Algorithm : Jurnal Teknologi Informasi

Desain dan Pengembangan Aplikasi Web E-Commerce pada UMKM Various Foods Riski

2025-06-30T15:59:21+00:00

Penelitian ini bertujuan untuk merancang dan membangun sistem E-Commerce berbasis web untuk UMKM Various Foods Riski, sebuah usaha yang bergerak di bidang makanan ringan. Masalah yang dihadapi oleh UMKM ini adalah keterbatasan pemasaran produk yang hanya mengandalkan penjualan langsung di lokasi, yang menyulitkan dalam hal pencatatan keuangan dan pembukuan. Sebagai solusi, dibangun sebuah platform E-Commerce yang memungkinkan pelanggan untuk membeli produk secara online dengan lebih mudah, sekaligus memudahkan pemilik usaha dalam mengelola informasi produk dan pesanan. Penelitian ini menggunakan metode Waterfall dalam pengembangan sistem, dengan desain menggunakan model DFD (Data Flow Diagram) dan ERD (Entity Relationship Diagram). Bahasa pemrograman yang digunakan adalah PHP dan MySQL sebagai basis data. Selain itu, beberapa perangkat lunak yang digunakan antara lain Visual Studio Code sebagai code editor, XAMPP sebagai server lokal, dan Figma untuk desain antar muka. Hasil penelitian menunjukkan sistem E-Commerce ini mampu memfasilitasi transaksi online dan meningkatkan efisiensi operasional UMKM Various Foods Riski, dengan memperluas jangkauan pasar dan meningkatkan kemudahan dalam proses pembelian bagi pelanggan.

Implementasi Model Prediksi Churn Pelanggan Menggunakan Algoritma Random Forest Pada Website Industri Telekomunikasi

2025-06-28T07:40:16+00:00

Industri telekomunikasi di Indonesia berkembang pesat berkat peningkatan jumlah pengguna layanan internet dan telekomunikasi, yang memicu persaingan sengit di antara penyedia layanan. Salah satu tantangan utama yang dihadapi oleh perusahaan telekomunikasi adalah churn pelanggan, yang dapat mengakibatkan penurunan pendapatan yang signifikan. Penelitian ini bertujuan untuk meningkatkan efektivitas strategi retensi pelanggan. Dengan membangun model prediksi churn pelanggan dan mengintegrasikannya ke dalam sebuah website industri telekomunikasi, penelitian ini bertujuan untuk membantu perusahaan mengidentifikasi pelanggan yang berpotensi melakukan churn dan mengambil tindakan pencegahan yang tepat. Metode penelitian ini menggunakan pendekatan AI Project Cycle yang terdiri dari tahap problem scoping, data acquisition, data exploration, modelling, evaluation, dan deployment. Dengan fokus pada elemen-elemen kunci yang memiliki dampak signifikan terhadap tingkat churn pelanggan dalam konteks industri telekomunikasi Indonesia, penelitian ini diharapkan dapat memberikan dampak positif yang signifikan bagi masyarakat, pengembangan ilmu pengetahuan dan teknologi, serta peningkatan nilai ekonomi. Dalam penelitian ini, akurasi prediksi menggunakan algoritma Random Forest mencapai 95%, sedangkan penggunaan Decision Tree menunjukkan akurasi sebesar 92%. Hal ini menunjukkan bahwa Random Forest memberikan peningkatan yang signifikan dalam kinerja prediksi dibandingkan dengan pendekatan Decision Tree. Hasil ini juga lebih tinggi dibandingkan dengan penelitian sebelumnya yang menggunakan beberapa algoritma seperti Decision Tree, SVM, KNN, Logistic Regression, C4.5, AdaBoost, XGBoost.

Analisis Sentimen Dengan Metode Naïve Bayes Terhadap Ulasan Hotel New Saphir Yogyakarta Pada Platform Tripadvisor

2025-06-26T18:16:37+00:00

Salah satu pondasi yang mendukung pembangunan sektor pariwisata adalah industri perhotelan. Saat ini beberapa hotel telah mengikuti perkembangan teknologi dengan menggunakan platform digital online. Tripadvisor menjadi platform yang banyak digunakan sebagai pilihan pelanggan dalam mencari, memesan hingga memberikan ulasan pada hotel. Hotel New Sahpir Yogyakarta merupakan salah satu hotel terbaik dan memiliki rating kinerja hotel yang cukup tinggi di situs Tripadvisor. Akan tetapi, pihak hotel membutuhkan data yang kuat yang menunjukkan data valid mengenai komentar hotel secara ringkas dan cepat. Maka dari itu, dilakukan analisis sentimen komentar pelanggan untuk mengetahui seberapa banyak data yang positif dan negatif. Analisis ini mengumpulkan dataset yang berjumlah 118 baris data bersumber. Dataset yang terkumpul kemudian dilakukan pemodelan analisis sentimen dengan metode Naïve Bayes. Hasil penelitian ini menunjukkan bahwa kinerja model Naïve Bayes memiliki nilai akurasi sebesar 92%. Maka, dapat disimpulkan bahwa model dapat memprediksi sentimen ulasa dengan baik.