The era of the industrial revolution 4.0 and globalization made major changes in various fields, one of which is technology. One of the digital marketing strategies is affiliate marketing, which allows someone to market other people's products simply by spreading promotional links. In this activity, the team held seminars and training on affiliate marketing business models in marketing keloria products which aimed to increase participants' knowledge of digital marketing and affiliate marketing and encourage participants to join as affiliate partners of PT. Keloria Moringa Jaya. This seminar and training was carried out in 3 stages, namely preparation, seminar and training, and evaluation. The evaluation results show the participants' satisfaction with the training material and design presented. In addition, this activity succeeded in increasing participants' knowledge about digital marketing, especially social media marketing and affiliate marketing-based marketing models.
Peramalan penjualan produk adalah aspek utama dari manajemen pembelian, persediaan yang melebihi permintaan atau kekurangan akan berdampak pada manajemen pelayanan maupun secara ekominis. Makalah ini fokus mencoba menyajikan penerapan analisis prediktif dengan mengadopsi kerangka kerja Data Science (ilmu data) untuk menemukan wawasan yang berguna dalam pengambilan keputusan bisnis khususnya tentang peramalan penjualan produk di masa depan. Kerangka CRISP-DM diusulkan dengan tahapan pemahasan bisnis, pemahaman dan persiapan data, exploratory data analysis (EDA) dan pemodelan. Berdasarkan hasil pengujian data penjualan yang dievaluasi berdasarkan RMSE dan MAE, algoritma XGBoost menghasilkan prediksi berada dalam 1,3% kemudian ARIMA sebesar 1.6%, masih lebih baik dibandingkan LinearRegression, RandomForestdan LSTM dengan tingkat kesalahan sebesar 1.81%, 1.97%, 2.21% pada masing-masing algoritma dari data aktual.
Peramalan deret waktu adalah topik yang cukup umum di bidang data science (ilmu data). Perusahaan menggunakan model peramalan untuk mendapatkan pandangan yang lebih jelas tentang bisnis masa depan. Data masa lalu dikumpulkan dan dianalisis melalui model kuantitatif atau kualitatif sehingga pola dapat diidentifikasi dan dapat mengarahkan perencanaan bisnis di masa depan akan tetapi memilih algoritme yang tepat merupakan salah satu keputusan sulit ketika akan mengembangkan model peramalan deret waktu. Penelitian ini menyajikan hasil analisi data dengan mengadopsi kerangka kerja data science CRISP-DM dan membandingkan lima algoritma berbeda untuk memperkirakan penjualan harian selama 28 hari ke depan. Berdasarkan hasil evaluasi kinerja RMSE, algoritma LGBM Regressor menghasilkan tingkat kesalahan 7.53 %, paling rendah dibandingkan algoritma lain, akan tetapi waktu pelatihan dan pengujian paling tinggi.
Grand Mekar Sari merupakan perumahan yang berlokasi strategis dimana perumahan berada di lingkungan padat penduduk. Hingga saat ini pemasaran properti masih mengandalkan brosur dan poster. Semua media tersebut memiliki keterbatasan dalam menyampaikan informasi kepada masyarakat luas karena terbatas pada lokasi tertentu dan tentunya sangat tidak efektif dalam memperluas cakupan segmentasi pasar. Dan menggunakan media sosial sebagai media promosi. Dari permasalahan tersebut maka diperlukan sistem informasi pemasaran dan kredit rumah berbasis web sehingga dapat membantu bagian pemasaran dalam kegiatan pemasaran pada perumahan Grand Mekar Sari Park. Serta memudahkan dalam mengolah data penjualan, pemesanan, stok rumah dan laporan. Metode pengembangan sistem yang digunakan dalam penelitian ini adalah Rapid Application Development (RAD).
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.