cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Chairul Anwar
Contact Email
info@jci.co.id
Phone
+6285128002422
Journal Mail Official
info@jci.co.id
Editorial Address
Jl Bunga Melati GG H Yahya RT 04 RW 02 No. 52, Cipete Selatan, Cilandak, Jakarta Selatan, DKI Jakarta
Location
Kota adm. jakarta selatan,
Dki jakarta
INDONESIA
Journal of Information Systems and Business Technology
Published by PT Jurnal Cendekia Indonesia
ISSN : -     EISSN : 31098886     DOI : -
Core Subject : Science,
Computer Science & IT Library & Information Science
Journal of Information Systems and Business Technology (JISBT) adalah jurnal ilmiah yang didedikasikan khusus untuk pengembangan keilmuan di bidang Sistem Informasi. Jurnal ini menjadi wadah untuk penyebaran hasil penelitian, inovasi teknologi, serta pemikiran kritis yang berfokus pada penerapan dan pengembangan sistem informasi dalam berbagai konteks bisnis dan organisasi. Jurnal ini bertujuan untuk menjadi referensi utama bagi akademisi, peneliti, dan praktisi yang bergerak di bidang Sistem Informasi, serta menjadi sarana kontribusi terhadap peningkatan literasi teknologi dan manajemen informasi di era digital. Journal of Information Systems and Business Technology (JISBT) diterbitkan sebanyak empat kali dalam setahun, yaitu pada bulan Juni, Agustus, Oktober, dan Desember. Semua publikasi dalam JISBT bersifat akses terbuka, memastikan bahwa setiap artikel tersedia secara daring tanpa biaya berlangganan. JISBT menerima artikel ilmiah orisinal yang relevan dengan topik-topik berikut dalam bidang Sistem Informasi: Manajemen Sistem Informasi Strategi Sistem Informasi dalam Bisnis Sistem Informasi Keuangan dan Akuntansi Sistem Informasi Pemasaran Sistem Informasi Sumber Daya Manusia E-Commerce dan Sistem Transaksi Digital Customer Relationship Management (CRM) Business Intelligence dan Analitik Data Big Data dan Sistem Pendukung Keputusan Keamanan Informasi dan Keamanan Siber Integrasi Sistem dan Interoperabilitas Audit Sistem Informasi dan Tata Kelola TI Rekayasa Perangkat Lunak untuk Sistem Informasi Desain UI/UX dan Pengalaman Pengguna Data Mining dan Machine Learning untuk Sistem Informasi Inovasi dan Transformasi Digital Cloud Computing dalam Implementasi Sistem Informasi Internet of Things (IoT) dalam Sistem Informasi Enterprise Resource Planning (ERP) Topik lain yang relevan dengan Sistem Informasi Catatan: Artikel yang dikirimkan harus bersifat orisinal, memiliki sitasi yang benar, dan belum pernah dipublikasikan sebelumnya, baik secara cetak maupun digital.
Arjuna Subject : Ilmu Komputer (semua kategori) - Ilmu Komputer (Lain-Lain)
Articles 205 Documents
 17   18   19   20   21 
Segmentasi Pelanggan dan Prediksi Churn E-Commerce Menggunakan K-Means Clustering dan Random Forest: Studi Kasus Olist Brazil Muhamad Yumni Airennn; Devira Nazra Suhendra; Najwa Rena Amanda
Journal of Information Systems and Business Technology Vol 2 No 3 (2026): Journal of Information Systems and Business Technology
Publisher : PT Jurnal Cendekia Indonesia

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

Abstract

Among 93,357 customers analyzed from the Olist Brazil e-commerce platform, nearly four in ten were found to be in a state of permanent churn a condition invisible to conventional transaction reporting without data-driven segmentation. This study proposes a two-stage analytical pipeline integrating RFM-based (Recency, Frequency, Monetary) K-Means Clustering with a Random Forest Classifier for churn prediction, structured within the CRISP-DM framework. Data were drawn from the Olist Brazilian E-Commerce Public Dataset covering 115,653 orders between 2016 and 2018. Churn was operationalized as customers with recency exceeding 180 days and a transaction frequency of one, yielding a churn proportion of 56.4% across the sample. Clustering at K=4 (Silhouette Score=0.526) partitioned customers into four behaviorally distinct segments: Active (53%, churn rate 29%), Lost (39%, churn rate 100%), Big Spender (4%, churn rate 60%), and Loyal (3%, churn rate 0%). Cluster labels were subsequently incorporated as input features into the Random Forest model a design decision that proved consequential, as the cluster variable emerged as the single strongest predictor with a feature importance score of 0.826, outweighing all individual behavioral features combined. The model achieved an ROC-AUC of 0.897, accuracy of 82.9%, precision of 97.7%, recall of 71.5%, and F1-Score of 82.6%. These results demonstrate that customer segmentation, when embedded within a predictive pipeline rather than used in isolation, yields substantial gains in churn detection capability.
Segmentasi Karakteristik Pelanggan Hotel Menggunakan Algoritma KMeans Berdasarkan Pola Reservasi dan Preferensi Layanan Adit Nasruloh Rakasiwi; Joshua Dwi Putra; Muhamad Ari Permana
Journal of Information Systems and Business Technology Vol 2 No 3 (2026): Journal of Information Systems and Business Technology
Publisher : PT Jurnal Cendekia Indonesia

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

Abstract

Industri perhotelan modern membutuhkan strategi pemasaran personal karena pendekatan konvensional kurang efektif dalam mengakomodasi beragamnya preferensi tamu. Penelitian ini bertujuan merancang model segmentasi pelanggan hotel secara objektif menggunakan algoritma K-Means Clustering. Memanfaatkan dataset hotel_bookings.csv , penelitian ini menerapkan kerangka Knowledge Discovery in Databases (KDD) yang mencakup pengumpulan data, prapemrosesan, pemodelan, evaluasi, hingga visualisasi. Model dibangun dengan menyeleksi tiga fitur utama: durasi waktu tunggu pemesanan (lead_time), jumlah permintaan khusus (total_of_special_requests), dan rata-rata harga harian (adr). Melalui pengujian menggunakan Elbow Method dan Silhouette Score, data pelanggan dipartisi secara optimal ke dalam tiga klaster. Penghitungan jarak kedekatan data dilakukan menggunakan Euclidean Distance. Hasil klasterisasi tersebut diimplementasikan ke dalam sebuah dashboard interaktif berbasis web menggunakan pustaka Streamlit. Integrasi sistem ini memungkinkan manajemen hotel untuk mengidentifikasi karakteristik dominan dari setiap segmen pelanggan,  mengevaluasi harga secara adaptif, dan merumuskan kampanye pemasaran yang spesifik untuk meningkatkan kepuasan  tamu jangka panjang.
Analisis dan Perancangan Sistem Informasi Administrasi RT/RW Berbasis Website Mengunakan Standar ISO/IEC 25010 Agi Durega Durega; Novita Cindy Agustina; Chairul Anwar
Journal of Information Systems and Business Technology Vol 2 No 3 (2026): Journal of Information Systems and Business Technology
Publisher : PT Jurnal Cendekia Indonesia

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

Abstract

This study aims to analyze and design a web-based RT/RW administrative information system to improve efficiency and transparency in neighborhood administrative management. The problems identified include resident data recording, letter management, and contribution payment processes that are still conducted manually, resulting in inefficiency and a high risk of errors. The research employed the Agile method with an iterative approach in system development. System modeling was carried out using Unified Modeling Language (UML), consisting of use case diagrams, activity diagrams, sequence diagrams, and class diagrams. System testing was conducted based on the ISO/IEC 25010 standard, covering aspects of functional suitability, usability, reliability, and performance efficiency. The results indicate that the developed system functions properly, achieves a high usability level with an average score above 4 on a 5-point scale, and demonstrates responsive and stable performance. Therefore, the system is considered feasible as a solution for improving the quality of administrative services within the RT/RW environment.
Analisis Implementasi Sistem Informasi Kearsipan Dinamis Terintegrasi (SRIKANDI) pada Bagian Perencanaan dan Keuangan Kantor Wali Kota Palembang Menggunakan Framework PIECES Rosita Azaly; Gusmelia Testiana Testiana
Journal of Information Systems and Business Technology Vol 2 No 3 (2026): Journal of Information Systems and Business Technology
Publisher : PT Jurnal Cendekia Indonesia

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

Abstract

Transformasi digital dalam penyelenggaraan pemerintahan mendorong penerapan Sistem Informasi Kearsipan Dinamis Terintegrasi (SRIKANDI) sebagai aplikasi umum bidang kearsipan untuk mendukung pengelolaan arsip dan persuratan elektronik pada instansi pemerintah. Penelitian ini bertujuan menganalisis implementasi SRIKANDI pada Bagian Perencanaan dan Keuangan Kantor Wali Kota Palembang menggunakan Framework PIECES yang meliputi aspek Performance, Information, Economic, Control, Efficiency, dan Service. Penelitian menggunakan metode deskriptif kualitatif dengan teknik pengumpulan data berupa observasi, wawancara semi-terstruktur, dan studi literatur. Hasil penelitian menunjukkan bahwa implementasi SRIKANDI secara umum telah berjalan dengan baik dan memberikan dampak positif terhadap proses administrasi serta pengelolaan arsip elektronik. Dimensi Information, Economic, dan Efficiency menunjukkan hasil paling optimal karena mampu meningkatkan kualitas informasi, mengurangi penggunaan dokumen fisik, serta mempercepat proses surat menyurat dan pencarian arsip. Namun demikian, pada dimensi Performance dan Service masih ditemukan beberapa kendala berupa perlambatan sistem pada waktu tertentu dan kebutuhan peningkatan kemudahan penggunaan bagi pengguna baru. Berdasarkan hasil analisis, diperlukan peningkatan infrastruktur jaringan, optimalisasi sistem, serta pelatihan pengguna secara berkala guna mendukung keberhasilan implementasi SRIKANDI secara berkelanjutan.
ANALISIS DAN PERANCANGAN SISTEM INFORMASIDATA PENDUDUK BERBASIS WEBSITEMENGGUNAKAN STANDAR ISO/IEC 2510 pada PTTeknologi Informatika Solusindo Zibran Briliantama; Chairul Anwar
Journal of Information Systems and Business Technology Vol 2 No 3 (2026): Journal of Information Systems and Business Technology
Publisher : PT Jurnal Cendekia Indonesia

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

Abstract

Penelitian ini bertujuan untuk mengevaluasi dan merancang sistem informasi data penduduk berbasis web di PT Teknologi Informatika Solusindo untuk meningkatkan efisiensi dan akurasi dalam pengelolaan data. Tantangan utama yang dihadapi adalah masih adanya penggunaan sistem manual yang mengakibatkan terjadinya duplikasi data, lambatnya proses, serta rendahnya kualitas informasi. Metodologi yang diambil dalam penelitian ini adalah metode prototipe, yang memungkinkan pengembangan sistem dilakukan secara bertahap dengan pembuatan model awal dan evaluasi yang dilakukan berulang kali berdasarkan masukan dari pengguna. Desain sistem dilakukan menggunakan Unified Modeling Language (UML), sementara implementasi sistem memanfaatkan teknologi web seperti HTML, CSS, JavaScript, serta PHP dan MySQL sebagai basis datanya. Penilaian sistem mengikuti standar ISO/IEC 25010 yang mencakup aspek fungsional, kegunaan, kehandalan, efisiensi kinerja, kemudahan untuk dirawat, dan portabilitas. Temuan penelitian menunjukkan bahwa sistem yang dikembangkan dapat meningkatkan kecepatan dalam pengolahan data, mengurangi kesalahan dalam pencatatan, serta meningkatkan kepuasan pengguna. Oleh karena itu, sistem ini diharapkan bisa menjadi solusi yang efektif dalam pengelolaan data penduduk dan memperbaiki proses administrasi secara keseluruhan.
Pemanfaatan Data Mining dengan Metode K-Means Berbasis RFM untuk Segmentasi Pelanggan dalam Mendukung Strategi Customer Intelligence (Studi Kasus: Olist E-Commerce) Sri Rizki Umanti; Muhammad Rafly Setiawan; Ibrahim Musyaffa Rizqie
Journal of Information Systems and Business Technology Vol 2 No 3 (2026): Journal of Information Systems and Business Technology
Publisher : PT Jurnal Cendekia Indonesia

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

Abstract

Pertumbuhan industri perdagangan elektronik menghasilkan volume data transaksi pelanggan yang semakin besar dan berpotensi dimanfaatkan sebagai sumber informasi dalam mendukung pengambilan keputusan bisnis. Penelitian ini bertujuan menerapkan teknik data mining melalui algoritma K-Means yang dipadukan dengan pendekatan Recency, Frequency, dan Monetary (RFM) untuk melakukan pengelompokan pelanggan pada platform Olist E-Commerce. Pendekatan RFM digunakan untuk mengevaluasi aktivitas pelanggan berdasarkan waktu transaksi terakhir, frekuensi pembelian, serta nilai transaksi yang dihasilkan. Selanjutnya, algoritma K-Means digunakan untuk mengelompokkan pelanggan yang memiliki karakteristik transaksi serupa ke dalam beberapa segmen. Hasil analisis menghasilkan beberapa kelompok pelanggan dengan pola perilaku yang berbeda, meliputi pelanggan loyal, pelanggan potensial, pelanggan pasif, dan pelanggan bernilai rendah. Informasi yang diperoleh dari proses segmentasi dapat dimanfaatkan sebagai dasar dalam penyusunan strategi pemasaran yang lebih tepat sasaran dan berbasis data. Selain itu, hasil penelitian juga menunjukkan bahwa penerapan metode RFM dan K-Means mampu membantu perusahaan dalam memahami karakteristik pelanggan secara lebih mendalam sehingga mendukung peningkatan efektivitas strategi bisnis dan pengelolaan hubungan pelanggan.
Penerapan Algoritma K-Means Clustering untuk Segmentasi Pelanggan Berdasarkan Model RFM pada Dataset Online Retail II Rendi Suoth; Veto Almalik; Rendi Ramadhani
Journal of Information Systems and Business Technology Vol 2 No 3 (2026): Journal of Information Systems and Business Technology
Publisher : PT Jurnal Cendekia Indonesia

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

Abstract

Kemajuan teknologi informasi telah mendorong perusahaan untuk memakai data transaksi konsumen sebagai sumber wawasan penting untuk mendukung keputusan bisnis. Salah satu cara yang bisa dilakukan adalah dengan membagi pelanggan ke dalam kelompok-kelompok agar bisa memahami ciri-ciri dan kebiasaan konsumen berdasarkan kegiatan transaksi mereka. Tujuan dari kajian ini adalah mengaplikasikan metode K-Means Clustering berdasarkan model RFM (Recency, Frequency, Monetary) untuk mengelompokkan konsumen pada kumpulan data Online Retail II. Pendekatan yang dipakai dalam kajian ini adalah kuantitatif melalui langkah-langkah data mining yang meliputi pemahaman bisnis, pemahaman data, penyiapan data, pemodelan, evaluasi, dan implementasi. Dalam tahap penyiapan data, dilakukan pembersihan data, penyingkiran nilai yang hilang, penghapusan transaksi yang tidak sah, serta pembentukan fitur RFM. Selanjutnya, metode K-Means diterapkan untuk menggolongkan konsumen berdasarkan ciri transaksi yang mereka miliki. Hasil dari kajian ini memperlihatkan bahwa jumlah kelompok terbaik yang ditemukan melalui Elbow Method adalah tiga kelompok, yaitu konsumen setia, konsumen umum, dan konsumen tidak aktif. Kelompok konsumen setia memiliki nilai Recency yang rendah, serta nilai Frequency dan Monetary yang sangat tinggi, sementara kelompok konsumen tidak aktif ditandai dengan nilai Recency yang tinggi dan nilai Frequency serta Monetary yang rendah. Lebih jauh, kajian ini juga menciptakan sebuah dashboard intelijen konsumen yang menyajikan pengelompokan konsumen, konsumen yang berpotensi berhenti, saran paket produk, dan perkiraan nilai transaksi. Temuan penelitian menunjukkan bahwa gabungan model RFM dan metode K-Means dapat menghasilkan pengelompokan konsumen yang jelas dan bisa menjadi dasar dalam menyusun strategi pemasaran yang lebih baik dan tertarget.
Penerapan Data Mining untuk Customer Intelligence dalam Meningkatkan Strategi Bisnis Retail Menggunakan K-Means dan FP-Growth Vivi Ananda Putri; Faiz Perdana; Aurael Idfi Krismarwazie
Journal of Information Systems and Business Technology Vol 2 No 3 (2026): Journal of Information Systems and Business Technology
Publisher : PT Jurnal Cendekia Indonesia

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

Abstract

Perkembangan industri ritel yang semakin kompetitif menuntut perusahaan untuk memahami karakteristik serta perilaku konsumennya secara lebih mendalam. Pemanfaatan data transaksi yang tersimpan dalam basis data perusahaan dapat menjadi sumber informasi strategis dalam mendukung pengambilan keputusan bisnis. Penelitian ini bertujuan menerapkan teknik data mining untuk membangun customer intelligence guna meningkatkan efektivitas strategi bisnis ritel. Metode yang digunakan adalah algoritma K-Means untuk melakukan segmentasi pelanggan berdasarkan karakteristik transaksi dan algoritma FP-Growth untuk menemukan pola keterkaitan pembelian produk yang sering terjadi secara bersamaan. Proses penelitian diawali dengan pengumpulan dan pembersihan data transaksi, dilanjutkan dengan transformasi data, pengelompokan pelanggan menggunakan K-Means, serta analisis asosiasi produk menggunakan FP-Growth. Hasil segmentasi pelanggan diharapkan mampu mengidentifikasi kelompok konsumen berdasarkan tingkat aktivitas dan nilai transaksi sehingga perusahaan dapat menyusun strategi pemasaran yang lebih tepat sasaran. Sementara itu, pola asosiasi produk yang dihasilkan dari FP-Growth dapat dimanfaatkan dalam penyusunan promosi, penempatan produk, dan strategi cross-selling. Melalui kombinasi kedua algoritma tersebut, penelitian ini diharapkan mampu menghasilkan informasi yang bernilai bagi perusahaan dalam memahami perilaku pelanggan, meningkatkan loyalitas konsumen, serta mengoptimalkan kinerja bisnis ritel secara berkelanjutan.
Penerapan Data Mining untuk Optimalisasi Strategi Pemasaran dan Retensi Pelanggan pada E-Commerce Retail Muhammad Dhafa Fauzan; Ahmad Fauzy; Muhammad Fadli Junior
Journal of Information Systems and Business Technology Vol 2 No 3 (2026): Journal of Information Systems and Business Technology
Publisher : PT Jurnal Cendekia Indonesia

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

Abstract

Perkembangan industri e-commerce retail di Indonesia mengalami peningkatan yang sangat pesat seiring dengan pertumbuhan penggunaan internet dan teknologi digital. Persaingan bisnis yang semakin kompetitif menuntut perusahaan untuk mampu memahami perilaku pelanggan secara lebih mendalam agar strategi pemasaran yang diterapkan menjadi lebih efektif serta mampu meningkatkan loyalitas konsumen. Penelitian ini bertujuan untuk menerapkan teknik data mining dalam mengoptimalkan strategi pemasaran dan retensi pelanggan pada sektor e-commerce retail. Metode yang digunakan dalam penelitian ini adalah pendekatan Knowledge Discovery in Database (KDD) dengan memanfaatkan teknik clustering dan klasifikasi untuk mengelompokkan karakteristik pelanggan berdasarkan pola transaksi, frekuensi pembelian, serta tingkat loyalitas pelanggan. Hasil penelitian diharapkan mampu memberikan rekomendasi strategi pemasaran yang lebih terarah, meningkatkan efektivitas promosi, serta membantu perusahaan dalam mempertahankan pelanggan potensial. Selain itu, penerapan data mining juga diharapkan dapat mendukung pengambilan keputusan bisnis secara lebih cepat, akurat, dan berbasis data. Penelitian ini memberikan kontribusi dalam pengembangan pemanfaatan teknologi data mining pada industri e-commerce retail di Indonesia guna meningkatkan daya saing perusahaan di era transformasi digital.
Analisis Akurasi Algoritma Random Forest Regression dalam Memprediksi Harga Mobil Bekas Zibran Briliantama; Wahyu Adriyano; Adhitya Bagas Pratama
Journal of Information Systems and Business Technology Vol 2 No 3 (2026): Journal of Information Systems and Business Technology
Publisher : PT Jurnal Cendekia Indonesia

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

Abstract

Kemajuan dalam teknologi Machine Learning telah memberikan dampak yang besar di banyak sektor, terutama dalam membantu proses penentuan harga kendaraan bekas. Proses menetapkan harga jual kendaraan bekas sering kali menghadapi kesulitan karena dipengaruhi oleh berbagai faktor kendaraan, seperti merek, jenis, tahun pembuatan, jarak tempuh, tipe bahan bakar, jenis transmisi, dan detail mesin. Penelitian ini bertujuan untuk menilai efektivitas algoritma Random Forest Regression dalam meramalkan harga kendaraan bekas berdasarkan atribut-atribut yang ada pada dataset. Langkah-langkah yang dilakukan dalam penelitian ini mencakup pengumpulan informasi, tahap preprocessing, pengubahan atribut kategorikal, pemisahan data menjadi set pelatihan dan pengujian, penciptaan fitur tambahan, penyesuaian hyperparameter, pembangunan model, dan penilaian performa dengan menggunakan metrik Mean Absolute Error (MAE), Mean Squared Error (MSE), Root Mean Squared Error (RMSE), dan koefisien determinasi (R²). Temuan dari penelitian ini menunjukkan bahwa model Random Forest Regression mampu memberikan estimasi harga kendaraan bekas dengan akurasi yang baik dan juga dapat mengungkap hubungan kompleks antara ciri-ciri kendaraan dan nilai jualnya. Oleh karena itu, model yang telah dikembangkan ini berpotensi digunakan sebagai alat bantu dalam pengambilan keputusan untuk menentukan harga kendaraan bekas dengan cara yang lebih objektif, konsisten, dan sesuai kondisi pasar.

Page 20 of 21 | Total Record : 205

 17   18   19   20   21 

Filter by Year

2025 2026


Reset
Filter By Issues
All Issue Vol 2 No 3 (2026): Journal of Information Systems and Business Technology Vol 2 No 2 (2026): Journal of Information Systems and Business Technology Vol 2 No 1 (2026): Journal of Information Systems and Business Technology Vol 1 No 4 (2025): Journal of Information Systems and Business Technology Vol 1 No 3 (2025): Journal of Information Systems and Business Technology Vol 1 No 2 (2025): Journal of Information Systems and Business Technology Vol 1 No 1 (2025): Journal of Information Systems and Business Technology