Jurnal Teknik Informatika dan Sistem Informasi
Not a member yet
499 research outputs found
Sort by
Rancang Bangun Customer Relationship Management dengan K-Means untuk Reward Customer Berbasis Web
Full text linkThe continuous growth of the industry drives PT Porta Griya Indah, an industrial company, to retain their customers. Currently, the company still employs manual methods such as telephone, WhatsApp, and email to manage customer relationships, making it difficult for the marketing team to foster good relations. To overcome this challenge, the company needs to implement Customer Relationship Management (CRM) strategies. To increase sales and customer loyalty, the appropriate choice is to provide rewards to customers. Therefore, the aim of this research is to develop a simple web-based Customer Relationship Management application with K-Means Clustering algorithm, used to determine rewards for customers accurately and quickly. Data will be grouped into two clusters, namely eligible for rewards and not eligible for rewards, based on criteria and assessment weights. The research results indicate that this system helps the marketing team in communicating with customers, facilitating the conveyance of customer issues and needs to the directors, and facilitating the selection of the best customers eligible for rewards to enhance loyalty. The implementation of this system enhances the efficiency of PT Porta Griya Indah in retaining customers and increasing customer satisfaction amidst the continuously growing industry.Pertumbuhan industri yang terus meningkat mendorong PT Porta Griya Indah, sebuah perusahaan industri, untuk mempertahankan pelanggan mereka. Saat ini, perusahaan masih menggunakan metode manual seperti telepon, WhatsApp, dan email dalam mengelola hubungan dengan customer, yang menyulitkan pihak marketing untuk menjalin hubungan yang baik. Untuk mengatasi tantangan ini, perusahaan perlu menerapkan strategi Customer Relationship Management (CRM). Guna meningkatkan penjualan dan loyalitas pelanggan, pilihan yang tepat adalah memberikan reward kepada customer. Oleh karena itu, melalui penelitian ini, tujuannya adalah membangun sistem aplikasi sederhana Customer Relationship Management berbasis web dengan algoritma K-Means Clustering, yang digunakan untuk menentukan reward customer secara tepat dan cepat. Data akan dikelompokkan menjadi dua cluster, yaitu layak menerima reward dan tidak layak menerima reward, berdasarkan kriteria dan bobot penilaian. Hasil penelitian menunjukkan bahwa sistem ini membantu pihak marketing dalam berkomunikasi dengan pelanggan, memfasilitasi penyampaian permasalahan dan kebutuhan pelanggan kepada direktur, serta memudahkan pemilihan customer terbaik yang layak menerima reward untuk meningkatkan loyalitas. Penerapan sistem ini meningkatkan efisiensi PT Porta Griya Indah dalam mempertahankan pelanggan dan meningkatkan tingkat kepuasan pelanggan di tengah pertumbuhan industri yang terus berkembang
Perancangan Model Referral dengan Pendekatan Design Science Research Methodology
Full text linkThis research aims to create an effective referral model by applying the Design Science Research Methodology (DSRM) in the context of case X. This methodology focuses on integrating theory and practice to produce innovative solutions. By using this approach, the research proposes a model based on a theoretical framework that has proven effective. Data collection was conducted through surveys, interviews, and direct observation. The main focus of this research is the development of a model that not only enhances efficiency in the referral process but also improves service quality for stakeholders. The final results of the research include supporting artifacts for the solution development process, such as PRDs and flowcharts. It is hoped that the results of this study will provide practical guidance for companies or organizations facing challenges in managing complex referral processes. Therefore, this research is expected to make a significant contribution to the development of efficient and effective referral systems.Penelitian ini bertujuan untuk menciptakan suatu model referral yang efektif dengan menerapkan pendekatan Design Science Research Methodology (DSRM) dalam situasi kasus X. Metodologi ini berfokus pada penggabungan teori dan praktik untuk menghasilkan solusi inovatif. Dengan menggunakan pendekatan ini, penelitian ini mengusulkan suatu model yang berdasarkan pada kerangka kerja teoritis yang telah terbukti efektif. Pengumpulan data dilakukan melalui survei, wawancara, dan observasi langsung. Fokus utama penelitian ini adalah pengembangan model yang tidak hanya meningkatkan efisiensi dalam proses rujukan, tetapi juga meningkatkan kualitas layanan untuk para pemangku kepentingan. Hasil akhir dalam penelitian berupa artefak pendukung proses pengembangan solusi seperti PRD dan flowchart. Harapannya, hasil penelitian ini dapat memberikan panduan praktis bagi perusahaan atau organisasi yang menghadapi tantangan dalam mengelola proses rujukan yang kompleks. Oleh karena itu, diharapkan penelitian ini dapat memberikan kontribusi yang signifikan untuk pengembangan sistem rujukan yang efisien dan efektif
Analisis Perbandingan Algoritma Machine Learning untuk Forecasting Persediaan Produk Barang Pokok
Full text linkAbstract —In the era of continuously evolving technology, consumers' demands for everyday needs are becoming more complex.Retail companies must adopt sophisticated approaches to understand and meet consumer preferences. This research explores theeffectiveness of Machine Learning algorithms in forecasting inventory levels in various types of retail stores using historicaltransaction payment data and related variables. One approach used is data transformation using one standard deviation intervalto stationarize data, ensuring statistical consistency that is important for prediction algorithms. The research results show that theSeasonal Autoregressive Integrated Moving Average (SARIMA) algorithm performs best in predicting inventory levels for bothSMEs and modern retailers. For the original data, the Mean Absolute Percentage Error (MAPE) for SMEs is 1.11% and formodern retailers is 0.98%. For data modified with one standard deviation interval, the MAPE for SMEs is 0.74% and for modernretailers is 0.70%. These results indicate superior prediction accuracy, helping companies adjust their inventory levels moreaccurately according to market dynamics and consumer expectations. This research is expected to provide a solid guideline forimproving inventory management strategies, enabling companies to prepare inventory levels more accurately according to marketdynamics and consumer expectations.Keywords—Forecasting Optimization, Machine Learning Algorithm Comparison, Inventory Levels, Modern Retail, SMEs, Onestandard deviation intervalAbstrak —Dalam era teknologi yang terus berkembang, permintaan konsumen terhadap kebutuhan sehari-hari semakinkompleks. Perusahaan ritel harus mengadopsi pendekatan canggih untuk memahami dan memenuhi preferensi konsumen.Penelitian ini mengeksplorasi efektivitas algoritma Machine Learning dalam forecasting persediaan barang pada berbagai jenistoko ritel menggunakan data historis transaksi pembayaran dan variabel terkait. Salah satu pendekatan yang digunakan adalahtransformasi data menggunakan interval satu standar deviasi untuk menstasionerkan data, memastikan konsistensi statistik yangpenting bagi algoritma prediksi. Hasil penelitian menunjukkan bahwa algoritma Seasonal Autoregressive Integrated MovingAverage (SARIMA) memiliki kinerja terbaik dalam memprediksi persediaan barang baik untuk UMKM maupun ritel modern.Untuk data asli, MAPE untuk UMKM adalah 1.11% dan untuk ritel modern adalah 0.98%. Untuk data yang dimodifikasi denganinterval satu standar deviasi, MAPE untuk UMKM adalah 0.74% dan untuk ritel modern adalah 0.70%. Hasil ini menunjukkanakurasi prediksi yang unggul, membantu perusahaan dalam menyesuaikan stok barang dengan lebih tepat sesuai dinamika pasardan harapan konsumen.Penelitian ini diharapkan mampu memberikan pedoman solid untuk perbaikan strategi manajemenpersediaan, sehingga perusahaan dapat menyiapkan stok barang dengan lebih tepat sesuai dinamika pasar dan harapankonsumen.Kata kunci—Optimalisasi Forecasting, Perbandingan Algoritma Machine Learning, Interval satu standar deviasi, PersediaanBarang, Ritel Modern, UMK
Penerapan Sentence BERT Untuk Similaritas Kompetensi Pekerjaan dan Mata Kuliah
Full text linkThis research focuses on the application of the Sentence BERT (S-BERT) model, a specialization of the BERT model and an adaptation of the Transformer architecture specifically designed for the Indonesian language, in exploring the concept of course credit transfer consolidation in accordance with the Merdeka Belajar – Kampus Merdeka program. The aim of this exploration is to develop an Indonesian-language S-BERT model and apply it to search and analyze the similarity between activity sequence descriptions and course syllabus (RPS) descriptions. The results of this similarity analysis are the identification of relevant courses based on the given query. The developed model has shown effective capabilities in searching and determining the similarity between activity sequence descriptions and course syllabus descriptions. Courses identified as relevant to the query demonstrate high similarity and compatibility, indicating that the S-BERT model can be relied upon in the process of course credit transfer consolidation within the context of Merdeka Belajar – Kampus Merdeka.Penelitian ini berfokus pada penerapan model Sentence BERT (S-BERT), spesialisasi dari model BERT dan adaptasi dari arsitektur Transformer yang dirancang khusus untuk bahasa Indonesia, dalam mengeksplorasi konsep konsolidasi alih kredit mata kuliah sesuai dengan program Merdeka Belajar – Kampus Merdeka. Tujuan dari eksplorasi ini adalah mengembangkan sebuah model S-BERT berbahasa Indonesia dan mengaplikasikannya untuk melakukan pencarian serta analisis similaritas antar deskripsi sekuens aktivitas dengan Rencana Pembelajaran Semester (RPS) mata kuliah. Hasil dari analisis similaritas ini adalah identifikasi mata kuliah yang relevan berdasarkan query yang diberikan. Model yang dikembangkan berhasil menunjukkan kemampuan yang efektif dalam melakukan pencarian dan penentuan similaritas antar deskripsi sekuens aktivitas dan RPS mata kuliah. Mata kuliah yang teridentifikasi sebagai relevan dengan query menunjukkan similaritas dan kecocokan yang tinggi, menunjukkan bahwa model S-BERT dapat diandalkan dalam proses konsolidasi alih kredit terhadap mata kuliah dalam konteks Merdeka Belajar – Kampus Merdeka
Perancangan Design Order Management System Berbasis Web dengan Metode Design Thinking
Full text linkCompany in Bandung conducts online sales in various marketplace to reach all customer. Transactions that have been made by customer will enter each marketplace used by the company, but the sales admin must open each marketplace to find out the transactions that have been made and also have to open one marketplace to add product and add voucher and others. This is less effective and makes it difficult for sales admin from company in Bandung if there are many transactions from customer and many product additions in each marketplace. Therefore, Order Management System (OMS) is very functional for company in Bandung to the facilitate the work of sales admin. Order Management System will be made based on the needs of the sales admin or user by using web-based design thinking method, so that the sales admin can access through the website. The research conducted only focuses on designing a web-based design of the order management system, so that the results of the study will discuss the design of the order management system which contains features based on the needs of the sales admin or user.Perusahaan di Bandung melakukan penjualan secara online di berbagai marketplace untuk menjangkau seluruh customer. Transaksi yang sudah dilakukan oleh customer akan masuk ke setiap marketplace yang digunakan oleh perusahaan, tetapi admin penjualan harus membuka setiap marketplace untuk mengetahui transaksi yang sudah dilakukan dan juga harus membuka satu-satu marketplace untuk melakukan penambahan produk dan penambahan voucher beserta lainnya. Hal ini kurang efektif dan mempersulit admin penjualan dari Perusahaan di Bandung jika terdapat banyak transaksi dari customer dan banyak penambahan produk disetiap marketplace. Oleh karena itu, Order Management System (OMS) sangat berfungsi pada Perusahaan di Bandung agar memudahkan pekerjaan admin penjualan. Order Management System akan dibuat berdasarkan kebutuhan dari admin penjualan ataupun user dengan menggunakan metode design thingking berbasis web, sehingga admin penjualan dapat mengakses melalui website. Penelitian yang dilakukan hanya berfokus kepada perancangan desain order management system berbasis web, sehingga hasil penelitian akan membahas mengenai perancangan desain order management system yang berisikan fitur-fitur berdasarkan kebutuhan dari admin penjualan ataupun user
Studi Perbandingan Evaluasi Kinerja Metode Pembelajaran Eager Learning versus Lazy Learning
Full text linkThe major revenue in banking sector is generated long term deposits from customers. Many marketing strategies are implemented to target potential customers by examining their impacted characteristics for decision making. Therefore, machine learning as a scientific computing has drawn many interest in finding best potential customers especially in predicting whether a long term deposit is subscribed or not. In this research, lazy and eager learning of K-Nearest Neighbours (KNN) and Random Forest (RF) is compared. The computation procedure of the prediction makes a sharp distinction between them and accordingly, RF is proven to be more superior than KNN in the term of Accuracy as much as 96%, Precision 93% and F1 score 0.97. Therefore, the ultimate performance of RF relies on the ability to handle non-linearities and its resistance to overfitting makes RF a suitable choice for many predictive applications.
Keywords— Classification; Easy learning; Lazy Learning, Term DepositSebagian besar pendapatan utama sektor perbankan berasal dari nasabah simpanan jangka panjang. Banyak strategi pemasaran telah diterapkan untuk mengkaji karakteristik pengambilan keputusan para nasabah. Dalam hal ini, pembelajaran mesin sebagai cabang ilmu komputasi ilmiah dipergunakan untuk menemukan nasabah potensial yang terbaik terutama dalam melakukan prediksi untuk pengambilan deposito jangka panjang yang akan dilakukan nasabah. Pada penelitian ini dilakukan studi komparasi antara lazy learning dalam bentuk Random Forest (RF) dan easy learning dalam bentuk K-Nearest Neighbors (KNN). Perbedaan di antara keduanya bergantung pada konsep dari sifat komputasi pemrogramannya. Dalam penelitian studi kasus perbankan ini terbukti RF lebih unggul dibandingkan KNN dari segi akurasi yang mencapai 96%, presisi 93% dan F1-score 0.97. Oleh karena itu, performa terbaik RF telah dicapai berdasarkan kemampuannya untuk menangani problem non-linearitas dan ketahanan terhadap overfitting sehingga RF layak diterapkan untuk banyak aplikasi prediktif
Dilated-Convolutional Recurent Neural Network untuk Klasifikasi Genre Musik
Full text linkIn the digital era, utilizing technology to automatically classify music genres has become very important, especially for applications such as music recommendation, music trend analysis, and digital music library management. This research evaluates the use of Dilated-Convolutional Recurrent Neural Network (D-CRNN) in classifying music genres. This method combines the advantages of Dilated-CNN in capturing longer temporal context with the temporal sequence recognition capability of CRNN. The data used is the GTZAN dataset consisting of 1,000 30-second audio recordings, categorized into 10 music genres. Data preprocessing involved converting the audio recordings into Mel-Frequency Cepstral Coefficients (MFCC) images. The model was tested using data without augmentation and with augmentation, resulting in a total of 15,991 images for training. The results show that the use of D-CRNN can improve the accuracy of music genre classification compared to the conventional CRNN method.Dalam era digital, pemanfaatan teknologi untuk mengelompokkan genre musik secara otomatis menjadi sangat penting, terutama untuk aplikasi seperti rekomendasi musik, analisis tren musik, dan pengelolaan perpustakaan musik digital. Penelitian ini mengevaluasi penggunaan Dilated-Convolutional Recurrent Neural Network (D-CRNN) dalam mengklasifikasi genre musik. Metode ini menggabungkan keunggulan Dilated-CNN dalam menangkap konteks temporal yang lebih panjang dengan kemampuan pengenalan urutan temporal dari CRNN. Data yang digunakan adalah dataset GTZAN yang terdiri dari 1.000 rekaman audio berdurasi 30 detik, dikategorikan ke dalam 10 genre musik. Proses data preprocessing melibatkan konversi rekaman audio menjadi gambar Mel-Frequency Cepstral Coefficients (MFCC). Model diuji menggunakan data tanpa augmentasi dan dengan augmentasi, menghasilkan total 15.991 gambar untuk pelatihan. Hasil penelitian menunjukkan bahwa penggunaan D-CRNN dapat meningkatkan akurasi klasifikasi genre musik dibandingkan dengan metode CRNN konvensional
Penerapan Metode Design thinking Pada Pengembangan Knowledge Management System Pembelajaran SMA
Full text linkHigh school learning requires teachers to carry out the teaching process using appropriate learning methods and materials based on expected competencies. At SMA IBA Palembang, knowledge and experiences possessed by the teacher are still stored in each teacher and have not been documented in a system. However, when a teacher retires, the knowledge and experiences of the teacher will also go away and be lost. Therefore a Knowledge Management System (KMS) to manage teacher knowledge needs to be developed. In order to improve KMS development results in terms of usability and user experience, user experience design with the Design Thinking Method is an option. In this paper KMS development with the Design Thinking Method is used to identify problems and existing user needs. This solution can produce good user interface and user experience based on user needs at SMA IBA Palembang. Before being implemented, the KMS has been tested using the System Usability Scale method with an average value of 81.43. It means that the system is accepted by prospective users. The KMS implementation was tested with 43 test items using the Blackbox Testing method. The result stated that the system could function to solve problems that occurred.
Pembelajaran SMA menuntut guru untuk melaksanakan proses pengajaran menggunakan metode pembelajaran yang tepat serta materi pembelajaran sesuai dengan kompetensi yang diharapkan. Pada SMA IBA Palembang, pengetahuan dan pengalaman yang dimiliki guru masih tersimpan pada setiap individu guru dan belum terdokumentasi dalam sebuah sistem, sehingga ketika ada salah satu guru yang pensiun, pengetahuan dan pengalaman guru tersebut juga akan ikut pergi dan hilang. Oleh karena itu Knowledge Management System (KMS) untuk mengelola pengetahuan guru perlu dikembangkan. Dalam rangka meningkatkan hasil pengembangan KMS dalam hal usability dan user experience, maka perancangan user experience dengan mengacu Metode Design Thinking diperlukan. Pada paper ini, Metode Design Thinking pada pengembangan KMS digunakan untuk mengidentifikasi permasalahan serta kebutuhan pengguna yang ada, sehingga dapat menghasilkan user interface dan user experience yang baik sesuai kebutuhan pengguna di SMA IBA Palembang. Sebelum diimplementasikan, KMS ini telah diuji menggunakan metode System Usability Scale dengan nilai rata-rata 81,43 sehingga sistem ini dapat diterima oleh calon pengguna. Hasil implementasi KMS diuji dengan 43 butir uji menggunakan metode Blackbox Testing dan dinyatakan bawah sistem dapat berfungsi untuk menyelesaikan masalah yang terjadi
Sistem Perhitungan Kendaraan Menggunakan Algortima YOLOv5 dan DeepSORT
No full textAir pollution is a serious issue in big cities, such as Bandar Lampung. This is caused by high transportation activities using motorized vehicles. Data from 2021 shows a 4.30% increase in the number of motorized vehicles in Indonesia, impacting carbon emissions. In response to this problem, Greenmetric Lampung University has a green transportation work program that focuses on reducing motor vehicle emissions. To support this goal, automatic traffic monitoring is carried out by applying the field of Computer Vision, namely object tracking. The making of an object tracking system in monitoring traffic uses two combinations of the YOLOv5 and DeepSORT algorithms. The method used in this research is the Scrum method which is carried out in three sprints and divided into three stages, namely pre-game, game, and post-game. The result of this research is an object tracking system that successfully distinguishes and counts three types of vehicles (motorcycle, car, and bus) automatically, and has been tested in real-time with an average precision value of 99%, recall of 97%, F1 score of 97.2%, accuracy of 96.8%, and average accuracy of system calculation of 97.65%.Pencemaran udara menjadi isu serius di kota-kota besar, seperti di kota Bandar Lampung. Hal ini diakibatkan oleh tingginya aktivitas transportasi menggunakan kendaraan bermotor. Data tahun 2021 menunjukkan peningkatan 4,30% jumlah kendaraan bermotor di Indonesia, berdampak pada emisi karbon. Sebagai respons terhadap permasalahan tersebut, Greenmetric Universitas Lampung memiliki program kerja transportasi hijau yang berfokus dalam mengurangi emisi kendaraan bermotor. Untuk mendukung tujuan tersebut dilakukan pemantauan lalu lintas secara otomatis dengan menerapkan bidang Computer Vision, yaitu object tracking. Pembuatan sistem object tracking dalam melakukan pemantauan lalu lintas menggunakan kombinasi algoritma YOLOv5 dan DeepSORT. Metode yang digunakan dalam penelitian ini adalah metode Scrum yang dilakukan sebanyak tiga kali sprint, dan dibagi menjadi tiga tahap yaitu pre-game, game, dan post-game. Hasil dari penelitian ini adalah sebuah sistem object tracking yang berhasil membedakan dan menghitung tiga jenis kendaraan (motor, mobil, dan bis) secara otomatis, dan telah dilakukan pengujian secara realtime dengan nilai rata-rata precision sebesar 99%, recall sebesar 97%, F1 score sebesar 97.2%, accuracy sebesar 96.8%, dan rata-rata ketepatan perhitungan sistem sebesar 97.65%
Implementasi Information Architecture Berbasis Human Centered Design Pada Website Profil
Full text linkIn the era of globalization, the use of the internet facilitates users in obtaining information. One of the media for obtaining information is by accessing websites. Website is a part of the internet that consists of pages displaying text, images, sound, and videos. One type of website is a profile website that presents specific information about organization or educational institution. However, not all educational institutions fully utilize websites, and one example is Information Systems Program (Prodi Sistem Informasi), as their existing website only showcases a landing page and does not meet the users' information needs. Therefore, this research conducted to provide a profile website implementing Information Architecture based on Human-Centered Design to effectively convey website information, aligning with user needs. The applied Information Architecture encompasses aspects such as organization system, labeling system, navigation system, and searching system. Human-Centered Design approach includes analysis of usage context, analysis of user needs, design solution creation, and design evaluation. Design evaluation uses tree testing, resulting in a success rate of 94.71%, directness 82.65%, time spent 3 minutes 59 seconds, first click 73.75%, and destination 80.5%. Thus, the design solution's outcomes can be implemented in the form of a website, as the majority of users can find all tested categories. Subsequently, searching system test conducted through tree testing, yielding success rate of 98%, directness 96%, time spent 79% falling into fast category, first click 97%, and destination 96%. It's concluded that searching system can assist users in quickly and accurately finding the desired pages.Di era globalisasi, penggunaan internet memudahkan penggunanya untuk mendapatkan informasi. Salah satu media untuk mendapatkan informasi adalah dengan mengakses website. Website merupakan bagian dari internet berupa halaman yang menampilkan teks, gambar, suara dan video. Salah satu jenis website adalah website profil yang menyajikan informasi spesifik untuk suatu organisasi maupun instansi pendidikan. Namun, tidak semua instansi pendidikan memanfaatkan website dengan sepenuhnya, salah satunya adalah Prodi Sistem Informasi, karena website yang ada hanya menampilkan landing page dan tidak memenuhi kebutuhan informasi pengguna. Oleh karena itu, penelitian ini dilakukan untuk menyediakan website profil yang menerapkan Information architecture berbasis Human centered design agar informasi website tersampaikan dengan baik dan informasi yang disediakan sesuai dengan kebutuhan pengguna. Information architecture yang diterapkan meliputi aspek organization system, labelling system, navigation system, dan searching system. Pendekatan Human centered design meliputi analisis konteks penggunaan, analisis kebutuhan pengguna, pembuatan desain solusi, dan evaluasi desain. Evaluasi desain menggunakan tree testing yang menghasilkan success rate 94,71%, directness 82,65%, time spent 3 menit 59 detik, first click 73,75%, dan destination 80,5%. Dengan demikian, hasil desain solusi dapat diimplementasikan dalam bentuk website, karena sebagian besar pengguna dapat menemukan seluruh kategori yang diuji. Setelah itu, pengujian searching system dilakukan dengan tree testing, dan menghasilkan success rate 98%, directness 96%, time spent 79% yang termasuk dalam kategori cepat, first click 97%, destination 96%, sehingga disimpulkan bahwa searching system dapat membantu pengguna menemukan halaman yang dicari dengan cepat dan tepat