Claim Missing Document
Check
Articles

Found 2 Documents
Search

Analisis Tren Penjualan dan Strategi Harga di E-Commerce Menggunakan Exploratory Data Analysis Fakhrana, Indira Fildah; Voutama, Apriade
Jurnal Ilmu Komputer dan Bisnis Vol. 16 No. 1 (2025): Vol. 16 No. 1 Mei (2025)
Publisher : STMIK Dharmapala Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47927/jikb.v16i1.976

Abstract

Menganalisis tren penjualan dan strategi harga di e-commerce menggunakan Exploratory Data Analysis (EDA). Dengan meningkatnya persaingan di industri digital, pemahaman pola penjualan dan efektivitas strategi harga menjadi penting bagi pelaku bisnis. Studi ini mengeksplorasi hubungan antara harga satuan, total harga, biaya pengiriman, dan pola pembelian dalam jumlah besar. Hasil analisis menunjukkan bahwa harga satuan memiliki korelasi kuat dengan total penjualan, sementara biaya pengiriman tidak berpengaruh signifikan terhadap keputusan pembelian. Selain itu, produk bernilai tinggi seperti laptop dan monitor lebih banyak dibeli dalam jumlah besar, menandakan potensi strategi pemasaran berbasis B2B. Tingginya tingkat pengembalian barang mengindikasikan perlunya peningkatan kualitas produk dan efisiensi logistik. Dengan memahami pola ini, e-commerce dapat mengoptimalkan strategi harga, meningkatkan kepuasan pelanggan, dan mempertahankan daya saing di pasar digital.
Analisis Perbandingan SVM dan Logistic Regression dalam Penentuan Prioritas Tiket Dukungan Pelanggan Mulyono, Larasati Mya; Muhaa, Najibah Aisyah; Fakhrana, Indira Fildah; Sari, Betha Nurina
Jurnal Pustaka Data (Pusat Akses Kajian Database, Analisa Teknologi, dan Arsitektur Komputer) Vol 6 No 1 (2026): Jurnal Pustaka Data (Pusat Akses Kajian Database, Analisa Teknologi, dan Arsitekt
Publisher : Pustaka Galeri Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55382/jurnalpustakadata.v6i1.1467

Abstract

Otomatisasi penentuan prioritas tiket dukungan pelanggan menghadapi tantangan karena deskripsi teks antar tingkat urgensi memiliki pola yang mirip sehingga membatasi efektivitas model klasifikasi konvensional. Penelitian ini mengevaluasi kinerja Support Vector Machine (SVM) dan Logistic Regression dalam klasifikasi urgensi tiket menggunakan kerangka CRISP-DM. Dataset sekunder dari Kaggle yang terdiri dari 8.649 data dan 17 atribut digunakan dalam penelitian ini. Deskripsi tiket diproses melalui preprocessing dan direpresentasikan menggunakan TF-IDF, kemudian tingkat prioritas disederhanakan menjadi klasifikasi biner. Hasil menunjukkan performa yang relatif rendah, di mana Logistic Regression memperoleh akurasi 51,33% dan F1-score 0,508, sedangkan SVM memperoleh akurasi 48,80% dan F1-score 0,488. Temuan ini menunjukkan keterbatasan fitur berbasis TF-IDF dalam memprediksi urgensi tiket serta menegaskan perlunya integrasi representasi semantik dan metadata non-teks.