Article Per Year (5 Year)
p-Index From 2019 - 2024
4.609
P-Index
This Author published in this journals
All Journal JIEET (Journal of Information Engineering and Educational Technology) JATI (Jurnal Mahasiswa Teknik Informatika) Jurnal Ilmu Teknik dan Komputer JIKA (Jurnal Informatika) TAMIKA: Jurnal Tugas Akhir Manajemen Informatika & Komputerisasi Akuntansi AMMA : Jurnal Pengabdian Masyarakat
Prihartono, Willy
Unknown Affiliation
Humanities Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Law, Crime, Criminology & Criminal Justice Materials Science & Nanotechnology Nursing

Published : 37 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 37 Documents
Search

 1   2   3   4 
ANALISIS PERSEPSI DAN TINGKAT KEPUASAN PENGGUNA GOJEK MENGGUNAKAN ALGORITMA C4.5 Suarna, Nana; Retnasari, Peni; Prihartono, Willy
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 2 (2024): JATI Vol. 8 No. 2
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i2.8370

Abstract

Kemajuan teknologi telah mengakibatkan perubahan yang signifikan di berbagai aspek kehidupan, termasuk aspek transportasi. Salahsatu perubahan utama adalah munculnya perusahaan layanan transportasi online, seperti Gojek, Grab, Maxim dan lainnya. Gojek, sebagai salahsatu pelopor transportasi online di Indonesia telah menjadi pilihan utama bagi banyak orang untuk bepergian dan mengakses berbagai layanan lainnya. Namun banyaknya perusahaan layanan transportasi online yang serupa menyebabkan persaingan yang cukup kompetitif sehingga memaksa setiap penyedia layanan untuk bersaing serta berusaha unggul dalam persaingan tersebut. Oleh karena itu, penelitian ini bertujuan untuk melihat bagaimana efektivitas penggunaan aplikasi Gojek dapat diukur melalui pengukuran tingkat kepuasan pengguna layanan Gojek. Dengan dilakukan pengukuran ini maka dapat memberikan pemahaman yang lebih komprehensif mengenai aspek aspek yang perlu diperbaiki atau ditingkatkan dalam upaya pengembangan layanan Gojek dalam menghadapi persaingan antar penyedia layanan lainnya. Penelitian ini menggunakan metode kuantitatif. Data yang digunakan adalah data primer yang dikumpulkan melalui kuesioner yang disebarkan langsung kepada pengguna Gojek. Analisis data menggunakan KDD dengan algoritma C4.5 yang digunakan untuk mengidentifikasi faktor-faktor yang paling berkontribusi terhadap tingkat kepuasan pengguna. Variabel-variabel yang digunakan sebagai input dalam algoritma C4.5 adalah usia, jenis kelamin, kemudahan penggunaan aplikasi, ketersediaan layanan, waktu tunggu, harga dan keamanan. Hasil penelitian menunjukkan bahwa algoritma C4.5 efektif untuk mengukur tingkat kepuasan pengguna Gojek, dengan perolehan nilai akurasi sebesar 98.14%, nilai recall sebesar 69.53%, dan nilai precision sebesar 69.53%, Hasil dari decision tree menunjukan bahwa faktor terbesar yang mempengaruhi persepsi dan tingkat kepuasan pengguna adalah faktor keamanan. Jika pengguna merasa aman saat menggunakan aplikasi Gojek, maka mereka cenderung lebih puas dengan layanan yang diberikan. Selain faktor keamanan, faktor ketersediaan layanan dan waktu tunggu juga berpengaruh terhadap tingkat kepuasan pengguna. Jika pengguna dapat dengan mudah mengakses layanan yang mereka butuhkan dan tidak perlu menunggu terlalu lama, maka mereka lebih cenderung puas
CLUSTERING PELANGGARAN LALU LINTAS PADA KENDARAAN BERMOTOR MENGGUNKAN ALGORITMA K-PROTOTYPE: STUDI KASUS: PENGADILAN NEGERI CIREBON Saniyah, Nilta; Suarna, Nana; Prihartono, Willy
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 1 (2024): JATI Vol. 8 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i1.8420

Abstract

Fenomena sering terjadi pelanggaran lalu lintas yaitu salah satu dari problematika yang masih banyak mengakibatkan permasalan di jalan raya, seperti kecelakaan lalu lintas dan kemacetan. Disebabkan dari tingginya kasus pelanggaran yaitu minimnya pengetahuan serta kesadaran pengendara kendaraan khususnya kendaraan bermotor bahkan ada beberapa pengguna juga abai dalam mematuhi peraturan lalu lintas dijalan raya. Pada daerah sektor lalu lintas di Cirebon masih cukup tinggi. Penelitian ini dilakukan bertujuan untuk pengelompokkan dan analisis data pelanggaran lalu lintas di Pengadilan Negeri Cirebon di tahun 2022. Metode penelitian ini menerapkan algoritma K-Prototype untuk memudahkan dalam mengetahui jenis pelanggaran yang sering kali dilakukan oleh pengendara. Algoritma K-prototype merupakan salah satu metode analisis cluster pada data berukuran besar dengan bertipe campuran yang terdiri data numerik dan kategorikal. penelitian ini akan menggunakan sebanyak 3 atribut yang terdiri dari jenis pelanggaran, denda dan pasal. Setelah data dikumpulkan dan dilakukan analisis kemudian dilakukan pra-pemrosesan data dengan melakukan melakukan pembersihan data yang tidak valid data yang tidak diperlukan. Selanjutnya data diproses dengan metode clustering menggunakan algoritma K-Prototype untuk pengelompokkan jenis pelanggaran dengan atribut yang digunakan tahap berikutnya dilakukan analisis dan interpretasi terhadap hasil dari klasterisasi yang dilakukan sehingga dapat mengetahui pola yang terjadi. Hasil dari penelitian ini terdapat 2 cluster yang terdiri dari C1 yaitu pelanggaran paling sering dilakukan pada pasal 291 dan C2 yaitu pelanggaran yang jarang dilakukan pada pasal 280 dari pengujian yang optimal menggunakan elbow analysis didapatkan bahwa jumlah cluster yang optimal sebanyak 2 cluster.
MENENTUKAN KEPUTUSAN KONSUMEN UNTUK MEMBELI LAPTOP MENGGUNAKAN METODE DECISION TREE ID3: STUDI KASUS MAHASISWA DI CIREBON Nur Amalia, Ocsana; Suarna, Nana; Prihartono, Willy
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 2 (2024): JATI Vol. 8 No. 2
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i2.8444

Abstract

Harga dan Kualitas merupakan faktor yang sangat penting yang mempengaruhi perilaku konsumen. Laptop adalah salah satu komputer portable yang digunakan untuk melakukan banyak aktivitas. Permasalahannya adalah bagaimana cara konsumen memilih laptop sesuai kebutuhan mereka? Apa yang menjadi faktor utama yang sangat penting bagi konsumen. Penelitian ini bertujuan untuk mengetahui bagaimana harga dan kualitas produk memengaruhi keputusan konsumen untuk membeli laptop karena penggunaan laptop telah menjadi bagian penting dari kehidupan sehari-hari, baik untuk pekerjaan maupun hiburan karena tidak semua pembeli dapat mengetahui kualitas dan fitur yang sesuai dengan budget mereka. Algoritma yang digunakan adalah algoritma decision tree. Hasil analisis menunjukan bahwa kualitas berpengaruh signifikan terhadap keputusan pembelian konsumen sedangkan harga berpengaruh negatif terhadap keputusan pembelian konsumen. Implikasi dari hasil ini dapat menjadi tolak ukur bagi konsumen yang hendak membeli laptop untuk menentukan kualitas laptop yang akan dibeli. Dan produsen pun dapat mempertimbangkan untuk memberikan harga sesuai kualitas
IMPLEMENTASI DATA MINING CLUSTERING DALAM MENGELOMPOKKAN PENDUDUK PENYANDANG DISABILITAS MENGGUNAKAN ALGORITMA K-MEANS Lestari, Puji; Suarna, Nana; Prihartono, Willy
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 1 (2024): JATI Vol. 8 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i1.8445

Abstract

Penyandang disabilitas merujuk kepada individu yang mengalami keterbatasan fisik atau mental, yang dapat menghambat mereka dalam menjalankan kegiatan sehari-hari secara normal. Tidak semua orang dilahirkan dengan kondisi fisik atau mental yang sempurna, menyebabkan sebagian dari mereka mungkin merasa kurang percaya diri atau rendah diri dalam berinteraksi sosial. Permasalahan yang dihadapi penyandang disabilitas merupakan isu kompleks, karena adanya keterbatasan pada fungsi tubuh yang tidak optimal dapat menimbulkan dampak sosial yang signifikan. Ketidakmampuan ini bisa menjadi penghalang dalam melaksanakan kegiatan harian mereka. Orang dengan kebutuhan khusus, atau disabilitas, memiliki karakteristik hidup yang berbeda dan memerlukan pelayanan khusus untuk menjamin hak mereka terhadap kehidupan yang lebih baik. Oleh karena itu, untuk memberdayakan penyandang disabilitas, penelitian perlu dilakukan berdasarkan kecamatan di kabupaten/kota di Jawa Barat. Hal ini bertujuan untuk mengidentifikasi kelompok-kelompok wilayah dengan tingkat keberagaman penyandang disabilitas yang tinggi, sedang, dan rendah. Penelitian ini menggunakan metode data mining Clustering dengan algoritma K-Means untuk menganalisis kasus penyandang disabilitas di Kabupaten/Kota di Provinsi Jawa Barat. Metode clustering bertujuan untuk mengelompokkan data berdasarkan karakteristik yang serupa. Jumlah cluster ditentukan menggunakan nilai Davies Bouldin Index (DBI). Hasil penelitian menunjukkan adanya 2 cluster optimal, di mana Cluster 1 terdiri dari 27 kabupaten/kota dan Cluster 2 terdiri dari 2 kabupaten/kota, dengan nilai DBI sebesar 0.121
PENERAPAN NLP (NATURAL LANGUAGE PROCESSING) DALAM ANALISIS SENTIMEN PENGGUNA TELEGRAM DI PLAYSTORE Nurwanda, Nurwanda; Suarna, Nana; Prihartono, Willy
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 2 (2024): JATI Vol. 8 No. 2
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i2.8469

Abstract

Pendapat umum pengguna tentang aplikasi Telegram di Play Store umumnya positif, negatif, atau netral. Penelitian ini bertujuan untuk menilai sentimen pengguna terhadap fitur-fitur aplikasi Telegram, yang telah menjadi salah satu aplikasi pesan instan paling populer. Analisis sentimen ulasan pengguna di Play Store dapat memberikan wawasan tentang kepuasan pengguna dan masalah yang dihadapi. Permasalahan penelitian ini adalah menemukan sentimen pengguna terhadap Telegram di Play Store. Metode pemrosesan bahasa alami (NLP) digunakan untuk menganalisis sentimen pengguna Telegram di Play Store. Ulasan dibagi ke dalam tiga kategori: positif, negatif, dan netral. Penelitian ini juga mengidentifikasi tren umum dan masalah yang sering muncul dalam ulasan. Model NLP digunakan untuk mengklasifikasikan sentimen dan menganalisis kata kunci yang sering muncul. Hasil evaluasi menunjukkan bahwa analisis sentimen ulasan pengguna Telegram di Play Store dengan metode NLP memiliki tingkat akurasi 85,31%. Rasio pembagian data untuk evaluasi adalah 80:20, dengan nilai presisi 93%, recall 76%, dan F1-Score 88%. Penelitian ini memberikan wawasan untuk pengembang dalam meningkatkan aplikasi dan memastikan kepuasan pengguna yang berkelanjutan.
ANALISIS SENTIMEN ULASAN APLIKASI THREADS DI GOOGLE PLAYSTORE MENGGUNAKAN ALGORITMA NAÏVE BAYES Nurzaman, Nurzaman; Suarna, Nana; Prihartono, Willy
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 1 (2024): JATI Vol. 8 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i1.8708

Abstract

Aplikasi Threads merupakan aplikasi perpesanan yang dikembangkan oleh Meta Platforms, Inc. (Meta). Aplikasi ini memungkinkan pengguna untuk berkomunikasi dengan teman dan keluarga melalui pesan teks, gambar, dan video. Permasalahan ini masih ada beberapa pengguna yang memberikan ulasan negatif tentang aplikasi ini, dan Ulasan-ulasan negatif ini dapat menurunkan reputasi aplikasi dan membuat pengguna lain enggan untuk menggunakan aplikasi tersebut. Tujuan utama yakni untuk mengklasifikasikan pendapat positif, netral, dan negatif berdasarkan nilai akurasi, presisi, dan recall yang dihasilkan dari analisis sentimen menggunakan algoritma naive bayes. Oleh karena itu, diperlukan sistem yang dapat mengkategorikan komentar dan menganalisis sentimen pengguna. Metode Penelitian ini menggunakan Knowledge Discovery in Database (KDD), web scraping Python untuk mengumpulkan data ulasan pengguna aplikasi Threads di Google PlayStore. Data yang dikumpulkan mencakup dari periode Agustus hingga November 2023 dengan jumlah 1500 data teks. Metode Naïve Bayes Classifier, metode klasifikasi ini dipilih karena memiliki kecepatan pemrosesan menghasilkan akurasi yang tinggi dan dapat memproses data jumlah yang besar. Hasil penelitian bahwa Pengujian analisis sentimen dilakukan dengan mengukur nilai recall, precision, dan accuracy. Menunjukkan bahwa nilai accuracy mencapai 73% yang menunjukkan bahwa model analisis sentimen mampu memprediksi sentimen dengan akurasi yang tinggi. Nilai precision juga mencapai 70%, Recall 99%.
PENGGUNAAN NAIVE BAYES DALAM MENGANALISIS SENTIMEN ULASAN APLIKASI MCDONALD’S DI INDONESIA Arifqi, Tri; Suarna, Nana; Prihartono, Willy
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 2 (2024): JATI Vol. 8 No. 2
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i2.8740

Abstract

McDonald's, yang dikenal sebagai MCD di Indonesia, telah secara efektif memanfaatkan aplikasi seluler untuk mempercepat transaksi dan meningkatkan kinerja secara keseluruhan. Namun demikian, kekhawatiran seputar dukungan untuk pelanggaran hak asasi manusia di Palestina telah berdampak signifikan pada sentimen pengguna, terutama di Indonesia di mana nilai perdamaian sangat dihargai. Untuk menyelidiki masalah ini, para peneliti menggunakan algoritma Naive Bayes untuk dengan cermat memeriksa sentimen yang berasal dari 2000 ulasan pengguna McDonald's di Google Play Store. Pemeriksaan ini dilakukan melalui pemanfaatan teknik web capture dan pre-processing teks. Dengan mengalokasikan rasio berbagi data 70:30, model mencapai tingkat akurasi yang mengesankan sebesar 95,2% ketika diterapkan pada data pelatihan, dan 86% ketika diuji pada data baru. Selanjutnya, tingkat presisi ditemukan 54%, tingkat penarikan 58%, dan skor F1 dihitung pada 60% dalam rasio 80:20. Analisis komprehensif mengungkapkan dominasi yang jelas dari opini negatif yang menyumbang 65,1% dari data yang dikumpulkan, khususnya mengenai masalah teknis. Tujuan akhir dari temuan ini adalah untuk membantu pengembang dalam meningkatkan kualitas aplikasi mereka dan memastikan kepuasan pengguna secara keseluruhan. Studi ini berfungsi sebagai demonstrasi aplikasi praktis dari Knowledge Discovery in Databases (KDD) dan teknik Naive Bayes dalam melakukan analisis sentimen pada ulasan McDonald's, sehingga menyajikan potensi kemajuan masa depan dalam keakuratan analisis emosi.
ANALISIS JUMLAH PENDUDUK MENGGUNAKAN ALGORITMA K-MEANS BERDASARKAN KABUPATEN/KOTA DI INDONESIA Nurhayah, Nurhayah; Suarna, Nana; Prihartono, Willy
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 1 (2024): JATI Vol. 8 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i1.8863

Abstract

Jumlah penduduk di Indonesia secara konsisten, terjadi peningkatan dari satu tahun ke tahun berikutnya. Populasi terpadat di Indonesia terdapat pada Kabupaten Bogor. Kepadatan penduduk yang tinggi biasanya menunjukan bahwa suatu wilayah memiliki populasi yang besar dalam luas wilayah yang terbatas. Di era sekarang, salah satu masalah yang terkait dengan aspek kependudukan adalah disparitas distribusi populasi yang tidak merata. Tujuan penelitian ini adalah untuk mengelompokan jumlah penduduk menggunakan algoritma K-Means. Pada konteks penelitian ini, sumber data yang dipakai diperoleh dari Badan Pusat Statistika mencakup informasi jumlah penduduk Kabupaten/Kota di Indonesia Tahun 2020 sd. 2022. Metode penelitian ini menerapkan Algoritma K-Means dengan memanfaatkan pendekatan Knowledge Discovery and Data Mining (KDD) dan tahapan yang digunakan yaitu Selection data, Preprocessing data, Transformation, Data Mining dan Evaluation. Melalui analisis Data Mining, pengelompokan jumlah penduduk menghasilkan 4 cluster yaitu cluster jumlah peduduk sangat padat, padat, sedang, dan rendah. Hasil dari penelitian ini, Dari pengujian yang telah dilakukan dengan Davies Boulding Index didapatkan cluster yang optimal yaitu k=4 dengan nilai DBI 0.127. Cluster 0 dengan jumlah penduduk rendah sebanyak 360 Kabupaten/Kota, cluster 1 dengan jumlah penduduk sedang sebanyak 93 Kabupaten/Kota, Cluster 2 dengan jumlah penduduk sangat padat sebanyak 1 Kabupaten, dan cluster 3 dengan jumlah penduduk padat sebanyak 28 Kabupaten/Kota.
IMPLEMENTASI ALGORITMA NAIVE BAYES UNTUK MEMPREDIKSI CUACA MENGGUNAKAN RAPIDMINER Nur Kirana, Anita; Nurhakim, Bani; Eka Permana, Sandy; Prihartono, Willy; Dwilestari, Gifthera
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 2 (2024): JATI Vol. 8 No. 2
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i2.8967

Abstract

Cuaca adalah kondisi udara di suatu tempat dalam waktu relatif singkat yang dinyatakan dengan nilai parameter oleh kecepatan angin, suhu, tekanan, curah hujan, dan faktor atmosfer lainnya. Keadaan cuaca dapat mempengaruhi berbagai aspek kegiatan manusia, termasuk transportasi, pertanian, perkebunan, pembangunan, dan bahkan aktivitas olahraga. Sehingga untuk memperoleh informasi cuaca yang dapat dimanfaatkan oleh masyarakat diperlukan pembuatan penentuan cuaca. Salah satu metode prediksi cuaca yang digunakan adalah dengan menggunakan algoritma Naive Bayes. Algoritma ini menghitung probabilitas dari setiap kelas untuk setiap atribut kelompok yang ada dan menentukan kelas yang paling optimal. Dengan kata lain, pengelompokan cuaca dapat dilakukan berdasarkan kategori yang diinputkan oleh pengguna pada aplikasi. Penelitian ini bertujuan untuk meningkatkan akurasi prediksi cuaca dengan menerapkan metode data mining menggunakan algoritma Naive Bayes. Metode penelitian melibatkan pengklasifikasian data cuaca berdasarkan atribut kelompok seperti kecepatan angin, suhu, curah hujan, dan cuaca. Naive Bayes digunakan untuk menghitung probabilitas kelas cuaca berdasarkan input pengguna pada aplikasi. Hasil pengujian menunjukkan tingkat akurasi sebesar 84.26%, menunjukkan bahwa metode ini memiliki potensi untuk memberikan prediksi cuaca yang lebih akurat, yang dapat bermanfaat dalam berbagai aspek kegiatan manusia.
RANCANG BANGUN SISTEM PENJUALAN BERBASIS WEB PADA TOKO HAIRUM SOUVENIR Faujia, Agnes; Dwilestari, Gifthera; Hamonangan, Ryan; Herdiana, Rulli; Prihartono, Willy
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 2 (2024): JATI Vol. 8 No. 2
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i2.9058

Abstract

Setiap usaha, baik yang menjual barang atau jasa, pasti ingin meningkatkan penjualan mereka. Strategi pemasaran yang baik adalah salah satu dari banyak cara untuk meningkatkan penjualan. Suatu media diperlukan untuk mempublikasikan informasi, baik informasi tentang bisnis maupun informasi tentang produk yang akan dijual. Internet adalah salah satu media yang dapat digunakan. Toko souvenir Hairum Soevenir menjual berbagai hadiah atau hadiah untuk perayaan ulang tahun atau wisuda, seperti bucket bunga, bucket uang, kue tart, dan masih banyak lagi.. Salah satu masalah dan kelemahan yang ditemukan di toko Hairum Soevenir adalah sebagai berikut: berdasarkan observasi yang telah dilakukan, strategi pemasaran yang digunakan oleh toko Hairum Soevenir saat ini adalah melalui pemasaran langsung atau penjualan produk secara online melalui platform Instagram, yang dianggap kurang sempurna karena mekanisme pemasaran barang bekas tidak berlaku. Namun, pemasaran yang dijual melalui platform tersebut dapat memiliki efek yang lebih besar daripada yang diharapkan. Pemasaran menggunakan platform juga memiliki masalah dengan rekepitulasi pendapatan dari setiap pembelian yang dilakukan secara manual, yang menyebabkan kesalahan dalam penjumlahan pendapatan. Sistem informasi penjualan dibuat karena banyaknya masalah dengan penjualan toko hairum souvenir. Pengembangan perngkat lunak menggunakan metode air terjun (Waterfall), sedangkan perancangan sistem penjualan dan metode wawancara digunakan untuk pembuatan website ini. Metode ini melibatkan analisis masalah penjualan di toko Hairum Souvenir, analisis kebutuhan pemasaran, perancangan sistem informasi, dan implementasi atau pengembangan pengujian perangkat lunak. untuk pemograman dengan PHP, Javascript, dan CSS dan XAMPP sebagai databasenya. Beberapa tujuan penelitian ini termasuk membuat proses penjualan lebih efisien dan membuat transaksi lebih aman. Salah satu tujuan dari penelitian ini adalah untuk meningkatkan efisiensi proses penjualan dan membuat transaksi lebih aman. Hasilnya menunjukkan bahwa perancangan sistem informasi ini dapat menggantikan pemasaran konvensional dengan yang lebih modern, lebih efisien, dan lebih mudah digunakan untuk sistem pencataan rekapitulasi penjualan.
Co-Authors Ainisa, Nurul Al Maeni, Nurul Ameliana, Nikan Arifqi, Tri Aulia, Nurul Ayuni, Putri Dalifah, Nurul Eka Permana, Sandy Faujia, Agnes Gifthera Dwilestari Hamonangan, Ryan Herdiana, Rulli Hidayah, Nurni Hidayat, Pierre Galuh Hoeriah, Dede Irma Purnamasari, Ade Julianti, Okta Nur Kholifa, Nur Kusmawanti, Nisa Maulida, Nida Muharromah, Oom Nur Amalia, Ocsana Nur Apriliani, Nur Nur Kirana, Anita Nurhakim, Bani Nurhayah, Nurhayah Nuri Nuri Nurjanah, Nurul Nurliana, Nicky Nurul Aini NURUL AZIZAH Nurwanda, Nurwanda Nurzaman Nurzaman Oktaviany, Nurul Peni Peni Permana, Sandy Eka PUJI LESTARI Putriana, Puput Ramadhan, Niko Retnasari, Peni Sakarias Berek, Richardus Saniyah, Nilta Sayuti Hanapiah, Neneng Suarna, Nana Zaelani, Nursehan