Article Per Year (5 Year)
p-Index From 2020 - 2025
0.408
P-Index
This Author published in this journals
All Journal Jurnal Teknologi Informatika dan Komputer Jurnal Pengembangan Sistem Informasi dan Informatika
Muzaky, Adamara
Unknown Affiliation
Computer Science & IT Electrical & Electronics Engineering Social Sciences

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

Found 2 Documents
Search

 1 
Menerapkan Metode Klasifikasi pada Data Uji Emisi Kendaraan di Jakarta dengan Menggunakan Jupyter Notebook Muzaky, Adamara; Arifianto, Firman; Hendrowati, Retno; Darwis, Muhammad
Jurnal Pengembangan Sistem Informasi dan Informatika Vol. 5 No. 2 (2024): Jurnal Pengembangan Sistem Informasi dan Informatika
Publisher : Training & Research Institute - Jeramba Ilmu Sukses

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47747/jpsii.v5i2.1722

Abstract

This research aims to apply classification methods using Jupyter Notebook on vehicle emission test data in Jakarta. The rapid growth of vehicles and urbanization in Jakarta has led to increased air pollution, triggering concerns among the government and city residents. This research aims to identify hidden patterns, relationships, and trends in emission test data through a Data Mining approach with classification analysis methods. It is hoped that this research will significantly contribute to understanding the characteristics of vehicle emissions in Jakarta, including identifying dominant pollutants and factors influencing vehicle emissions.
Segmentasi Pelanggan Berdasarkan Recency, Frequency, dan Monetary dengan K-Means Clustering: Studi Kasus Toko Pakaian Almost Famous Arifianto, Firman; Hasudungan, Jonlisen; Muzaky, Adamara; Achsan, Harry T.Y.
Jurnal Teknologi Informatika dan Komputer Vol. 10 No. 1 (2024): Jurnal Teknologi Informatika dan Komputer
Publisher : Universitas Mohammad Husni Thamrin

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37012/jtik.v10i1.2096

Abstract

Penelitian ini bertujuan untuk menganalisis loyalitas pelanggan dalam konteks bisnis distro pakaian dengan menggunakan model RFM (Recency, Frequency, Monetary) dan algoritma K-Means. Data yang dianalisis berasal dari basis data membership Distro Almost Famous Clothing Store yang mencakup tiga cabang di Beji, Jagakarsa, dan Kelapa Dua. Pengumpulan data melibatkan informasi penting mengenai pelanggan terdaftar, kunjungan terakhir pelanggan, dan jumlah pembelian selama menjadi anggota membership. Setelah melalui proses pra-pemrosesan data, dilakukan segmentasi pelanggan menggunakan model RFM untuk membagi pelanggan menjadi kelompok berdasarkan tingkat recency, frequency, dan monetary value. Selanjutnya, algoritma K-Means digunakan untuk memetakan kelompok pelanggan yang serupa dengan menggunakan metode Elbow Curved, Silhouette Coefficient, dan Davies-Bouldin Index untuk menentukan jumlah cluster yang optimal. Hasil penelitian menunjukkan adanya tiga kelompok pelanggan dengan tingkat loyalitas yang berbeda: Cluster 0 (loyalitas tinggi) dengan 3225 pelanggan, Cluster 1 (loyalitas sedang) dengan 3.119 pelanggan, dan Cluster 2 (loyalitas rendah) dengan 1258 pelanggan. Implikasi dari penelitian ini adalah memberikan panduan kepada perusahaan dalam merancang strategi yang sesuai dengan karakteristik masing-masing kelompok pelanggan untuk meningkatkan retensi pelanggan dan pertumbuhan bisnis secara keseluruhan. Bagi pelanggan dengan loyalitas rendah, disarankan perusahaan untuk menyelenggarakan potongan harga atau promosi khusus, meningkatkan kualitas produk atau layanan, serta menawarkan program loyalitas guna mendorong kembali kegiatan berbelanja. Bagi pelanggan dengan loyalitas sedang, perusahaan dapat meningkatkan daya tarik program loyalitas, memperluas portofolio produk atau layanan yang relevan, dan menjalankan strategi pemasaran yang dapat meningkatkan frekuensi pembelian. Bagi pelanggan dengan loyalitas tinggi, disarankan perusahaan memberikan penghargaan tambahan, meningkatkan pengalaman pelanggan melalui personalisasi, dan terus mengembangkan produk atau layanan baru.
Co-Authors Achsan, Harry T.Y. Arifianto, Firman Hasudungan, Jonlisen Hendrowati, Retno Muh. Darwis