The impact of the COVID-19 pandemic has been felt by all sectors, including the economic sector. UMKM have really felt the impact after the covid 19 pandemic with declining sales turnover. This study aims to classify products from UMKM that are not selling well and selling well. The K means method was chosen for grouping because it is simple and the K means method can group according to the same criteria grouped into a data cluster, for different data entered into another cluster. There are 28 data sets which will be grouped into 2 clusters . With the criteria of total goods sold, total transactions, difference in days and final stock. The data was taken from January 2022 to August 2022. After clustering, it was found that C1 had 12 products that were selling well, and for C2 there were 16 products that were not selling well. Therefore, UMKM can carry out sales promotion strategies that are fast and precise so that products that are not selling well can increase sales volume. Promotions can be carried out in the form of discounted promotions, mailer promotions, and fractional promotions.
Kucing adalah hewan kesayangan yang sangat populer dikalangan masyarakat Indonesia. Ketersediaan dokter tidak sebanding dengan banyaknya masyarakat yang mencintai kucing serta pemilik juga banyak yang belum mengetahui cara pemeliharaan dengan benar. Jenis penyakit yang dialami kucing sangat banyak maka dari itu membutuhkan penanganan dan pengobatan yang berbeda-beda. Maka untuk dapat mendiagnosa penyakit pada kucing dibutuhkan sebuah sistem dengan berbasis Case Based Reasoning(CBR) dengan metode K Nearest Neighbor. Case Base Reasoning (CBR) dapat penyelesaikan masalah berdasarkan masa lalu yang sama untuk menyelesaikan masalah yang baru, dalam memecahkan kasus baru maka mengingat kasus lama. Algoritma K Nearest Neighbor memilih data sejumlah K yang paling dekat dari data baru. Metode penelitian yang digunakan adalah CHRISP –DM (Cross Industry Process for data mining) dengan tahapan sebagai berikut: Fase Pemahaman Bisnis, Fase Pemahaman data, Fase Pengolahan Data, Fase Pemodelan, Fase Evaluasi dan Fase penyebaran. Data yang didapat 320 data, setelah melalukan fase pengolahan data menjadi 250 data. Pengujian akurasi didapatkan akurasi yang paliing tinggi adalah dengan menggunakan nilai K= 3 dengan tingkat akurasi sebesar 97 %.
Persaingan peusahaan semakin ketat menuntut perusahaan memberikan pelayanan yang memuaskan kepada konsumen. Dalam mempertahankan konsumen salah satu kuncinya adalah mengelola informasi pelanggan. Perusahaan akan terbantu jika mempunyai sistem informasi pelanggan dikelola dengan baik, data pelanggan yang baru ataupun data pelanggan yang lama. BMT ABC mempunyai mempunyai 4.882 nasabah, akan tetapi sampai tahun 2020 nasabah yang aktif melakukan penabungan adalah 2.392 nasabah. Dalam memprediksi nasabah yang aktif di BMT ABC menggunakan metode ID3. ID 3 adalah salah satu metode klasifikasi pada data mining decision tree (pohon keputusan). Langkah-langkah penelitan: identifikasi dan perumusan masalah, penentuan variabel penelitian, penentuan data latih, hitung gain dan entropy, membagun decision tree dengan algoritma ID3. Pada penelitian ini menggunakan atribut: jenis kelamin, usia, pekerjaan, pendidikan, status, dan setoran awal. Dari hasil perhitungan Gain dan Entropy dihasilkan 5 aturan dan menghasilkan pohon keputusanKata kunci: Loyalitas Nasabah, ID 3
Setiap perusahaan akan berlomba lomba untuk meningkatkan pelayanan kepada pelanggan, agar pelanggan tidak berpindah ke pesaing. BMT XXX juga tidak menginginkan nasabahnya berpindah ke pesaing. Pada tahun 2019 nasbah BMT XXX mencapai 4882 nasabah, akan tetapi yang aktif melakukan transaksi penabungan hanya 1392 nasabah. BMT mengalami kesulitan dalam menginterpretasikan data, karena data yang tersaji dalam bentuk manual. Untuk membantu BMT dalam mengelompokkan nasabah yang potensial menggunakan metode fuzzy C Means dan model RFM (Recency, Frequency, dan Monetary). Metode Fuzzy C means digunakan karena dapat menggelompokkan data yang lebih besar dan lebih kokoh pada data oulier, dalam menentukan cluster atau kelompok dengan derajat keanggataan. Langkah langkah metode penelitian yang dilakukan adalah pengumpulan data, pengolahan data, metode yang diusulkan, eksperimen metode, validasi hasil atau pengujina. Hasil pengujian dengan Davies Bouldin Index diperoleh 0,464 dengan jumlah klaster sebanyak 6. Dengan kelas nasbah superstar sebanyak 79 nasabah, golden sebanyak 462 nasabah, typical customer 124 nasabah, occantional customer sebanyak 271 nasabah, everyday sopper 239 nasabah, dormant cusomer 217 nasabah. Dengan adanya data tersebut dapat digunakan oleh BMT XXX pengambilan keputusan dalam hal menentukan strategi marketing untuk meningkatkan pelanggan agar pelanggan selalu aktif melakukan penabungan Kata Kunci : Segementasi nasabah, fuzzy c means, RFM
Jumlah perguruan tinggi swasta di Jawa Tengan terdapat 247 perguruan tinggi, persaingannya semakin ketat. Maka dari itu dibutuhkan inovasi agar dapat beradaptasi dan bertahan. Keunggulan perguruan tinggi harus ditonjolkan dalam mempromosikan perguruan tinggi tersebut. STMIK Widya Pratama disetiap tahunnya melakukan promosi untuk menjaring mahasiswa baru. Adapun media promosi yang digunakan berupa brosur, poster, spanduk, radio, koran, bagian pendaftaran, teman, dosen/staf, sosial media. Data dibagian pendaftaran semakin lama bertambah besar dari tahun ke tahunnya, maka dari itu perlu diolah. Model pengolahan data yang digunakan adalah data mining agar dapat menyelesaiakan permasalahan dalam menemukan atribut-atribut yang terjadi besamaan adalah Association rules (aturan asosiasi). Tahapan metode penelitian yang dilakukan adalah: Extraction, Prepocessing, algoritma data mining dan rule. Pada penelitian ini di hasilkan bahwa jika teman maka sosial media, dengan batasan nilai support min 0,3 dan minimal confidence 0,5. Algoritma apriori dapat membetuk pola kombinasi dengan aturan asosiasi setelah melakukan perhitungan nilai support dan confidence.
<p><em>Dalam catatan sejarah industri di Indonesia, Industri tekstil menjadi sektor yang terlama di Negara indonesia dan mempunyai pondasi yang baik dari produsen bahan baku hingga sampai ke konsumen. Produk tekstil turut memberikan sumbangsih nomor tiga dari semua potensial ekspor Indonesia. Benang adalah salah satu faktor yang menentukan kualitas produk dari industry tekstil. Komoditi benang yang makin beragam dengan kualitas yang berbeda tentu harus diperhitungkan agar tidak menimbulkan kerugian pada perusahaan. Dengan penerapan algoritma apriori untuk mengetahui asosiasi transaksi penjualan benang, mampu memperkecil kerugian yang mungkin terjadi dalam perusahaan sehingga alur stok barang pun bisa terjaga untuk memenuhi kebutuhan produsen kain dan kualitas benang pun bisa terjaga lebih baik</em>.</p>
Strategi marketing sangat diperlukan, untuk mendapatkan mahasiswa sebanyak-banyaknya. Kelangsungan perguruan tinggi bergantung terhadap pembiayaan dari mahasiswa. Dibutuhkan strategi marketing untuk mempromosikan keunggulan dari setiap program studi, agar penerimaan mahasiswa baru semakin meningkat. Data yang perlu dianalisa adalah data pendaftaran mahasiswa baru di Sistem Pendaftaran Mahasiswa Baru SIPENMARU. Langkah langkah penelitian yang dilakukan : identifikasi masalah, pengumpulan data, pemrosesan data dan pemodelan. Data yang dikumpulkan dari tahun 2019 sampai dengan tahun 2021 sebanyak 1.219 data pendaftar dengan variabel sebanyak 109. Saat pemrosesan data dilakukan yang digunakan ada 5 variabel yaitu : jenis kelamin, asal kota, pekerjaan ayah, asal sekolah dan program studi. Pada fase pemodelan menggunakan clustering untuk pengelompokkan data dengan karakteristik yang sama, teknik cluster dengan mengelompokkan dengan tipe data bersifat kategorikal menggunakan K modes. Cluster dibagi menjadi 2 cluster, dari hasil eksperimen didapatkan hasil untuk program studi Teknik informatika di dominasi berjenis kelamin Laki-laki, asal kota Pekalongan, pekerjaan ayah PNS dan asal sekolah SMA. Sedangkan untuk program studi Sistem Informasi di dominasi jenis kelamin perempuan, asal kota Batang, perkejaan ayah wiraswasta, asal sekolah SMK.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
hi@scite.ai
10624 S. Eastern Ave., Ste. A-614
Henderson, NV 89052, USA
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.