Claim Missing Document
Check
Articles

Found 8 Documents
Search

Penerapan Association Rules untuk Elemen Cross Selling Pada Sistem Informasi Customer Development Siti Monalisa; Amelia Septia Roza
Techno.Com Vol 20, No 3 (2021): Agustus 2021
Publisher : LPPM Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33633/tc.v20i3.4750

Abstract

Tingkat persaingan yang tinggi dalam dunia bisnis, membuat HPAI harus melakukan strategi yang kuat dalam pemasaran dan penjualan produk. Semakin hari, data transaksi penjualan semakin banyak, dikarenakan ada 1500 transaksi setiap bulan yang terdiri dari 49 produk. Selama ini, data transaksi penjualan dilaporkan kepada pimpinan dan kemudian diarsipkan. Setelah itu, data tersebut tidak diolah dengan benar. Untuk itu diperlukannya sebuah strategi bisnis untuk dapat mengenal pelanggan secara lebih detail dan melayani mereka sesuai kebutuhannya. Customer Relationship Management (CRM) adalah sebuah strategi bisnis untuk memahami, mengantisipasi dan mengelola kebutuhan pelanggan yang potensial. Salah satu bagian dari CRM yakni cross- selling, yang harus didahului oleh analisis yang mendalam mengenai data transaksi pelanggan dengan menggunakan konsep data mining yang melibatkan proses pengambilan sumber informasi dari sebuah transaksi pelanggan. Association rules merupakan salah satu metode dalam data mining yang dapat menghasilkan beberapa pola yang bisa dijadikan strategi penjualan cross selling dalam merekomendasikan  suatu  produk  kepada  pelanggan.  Nilai  minimun  support yang digunakan yakni 9% dan 60% yang menghasilkan 3 rules yang nantinya akan direkomendasikan kepada pelanggan melalui email.
Sistem Pendukung Keputusan Pemberian Pembiayaan Murahabah dengan Fuzzy Analytic Hierarchy Process Siti Monalisa; Raynaldi Setiawan
Techno.Com Vol 18, No 2 (2019): Mei 2019
Publisher : LPPM Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1137.279 KB) | DOI: 10.33633/tc.v18i2.2341

Abstract

BMT Al-ittihad terdapat bermacam-macam pembiayaan  salah satunya Murabahah yang berarti akad jual beli barang dengan menyatakan harga perolehan dan keuntungan (margin) yang disepakati oleh penjual dan pembeli. BMT Al-itthad dalam proses melaksanakan akad Murabahah dilakukan dengan menganalisa kelayakan pemberian pembiayaan kepada anggota dengan cara melengkapi persyaratan umum dan menggunakan bahasa yang subjektif terhadap penilaian kriteria karakter berdasarkan rekomendasi anggota lain,wawancara dan cara berkomunikasi, Penilaian karakter merupakan penilaian yang paling penting berdasarkan hasil wawancara dengan kepala pembiayaan karena penilaian karakter merupakan penilaian untuk melihat apakah anggota sanggup dan amanah membayar hutang. Untuk mengatasi penilaian yang bersifat subjektif maka dirancang sebuah sistem pendukung keputusan pemberian pembiayaan dengan menggunakan metode fuzzy analytic hierarchy process. Metode fuzzy AHP merupakan penggabungan dari metode fuzzy dan AHP. Metode fuzzy AHP dapat menutupi kelemahan yang terdapat pada AHP yaitu menangani penilaian yang bersifat subjektif . Sistem ini dirancang menggunakan bahasa pemrograman PHP, MySQL , sedangkan metode pengembangan sistem menggunakan V-model dan UML sebagai standar pemodelannya. Sistem pendukung keputusan  ini dapat memudahkan serta mempercepat proses penentuan pemberian pembiayaan Murabahah kepada anggota.
Analisis Loyalitas Agen Biasa dan Agenstok Menggunakan Model RFM (Recency,Frequency, Monetery) dan Algoritma K-Medoids pada BC 4 HPAI Pekanbaru Siti Monalisa; Imelda Erza
Techno.Com Vol 20, No 1 (2021): Februari 2021
Publisher : LPPM Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33633/tc.v20i1.4219

Abstract

 PT.Herbal Penawar Alwahida Indonesia (HPAI) merupakan perusahaan bisnis halal network di Indonesia yang fokus pada produk-produk herbal. Salah satu BC (Bussines center) HPAI yang terdapat di pekanbaru yaitu,BC 4 HPAI beralamat dijalan Melati III No.4 Bina Widya,Panam. Berdasarkan obeservasi yang dilakukan, data transaksi pelanggan pada tahun 2019 di BC 4 mencapai 1000-2000 transaksi setiap bulannya, yang terdiri dari data agen biasa dan agenstok. Berdasarkan wawancara dengan owner BC 4 HPAI Pekanbaru, masalah yang terjadi yaitu pihak BC 4 HPAI belum bisa mendapatkan informasi dari setiap data agen biasa dan agen stok,mana pelanggan yang potensial dan loyal terhadap perusahaan. Sehingga menyebabkan pihak BC akan sulit untuk menentukan strategi pemasaran yang tepat dalam memanfaatkan kesempatan atau peluang yang ada dalam pemasaran. Mengatasi permasalahan tersebut, penelitian  ini menerapkan strategi customer Relationship Management (CRM) yaitu menggunakan Metode RFM untuk mengetahui karakteristik atau prilaku agen biasa dan agenstok kemudian Clustering menggunakan Agoritma K-Medoids untuk pengelompokan sesuai kemiripan karakteristik agenbiasa dan agenstok yang telah didapat sebelumnya. Dengan percobaan 2 cluster sampai dengan 7 cluster, menghasilkan 2 Cluster Terbaik agen biasa dan 3 Cluster Terbaik agenstok berdasarkan DBI (Davies Bouldin Index). Dengan masing-masing nilai DBI terbaik 0.228 agen biasa dan 0.234 agenstok. Hasil tertinggi 2 cluster agen biasa berada pada cluster 1 dengan tipe pelanggan Superstar yang memiliki 472 customer loyal. dan hasil tertinggi dari 3 cluster agenstok berada pada cluster 3 dengan tipe pelanggan Superstar yang memiliki 60 customer loyal.   
Klasterisasi Customer Lifetime Value dengan Model LRFM menggunakan Algoritma K-Means Siti monalisa
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 5, No 2: April 2018
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (218.298 KB) | DOI: 10.25126/jtiik.201852690

Abstract

Penelitian ini bertujuan menghasilkan nilai Customer Lifetime Value (CLV) pada setiap segmen pelanggan dengan menggunakan algoritma K-means dalam melakukan klusterisasi pelanggan. Pembentukan kluster menggunakan metode validasi Dunn Index dan Silhoutte Coefficient dengan nilai 0.84 dan 0.54. Kluster yang dihasilkan berjumlah 3 dengan nilai yang tertinggi pada masing-masing metode validasi. Untuk menghasilkan nilai CLV dengan kluster yang terbaik maka nilai normalisasi LRFM setiap kluster akan dikalikan dengan nilai bobot LRFM dan dijumlahkan. Rangking CLV tertinggi akan dihasilkan dari nilai CLV yang terbesar diantara 3 kluster tersebut. Rangking CLV tertinggi pada penelitian ini berada pada kluster ke 2 dengan simbol LRFM L↑R↓F↑M↑ yang berisi segmen pelanggan yang memiliki nilai loyalitas yang tinggi.
KLASTERISASI CLV DENGAN MODEL LRFM MENGGUNAKAN ALGORITMA FUZZY C-MEANS (Studi Kasus: Pangeran Gym Pekanbaru) Eghi Ditendra; Siti Monalisa; Stedico Anderjovi; Surya Lesmana
Jurnal Ilmiah Rekayasa dan Manajemen Sistem Informasi Vol 6, No 1 (2020): Februari
Publisher : Universitas Islam Negeri Sultan Syarif Kasim Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24014/rmsi.v6i1.8535

Abstract

Kepuasan pelanggan merupakan faktor yang sangat penting bagi setiap perusahaan maka dari itu Perusahaan perlu mempelajari perilaku konsumen yang bertujuan untuk mengetahui dan memahami berbagai aspek yang ada pada konsumen.Penelitian ini bertujuan untuk menghasilkan nilai Customer Lifetime Value (CLV) setiap segmen pelanggan pada Pangeran Gym Pekanbaru dan menentukan segmentasi pelanggan berdasarkan jenis kelamin serta umur dengan menggunakan algoritma fuzzy c-means. Klasterisasi pelanggan menggunakan model Length Recency Frequency Monetary (LRFM) dan pembentukan kluster dibagi atas 3 kluster.Nilai CLV akan dihasilkan dengan mengalikan nilai normalisasi LRFM dengan nilai bobot LRFM dan selanjutnya dijumlahkan.Penjumlahan CLV dilakukan pada masing-masing kluster yang telah terbentuk.Hasil dari penjumlahan tersebut maka dicari hasil rangking CLV. Rangking CLV tertinggi dihasilkan dari nilai CLV terbsesar diantara 3 kluster tersebut. Rangking CLV tertinggi pada penelitian ini adalah kluster pertama  yaitu dengan nilai CLV 0,504 dengan simbol LRFM L↑R↑F↑M↑ dengan arti bahwa kluster ini memiliki segmen pelanggan dengan nilai loyalitas yang tinggi. Ranking CLV ke 2 adalah kluster ketiga dengan nilai CLV 0,341 dan selanjutnya kluster kedua dengan nilai CLV 0,225. Dari 100 data transaksi pada Pangeran Gym Pekanbaru terdapat 83 transaksi oleh jenis kelamin laki-laki dan 17 transaksi dilakukan oleh jenis kelamin perempuan. Kemudian dari 100 data transaksi pada Pangeran Gym Pekanbaru terdapat 82 transaksi dilakukan oleh remaja umur 12 – 25 tahun dan 18 transaksi dilakukan oleh dewasa umur 26 – 45 tahun.
Sistem Rekomendasi Produk Menggunakan Model RFM, AHP dan Ranked Clustering Siti Monalisa; Achmad Harpin Asrori; Fitra Kurnia
Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Vol 3 No 2 (2019): Agustus 2019
Publisher : Ikatan Ahli Informatika Indonesia (IAII)

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (404.186 KB) | DOI: 10.29207/resti.v3i2.810

Abstract

Monstreation is a business engaged in clothing convection, these business products are marketed online such as jackets and shirts for class, shirt and community clothing. The problem that occurs in this convection is the lack of product recommendation services to customers. Another problem is that if there are customers who order products that are not in accordance with their needs, the customer will rarely order products at Monstreation. The solution used is to provide services that match the characteristics of the customer, for example by giving product recommendations. Product recommendations are also needed considering this type of business is a business that has many business rivals. The steps taken in this study begin by collecting customer transaction data, then the data is transformed into RFM criteria data. After being transformed, the data is weighted using AHP, after that the RFM data is weighted then grouped / clustered. The grouping results are validated with DBI. From the experiments conducted it is known that the number of cluster 3 is the optimal number of clusters in product grouping. After it is ranked based on the value of the total weight. From the experiments conducted, it is known that the results of the 3 customer clusters, the customers who have the highest weight value are customers in cluster 1. The results of this study are a product recommendation that is an association of product history of customers who have a cluster similarity and a product recommendation information system.
Penerapan Algoritma CART Dalam Menentukan Jurusan Siswa di MAN 1 Inhil Siti Monalisa; Fakhri Hadi
Jurnal Sisfokom (Sistem Informasi dan Komputer) Vol 9, No 3 (2020): NOVEMBER
Publisher : ISB Atma Luhur

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32736/sisfokom.v9i3.932

Abstract

MAN 1 Inhil is a school that applies ministerial regulations to determine the direction of student majors at the beginning of entry, namely in class X. Determination of majors is done by considering several indicators, namely the results of academic tests, interviews, and student interest. The calculation in determining this course is very simple, namely by adding up the values of each indicator and dividing them together so that an average value is obtained. If the value is fulfilled then the student is grouped based on their interests. This can lead to errors in decision making by the school because it can be subjective because it prioritizes student interests. Therefore we need methods and algorithms to help make decisions well, the decision tree method. One algorithm that can be used is CART algorithm to classify majors with three indicators, namely Natural Sciences, Social Sciences and Religion. The results of this study indicate that the CART algorithm is able to predict correctly, from 360 data classified using the CART algorithm, it can be concluded that 71 data majoring in religion and correctly classified by CART. 144 data majoring in Natural Sciences, 119 data correctly classified and 24 data classified as IPS, and 1 data classified as religion. Of 146 data majoring in social studies, 129 were classified correctly, 16 data were classified as natural sciences. Therefore it can be concluded that CART algorithm has an 80% accuracy so that it can be used in decision making
Rancang Bangun Sistem Informasi Inventory Obat Pada Rumah Sakit Jiwa Tampan Berbasis Web Siti Monalisa; E. Denni Prima Putra; Fitra Kurnia
Query: Journal of Information Systems VOLUME: 02, NUMBER: 02, OCTOBER 2018
Publisher : Program Studi Sistem Informasi

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (379.34 KB)

Abstract

Mental Hospital of Tampan is the Pekanbaru City Government Agency which deals with health and psychiatric problems, such as excessive stress, psychiatric disorders, services to people with HIV / AIDS and the service of child development. The mental hospital of Tampan has a large drug supply system with different specifications in the pharmacy department. However, in the process of drug supply, there are still obstacles, namely recording drug supplies and managing transaction data, still using ledgers. In addition, employees often make mistakes in recording and checking as well as inventory of drugs that often occur excess drug orders. The focus of this research is to create a web-based drug inventory information system. System design method uses Object Oriented Analysis and Design (OOAD) method. Drug inventory system employees can manage drug supplies, record, sell, order medicines to suppliers and make reports through a web-based inventory system.Keywords:  Inventory system, Mental Hospital of Tampan, OOAD