Article Per Year (5 Year)
p-Index From 2019 - 2024
0.778
P-Index
This Author published in this journals
All Journal Prosiding Seminar Nasional Sains Dan Teknologi Fakultas Teknik Infotech Journal
Yulison Herry Chrisnanto
Unknown Affiliation
Computer Science & IT Engineering

Published : 5 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 5 Documents
Search

 1 
PEMBANGUNAN SISTEM CUSTOMER RELATIONSHIP MANAGEMENT (CRM) BERBASIS RECENCY FREQUENCY MONETARY (RFM) PADA KLINIK KECANTIKAN AURAKU SKIN SOLUTION Tiara Rahmawati; Yulison Herry Chrisnanto; Fajri Rakhmat Umbara
Prosiding SNST Fakultas Teknik Vol 1, No 1 (2019): PROSIDING SEMINAR NASIONAL SAINS DAN TEKNOLOGI 10 2019
Publisher : Prosiding SNST Fakultas Teknik

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (191.688 KB)

Abstract

Auraku Skin Solution merupakan salah satu perusahaan yang bergerak di bidang perdagangan barang dan jasa pelayanan kesehatan, jasa yang diberikan berupa perawatan kecantikan. Berdasarkan data yang didapat dari Badan Penanaman Modal dan Pelayanan Perizinan Terpadu Kota Cimahi, jumlah klinik kecantikan yang ada di Kota Cimahi sebanyak 30 klinik menyebabkan adanya persaingan di dalam dunia bisnis klinik kecantikan untuk mendapat pelanggan menjadi lebih tinggi. Pelanggan kesulitan untuk mendapatkan informasi maupun memesan jadwal konsultasi, selain itu juga kurangnya tempat untuk menampung pelanggan yang mempunyai keluhan ataupun saran seputar pelayanan maupun produk yang ada pada Klinik Auraku yang menyebabkan pelanggan tidak puas. Customer Relationship Management (CRM) merupakan strategi yang digunakan dalam suatu perusahaan yang bertujuan untuk meningkatkan kepuasan pelanggan, mendapatkan pelanggan, mempertahankan, dan meningkatkan jumlah pelanggan perusahaan dengan menggunakan konsep Recency, Frecuency, Monetary (RFM) yang dapat digunakan untuk mengukur tingkat loyalitas pelanggan. Penelitian ini bertujuan untuk membangun sebuah sistem Customer Relationship Management (CRM) berbasis website. Pengembangan sistem penelitian ini menggunakan model waterfall. Dengan adanya sistem ini diharapkan dapat mempertahankan pelanggan dan pemberian informasi yang akurat guna  meningkatkan jumlah pelanggan pada Klinik Kecantikan Auraku dan mempermudah Klinik Kecantikan Auraku mendapatkan pelanggan baru.Kata kunci : Customer Relationship Management; Klinik Kecantikan;  Pelanggan. 
ANALISIS SENTIMEN JASA EKSPEDISI BARANG MENGGUNAKAN METODE NAÏVE BAYES Raflialdy Raksanagara; Yulison Herry Chrisnanto; Asep Id Hadiana
Prosiding SNST Fakultas Teknik Vol 1, No 1 (2016): PROSIDING SEMINAR NASIONAL SAINS DAN TEKNOLOGI 7 2016
Publisher : Prosiding SNST Fakultas Teknik

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (362.38 KB)

Abstract

Analisis sentimen pada twitter dalam jasa ekspedisi barang merupakan proses mengekstraksi pendapat, sentimen, evaluasi, dan emosi orang tentang pelayanan pengiriman barang yang tertulis. Permasalahan yang terjadi dalam penelitian ini terdapat kesulitan untuk menentukan opini yang bersifat positif, negatif ataupun netral, serta hasil analisis sentimen disalurkan ke setiap pelayanan yang tersedia. Terdapat penelitian terdahulu mengenai analisis sentimen pada facebook dan twitter menggunakan metode naïve bayes yang menggunakan data sebanyak 6000 data yang terdiri dari 2000 kalimat netral, 2000 kalimat positif dan 2000 kalimat negatif dengan menghasilkan akurasi hingga 85,44%. Sedangkan penelitian yang akan dilakukan yaitu membuat sistem yang mampu mengklasifikasikan sentimen pada twitter kedalam sentimen positif, netral atau negatif serta menyalurkan opini tersebut ke setiap bagian pelayanan yang bersangkutan dengan opini yang muncul. Hasil yang didapatkan dari akurasi naïve bayes pada data uji negative memperoleh ketepatan 76% sedangkan untuk data uji positif memperoleh 83%. Kata kunci: Analisis Sentimen, Twitter, Opini, Naïve Bayes
SISTEM PENGELOMPOKKAN PENJUALAN VAKSIN DAN SERUM DI PT BIO FARMA MENGGUNAKAN METODE K - MEDOIDS Gita Mahesa; Yulison Herry Chrisnanto; Fajri Rakhmat Umbara
Prosiding SNST Fakultas Teknik Vol 1, No 1 (2019): PROSIDING SEMINAR NASIONAL SAINS DAN TEKNOLOGI 10 2019
Publisher : Prosiding SNST Fakultas Teknik

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (503.378 KB)

Abstract

Vaksin dan serum khususnya di Indonesia diproduksi oleh perusahaan farmasi yaitu PT. Bio Farma. Produk vaksin dan serum telah didistribusikan ke seluruh wilayah Indonesia, dengan jumlah jenis dari vaksin dan serum yang tersebar yaitu, 14 jenis untuk vaksin dan 5 jenis untuk serum, dengan sebaran sebanyak 2.830 rumah sakit diseluruh wilayah di Indonesia. Distribusi vaksin dan serum untuk setiap rumah sakit memiliki keragaman jumlah distribusinya, namun demikian kebutuhan vaksin dan serum setiap rumah sakit berbeda bahkan untuk rumah sakit yang sama memiliki keragaman kebutuhan vaksin dan serum setiap tahun. Berdasarkan hal tersebut pihak PT. Bio Farma mengalami kesulitan untuk memetakan kelompok penjualan vaksin dan serum berdasarkan kebutuhan rumah sakit, sehingga hal tersebut akan berdampak pada skema produksi vaksin dan serum. Pada penelitian ini pengelompokkan penjualan vaksin dan serum akan dibantu menggunakan metode K – Medoids pada proses pengelompokkan penjualan vaksin dan serum agar proses dapat dilaksanakan tanpa harus menganalisis setiap kebutuhan vaksin dan serum di setiap rumah sakit.Kata kunci : PT Bio Farma, Sebaran, Clustering, K - Medoids. 
KLASIFIKASI SENTIMEN PERGELARAN MOTOGP DI INDONESIA MENGGUNAKAN ALGORITMA CORRELATED NAÏVE BAYES CLASIFIER RIDWAN INDRANSYAH; Yulison Herry Chrisnanto; Puspita Nurul Sabrina
INFOTECH journal Vol. 8 No. 2 (2022)
Publisher : Universitas Majalengka

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31949/infotech.v8i2.3103

Abstract

Knowing the public's sentiment towards the international MotoGP event which has been held in Indonesia in 2022 is very necessary because the role of the community is very influential in the implementation and public interest in visiting an international event is still few and difficult because the information is still limited. Tweets, comments, reviews, and opinions of people using social media play an important role in determining whether a particular population is satisfied with products, performances, and services. The method used in this study is the Correlated Naïve Bayes Classifier (CNBC). The Correlated Naive Bayes Classifier (CNBC) method recalculates the correlation value for each attribute of the dataset to that class. There are several processes carried out in this study including data acquisition, data labeling, data preprocessing, feature extraction, classifying data using the Correlated Naive Bayes Classifier (CNBC) method, visualizing data, and finally evaluating the results. This study resulted in an accuracy of 82%.
KLASIFIKASI PENENTUAN KELAYAKAN PINJAMAN KOPERASI DENGAN ALGORITMA CART MENGGUNAKAN ALGORITMA ADABOOST Muhammad Rendy Raihan; Yulison Herry Chrisnanto; Ade Kania Ningsih
INFOTECH journal Vol. 8 No. 2 (2022)
Publisher : Universitas Majalengka

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31949/infotech.v8i2.3247

Abstract

According to the Cooperative Bureau, cooperatives became a mainstay for the lower middle class to revive and stabilize their respective economies when the Covid-19 Pandemic broke out in Indonesia. Through savings and loan cooperatives, people can provide loans to cooperatives. In this case, cooperatives provide money lending services to their members, and certain conditions apply to determine which loans are eligible. In connection with this, the officer will analyze the loan by filling out a loan application form accompanied by certain requirements in each loan application. In a mechanism that is not simple, problems often arise when eligibility decisions are not appropriate, namely bad credit. This research aims to solve the problem by designing a data mining application with a function to determine the feasibility of giving loans to customers. The method used is the CART algorithm method and uses the Adaboost algorithm. The results of the application of the CART algorithm method optimized with Adaboost turned out to be able to classify the eligibility of cooperative lending well, simplify the mechanism in credit analysis activities and be able to provide accurate eligibility status, which is guaranteed by the accuracy results of CART and Adaboost.
Co-Authors Ade Kania Ningsih Fajri Rakhmat Umbara Gita Mahesa Hadiana, Asep Id Muhammad Rendy Raihan Puspita Nurul Sabrina Raflialdy Raksanagara RIDWAN INDRANSYAH Tiara Rahmawati