu Teknik

 1 
Strategi Cyber Marketing Untuk Meningkatkan Jumlah Penerimaan Mahasiswa Baru Ninanesia Rusdiana; Heri Susanto; Jamal Jamal
Energy - Jurnal Ilmiah Ilmu-Ilmu Teknik Vol 8 No 2 (2018): Jurnal ENERGY Vol. 8 No. 2 Edisi Nopember 2018
Publisher : Fakultas Teknik

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (288.572 KB)

Abstract

Sebuah perguruan tinggi swasta bidang IT (Information Teknology) di sebuah kota di Jawa Timur sedang menghadapi trend penurun penerimaan mahasiswa baru dalam beberapa tahun terakhir. Analisis terhadap kondisi yang ada baik aspek internal lembaga dengan mengidentifikasi kualitas layanan kepada mahasiswa dan aspek eksternal untuk mengetahui pandangan calon-calon mahasiswa terhadap lembaga. Selain itu juga dilakukan analisis terhadap peluang dan ancaman yang dapat berpengaruh terhadap jumlah pendaftar mahasiswa baru. Analisis terhadap faktor penunjang penerimaan mahasiswa baru menunjukkan variabel “kualitas perguruan tinggi yang memberikan kesan baik“ mempunyai pengaruh yang paling signifikan. Diidentifikasi strategi pemasaran yang telah dilakukan sebagai acuan untuk perbaikan. Kajian strategi pemasaran berbasis IT (metode cyber) untuk dapat memperkuat strategi pemasaran yang telah berjalan untuk meningkatkan jumlah penerimaan mahasiswa baru. Ditetapkan target sekolah-sekolah yang siswanya potensial sebagai calon pendaftar mahasiswa baru. Metode cyber yang disarankan adalah merevitalisasi fungsionalitas website lembaga, penggunaan facebook, medsos, TV dan Radio lokal untuk media pemasaran. Kesimpulan yang diambil dan sebagai saran kepada lembaga agar dapat meningkatkan jumlah penerimaan mahasiswa baru yaitu menyelesaikan permasalahan yang telah teridentifikasi untuk meningkatkan reputasi lembaga, meningkatkan kualitas dan efektivitas metode pemasaran konvensional yang telah berjalan dan menggunakan metode cyber untuk memperkuat metode konvensional. Kata Kunci : layanan, mahasiswa, image building, konvensional, cyber
Analisis RFM dan Algoritma K-Means untuk Clustering Loyalitas Customer Jamal Jamal; Dwi Yanto
Energy - Jurnal Ilmiah Ilmu-Ilmu Teknik Vol 9 No 1 (2019): Jurnal ENERGY Vol. 9 No. 1 Edisi Mei 2019
Publisher : Fakultas Teknik

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (350.942 KB) | DOI: 10.51747/energy.v9i1.459

Abstract

Bagi sebuah perusahaan loyalitas customer menjadi hal yang sangat penting untuk diketahui. Pemahaman yang baik terhadap customer dapat digunakan untuk menentukan customer yang potensial atau pun yang tidak potensial. Customer potensial adalah customer yan memiliki tingkat kepuasan yang tinggi dengan frekwensi dan nilai permintaan yang tinggi pula. Kepuasan customer dapat terjadi apabila harapan, kebutuhan dan keinginan customer dapat dipenuhi sehingga akan selalu melakukan pembelian secara terus menerus yang pada akhirnya meningkatkan omzet perusahaan. Pada umumnya untuk menghasilkan clustering yang baik metode yang sering digunakan adalah metode analisis RFM (Recency, Frequency, Monetary). RFM sendiri adalah sebuah metode analisis yang cukup terkenal dan sering digunakan dalam strategi pemasaran melalui pendekatan CRM (Customer Relationship Managemen. RFM menghendaki penilaian loyalitas tidak hanya dipandang dari besarnya nilai pembelian (monetary) yang dilakukan oleh customer tetapi juga melibatkan tingkat keseringan (frequency) dan waktu terakhir (recency) seorang customer melakukan transaksi. Dataset yang dihasilkan dikelompokkan (clustering) menggunakan algoritma K-Means dengan 5 tingkat loyalitas yakni Sangat Loyal, Cukup Loyal, Biasa, Kurang Loyal, Tidak Loyal. Untuk uji validitas digunakan Davies-Bouldin Index. Nilai DBI yang dihasilkan dari clustering customer sebesar 0.79074. Dari nilai DBI tersebut dapat disimpulkan bahwa kualitas cluster yang dihasilkan memiliki kulaitas yang cukup baik.
Co-Authors Dwi Yanto heri susanto Heri Susanto Ninanesia Rusdiana