Garuda - Garba Rujukan Digital

Analisis Data Penjualan Video Game Sales Genre Action Di Wilayah Jepang Studi Independen Bersertifikat Di PT Revolusi Cita Edukasi (REVOU) Muhammad Muchlis; Fachri Amsury; Heriyanto Heriyanto
Bianglala Informatika Vol. 13 No. 2 (2025): September 2025
Publisher : Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/bianglala.v13i2.11417

Penelitian ini bertujuan untuk menjadi analis data dengan mengikuti program MBKM yaitu Studi Independen bersertifikat, penulis mengikuti program ini dikarenakan jarangnya analisis data yang disebabkan oleh sklill gap maka diperlukan pelatihan. Tujuan dari program Merdeka Belajar Kampus Merdeka (MBKM) adalah untuk meningkatkan kemampuan lulusan, baik soft skill maupun hard skill, agar mahasiswa lebih siap untuk menjadi pemimpin masa depan bangsa yang unggul dengan kebutuhan zaman yang terus berubah. Studi Independen RevoU Tech Academy merupakan program kerjasama antara Kemendikburistek yang bertujuan untuk membekali mahasiswa dengan pengetahuan dan keterampilan di bidang teknologi agar dapat bersaing di era digital. Metode pengumpulan data pada penelitian ini menggunakan studi kasus, studi pustaka, dokumentasi, wawancara. Untuk menjadi analis data dapat dilakukan dengan proses-proses sederhana dengan menggunakan Metode penelitian menggunakan Exploratory Data Analysis(EDA) yaitu proses data cleaning menggunakan spreadsheet, data analisis menggunakan Root Cause Analysis(RCA), data visualisasi menggunakan Power BI, dan data comunication untuk menjelaskan Insight rekomendasi bisnis. Studi kasus yaitu berupa capstone project data yang dianalisis bersumber dari kaggle adalah data penjualan video game sales, memberikan pengetahuan kepada pembaca terkait strategi meningkatkan penjualan video game. Hasil analisis menunjukan penjualan game di jepang, genre Role-Playing mendominasi dengan jumlah penjualan 104, diikuti oleh genre Action yang mencatatkan 87. Sedangkan genre lain seperti Miscellaneous mencatatkan 43, dan genre Sports 31. Genre lain seperti Adventure dan Fighting memiliki penjualan 27 dan 2, masing-masing. Sementara itu, genre Shooter, Platform, Simulation, dan Strategy mencatatkan penjualan lebih sedikit, masing-masing dengan jumlah 17 dan kurang.

Analisis dan Evaluasi Usability Website Bank Woori Saudara Indonesia Menggunakan Metode Usability Testing Mutiara Putri Anjani; Ika Kurniawati; Fachri Amsury; Heriyanto Heriyanto
Jurnal Infortech Vol. 7 No. 1 (2025): Juni 2025
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/infortech.v7i1.12362

Website Bank Woori Saudara (BWS) yang mulai aktif sejak 2014 hingga penelitian ini dilakukan masih dalam tahap pengembangan dan belum pernah dievaluasi dengan menyeluruh. Sebagai platform digital yang mendukung aktivitas perbankan, website BWS menyediakan berbagai informasi dan layanan. Salah satu aspek terpenting yang menentukan kualitas sebuah website adalah usability atau kegunaan. Evaluasi terhadap kegunaan dan efektivitas website menjadi penting untuk meningkatkan kemudahan serta loyalitas pengguna. Penelitian ini bertujuan untuk mengidentifikasi masalah pada website BWS dengan menerapkan metode Usability Testing berdasarkan lima aspek, yaitu aspek Learnability (kegunaan), Memorability (kemudahan dalam mengingat), Efficiency (efisiensi), Error (pencegahan kesalahan) dan Satisfaction (kepuasan pengguna). Metode pengumpulan data dilakukan melalui pengamatan langsung, wawancara, dan angket secara daring. Penentuan jumlah sampel menggunakan teknik Simple Random Sampling dengan jumlah responden sebanyak 100 user, sementara analisis data dilakukan dengan statistik deskriptif dan uji Independent Sample T-Test menggunakan SPSS. Hasil evaluasi usability pada website BWS mengindikasikan bahwa variabel Learnability, Efficiency, dan Errors memiliki pengaruh signifikan terhadap tingkat kepuasan pengguna. Sebaliknya, Memorability tidak menunjukkan pengaruh signifikan dan perlu ditingkatkan. Untuk meningkatkan usability secara keseluruhan, disarankan agar website BWS memperbarui informasi, memperbaiki fitur yang ada, menambahkan fitur “Daftar” dan “Search Engine”, serta meningkatkan aspek Efficiency dan mengurangi kesalahan (Errors), sambil tetap menjaga aspek Memorability. Evaluasi juga perlu dilakukan secara berkala dengan melibatkan pengguna secara langsung. Dapat disimpulkan penelitian ini menekankan bahwa peningkatan aspek usability seperti pembaruan informasi, efisiensi navigasi, dan minimisasi kesalahan dapat meningkatkan kepuasan pengguna, sehingga website BWS dapat memenuhi standar usability yang baik dan memberikan kontribusi positif terhadap kualitas layanan perbankan secara keseluruhan.

PERANCANGAN ULANG UI/UX WEBSITE SDIT NURUL ILMI BILIGUAL INTEGRATED SCHOOL BEKASI MENGGUNAKAN METODE DESIGN THINKING Andreas Eka Pradana; Ika Kurniawati; Fachri Amsury; Heriyanto Heriyanto
INFOTECH journal Vol. 10 No. 2 (2024)
Publisher : Universitas Majalengka

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31949/infotech.v10i2.11736

ABSTRACT SDIT Nurul Ilmi Bilingual School Integrated Bekasi is one of the educational institutions that utilizes the advancement of technology and the internet that is currently growing by providing a school website that contains several features such as online new student admissions and e-reports along with other information. The lack of information available regarding new student admissions, academic information, and school programs available on the school website owned by SDIT Nurul Ilmi Bilingual School Integrated Bekasi makes users dissatisfied in using the website. The redesign of this website uses the design thinking method which is a human-centered design approach to understand user needs and problems and create new innovations. The results of the prototype testing using Maze as a whole were 96%, which means that the prototype design that was tested can work well and is easy to understand by users. The results of usability testing on the prototype obtained an average score of 88 which showed excellent results with a grade scale of B, which means that the system is declared feasible. The results of the redesign in the form of a prototype can be used by related parties, namely website developers. Keywords: User interface, User Experience, Design Thinking Abstrak SDIT Nurul Ilmi Bilingual School Integrated Bekasi merupakan salah satu lembaga pendidikan yang memanfaatkan kemajuan teknologi dan internet yang semakin berkembang saat ini dengan menyediakan website sekolah yang di dalamnya terdapat beberapa fitur seperti penerimaan siswa baru secara online dan e-raport beserta informasi-informasi lainnya. Minimnya informasi yang tersedia mengenai penerimaan siswa baru, informasi akademik, dan program sekolah yang tersedia pada website sekolah yang dimiliki SDIT Nurul Ilmi Bilingual School Integrated Bekasi membuat user belum puas dalam menggunakan website tersebut. Perancangan ulang webstite ini menggunakan metode design thinking yang merupakan pendekatan desain berpusat pada manusia untuk memahami kebutuhan dan masalah pengguna serta menciptakan inovasi baru. Hasil testing prototype menggunakan Maze secara keseluruhan sebesar 96% yang artinya desain prototype yang diuji dapat bekerja dengan baik dan mudah dipahami oleh pengguna. Hasil usability testing pada prototype memperoleh nilai rata-rata 88 yang menunjukan hasil excellent dengan grade scale B yang artinya sistem dinyatakan layak. Hasil re-design yang berupa prototype ini dapat digunakan pihak terkait yakni pengembang website. Kata Kunci: User interface, User Experience, Design Thinking

PENERAPAN CLUSTERING K-MEANS UNTUK SEGMENTASI PELANGGAN PADA BISNIS RETAIL: APPLICATION OF K-MEANS CLUSTERING FOR CUSTOMER SEGMENTATION IN RETAIL BUSINESSES Lucky Chairul Fahsya; Chandra Wijaya; Firsta Maha Bintang; Justine James Mulyono; Fitrah Ramadhan; Fachri Amsury
HOAQ (High Education of Organization Archive Quality) : Jurnal Teknologi Informasi Vol. 17 No. 1 (2026): Jurnal HOAQ - Teknologi Informasi
Publisher : STIKOM Uyelindo Kupang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52972/hoaq.vol17no1.p38-52

Perkembangan bisnis retail online yang semakin pesat menuntut perusahaan untuk memahami perilaku pelanggan secara lebih mendalam agar dapat merancang strategi pemasaran yang efektif. Penelitian ini bertujuan untuk melakukan segmentasi pelanggan berdasarkan pola transaksi dengan menggunakan metode K-Means Clustering. Data yang digunakan merupakan data sekunder dari Online Retail Dataset yang diperoleh melalui UCI Machine Learning Repository, yang berisi catatan transaksi 4.338 pelanggan dari sebuah toko online di Inggris. Tahapan penelitian meliputi data preprocessing, pembentukan variabel Recency, Frequency, Monetary (RFM), standarisasi data, dan penerapan algoritma K-Means dengan jumlah cluster (k) = 3. Hasil penelitian menunjukkan bahwa pelanggan terbagi ke dalam tiga kelompok utama: pelanggan loyal (0,3%), potensial (74,8%), dan pasif (24,9%). Validitas clustering dikonfirmasi melalui tiga metrik evaluasi dengan Silhouette Score 0,602, Davies-Bouldin Index 0,756, dan Calinski-Harabasz Score 3.124,58. Cluster loyal berkontribusi 18,4% dari total revenue meskipun hanya 0,3% populasi. Penerapan metode K-Means terbukti efektif dalam mengidentifikasi pola perilaku pelanggan yang dapat dimanfaatkan untuk menentukan strategi retensi dan promosi yang lebih tepat sasaran. The rapid growth of online retail businesses requires companies to deeply understand customer behavior in order to design effective marketing strategies. This study aims to perform customer segmentation based on transactional patterns using the K-Means Clustering method. The dataset used is secondary data obtained from the Online Retail Dataset available in the UCI Machine Learning Repository, containing transaction records of 4,338 customers from a UK-based online store. The research stages include data preprocessing, construction of Recency, Frequency, Monetary (RFM) variables, data standardization, and implementation of the K-Means algorithm with the number of clusters (k) set to three. The results show that customers are grouped into three main segments: loyal customers (0.3%), potential customers (74.8%), and passive customers (24.9%). Clustering validity is confirmed through three evaluation metrics with Silhouette Score of 0.602, Davies-Bouldin Index of 0.756, and Calinski-Harabasz Score of 3,124.58. The loyal cluster contributes 18.4% of total revenue despite representing only 0.3% of the population. The application of the K-Means method proves effective in identifying customer behavior patterns that support management in developing more targeted retention and promotional strategies.

ANALISIS KESADARAN MAHASISWA TERHADAP PRIVASI DATA DENGAN MENGGUNAKAN METODE NAÏVE BAYES: ANALYSIS OF STUDENTS’ AWARENESS OF DATA PRIVACY USING THE NAÏVE BAYES METHOD Kaman Septia; Loade Thoriq Fhadila; Muhammad Irvan Syahril; Chesario Sukarno; Iman Kasih Nazara; Fachri Amsury
HOAQ (High Education of Organization Archive Quality) : Jurnal Teknologi Informasi Vol. 17 No. 1 (2026): Jurnal HOAQ - Teknologi Informasi
Publisher : STIKOM Uyelindo Kupang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52972/hoaq.vol17no1.p29-37

Privasi data merupakan aspek penting dalam aktivitas digital, terutama bagi mahasiswa yang aktif menggunakan berbagai platform daring. Penelitian ini bertujuan menganalisis tingkat kesadaran privasi data mahasiswa menggunakan algoritma Naïve Bayes. Data primer dikumpulkan melalui kuesioner Google Form yang berisi 13 indikator kesadaran privasi dan disebarkan melalui media sosial dengan teknik voluntary response sampling. Sebanyak 56 mahasiswa berpartisipasi sebagai sampel penelitian. Pengolahan data mengikuti tahapan Knowledge Discovery in Database (KDD), meliputi seleksi data, pembersihan, transformasi, pemodelan, serta evaluasi. Transformasi dilakukan dengan menghitung skor total per responden dan mengelompokkan tingkat kesadaran ke dalam kategori “Tinggi” dan “Standar” menggunakan cut-off empiris untuk menjaga keseimbangan kelas. Analisis klasifikasi dilakukan menggunakan algoritma Naïve Bayes melalui aplikasi Orange Data Mining, dengan evaluasi menggunakan Test and Score serta Confusion Matrix. Hasil penelitian menunjukkan bahwa model mampu mengklasifikasikan tingkat kesadaran privasi dengan akurasi 91.1%, precision 92.6%, recall 91.1%, F1-score 91.5%, AUC 0.976, dan MCC 0.738. Temuan ini menunjukkan bahwa Naïve Bayes efektif dalam mengenali pola kesadaran privasi mahasiswa dan layak digunakan sebagai dasar pengembangan program edukasi privasi data di lingkungan perguruan tinggi. Data privacy is a critical aspect of digital activity, particularly for university students who frequently engage with online platforms. This study aims to analyze students’ awareness of data privacy using the Naïve Bayes classification algorithm. Primary data were collected through a Google Form questionnaire consisting of 13 indicators of privacy awareness and distributed via social media using a voluntary response sampling technique. A total of 56 students participated in this study. Data processing followed the Knowledge Discovery in Database (KDD) stages, including data selection, cleaning, transformation, modeling, and evaluation. The transformation process involved calculating the total awareness score for each respondent and categorizing awareness levels into “High” and “Standard” using an empirical cut-off to maintain class balance. The Naïve Bayes algorithm was applied using the Orange Data Mining application, with performance evaluated through the Test and Score and Confusion Matrix tools. The results indicate that the model performed effectively, achieving an accuracy of 91.1%, precision of 92.6%, recall of 91.1%, F1-score of 91.5%, AUC of 0.976, and MCC of 0.738. These findings demonstrate that Naïve Bayes is suitable for analyzing student privacy awareness patterns and can serve as a foundation for designing educational interventions to improve privacy literacy in academic environments.

PENERAPAN ALGORITMA APRIORI UNTUK ANALISIS POLA PEMILIHAN MENU DI RH STORE: IMPLEMENTATION OF THE APRIORI ALGORITHM FOR ANALYZING MENU SELECTION PATTERNS AT RH STORE Dimas Limanov Pratama; Natasya Kristy; Rayhan Daffananda Saputra; Muhammad Awaluddin Azhari Ihsan; Fachri Amsury; Hendra Supendar
HOAQ (High Education of Organization Archive Quality) : Jurnal Teknologi Informasi Vol. 17 No. 1 (2026): Jurnal HOAQ - Teknologi Informasi
Publisher : STIKOM Uyelindo Kupang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52972/hoaq.vol17no1.p19-28

Fluktuasi penjualan yang dialami RH Store menunjukkan perlunya pemanfaatan data transaksi secara optimal untuk mendukung pengambilan keputusan bisnis. Selama ini, data transaksi penjualan belum dimanfaatkan secara maksimal untuk mengidentifikasi pola pemilihan menu pada data transaksi penjualan RH Store. Metode yang digunakan adalah pendekatan kuantitatif deskriptif dengan mengikuti tahapan Knowledge Discovery in Databases (KDD), meliputi seleksi data, pembersihan data, transformasi ke bentuk market basket, serta pembentukan aturan asosiasi. Data yang digunakan berupa 101 transaksi penjualan pada periode Juli hingga September 2025 dan dianalisis menggunakan aplikasi Orange Data Mining. Pengujian dilakukan dengan beberapa kombinasi nilai support dan confidence, yaitu 30%-60%, 40%-80%, dan 50%-90%. Hasil penelitian menunjukkan bahwa pada nilai support 50% dan confidence 90% diperoleh 17 aturan asosiasi dengan nilai confidence tertinggi sebesar 95% dan seluruh nilai lift lebih besar dari 1. Produk Roti Tumpuk, Roti Bulat, dan Roti Kukus memiliki tingkat keterkaitan paling dan sering muncul sebagai consequent. Hasil analisis ini dapat dimanfaatkan sebagai dasar dalam penyusunan menu paket, strategi promosi, serta pengelolaan persediaan produk di RH Store. Sales fluctuations experienced by RH Store indicate the need to optimize the use of transaction data to support business decision-making. To date, sales transaction data have not been fully utilized to identify menu selection patterns at RH Store. This study employs a descriptive quantitative approach following the Knowledge Discovery in Databases (KDD) stages, including data selection, data cleaning, transformation into a market basket format, and association rule generation. The dataset consists of 101 sales transactions collected from July to September 2025 and was analyzed using Orange Data Mining. Experiments were conducted using several combinations of support and confidence thresholds, namely 30%–60%, 40%–80%, and 50%–90%. The results show that at a support threshold of 50% and a confidence threshold of 90%, 17 association rules were generated, with the highest confidence value reaching 95% and all lift values exceeding 1. The products Roti Tumpuk, Roti Bulat, and Roti Kukus exhibit the strongest associations and frequently appear as consequents. These findings can be utilized as a basis for designing menu packages, promotional strategies, and inventory management at RH Store.

Title

Found 6 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 6 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 6 Documents
Search