TRANSFORMASI DIGITAL DALAM INDUSTRI KERAJINAN RUMAHAN MELALUI PENGGUNAAN TEKNOLOGI MACHINE LEARNING

Authors

  • Jeffry Jeffry Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Pancasakti Makassar
  • Nurdyansa Nurdyansa Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Pancasakti Makassar
  • Syahrul Usman Fakultas Ilmu Sosial dan Ilmu Politik, Universitas Pancasakti Makassar
  • Dhilan Sasmita Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Pancasakti Makassar
  • Muhammad Nur Arafah Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Pancasakti Makassar

DOI:

https://doi.org/10.31764/jmm.v7i6.19209

Keywords:

Digital Transformation, Machine Learning, Forecasting.

Abstract

Abstrak: Salah satu masalah mendasar yang dihadapi oleh Industri Rumah Tangga adalah pengumpulan dan pengolahan data yang masih dilakukan secara konvensional atau manual. Dalam dunia bisnis modern, analisis data adalah kunci untuk memahami tren penjualan dan preferensi pelanggan. Pengabdian kepada masyarakat ini bertujuan untuk mengatasi masalah ketidaktersediaan teknologi dalam usaha sablon "Kamar Gelap," yang menghambat analisis data penjualan dengan memberikan pemahaman kepada mitra tentang penggunaan digital marketing dan machine learning. Pendekatan pengabdian melibatkan identifikasi kebutuhan mitra, perencanaan program, pelaksanaan kegiatan, dan evaluasi hasil. Metode yang digunakan pada kegiatan ini adalah metode sosialisasi dan pelatihan tentang digital marketing dan machine learning. Usaha "Kamar Gelap Screen Printing" menjadi mitra dalam pengabdian ini, dengan partisipasi sebanyak 14 peserta. Evaluasi menunjukkan peningkatan signifikan dalam kemampuan analisis data, penguasaan teknologi informasi, dan strategi pemasaran peserta. Hasilnya meliputi pembuatan sistem informasi penjualan dan sistem prediksi penjualan berdasarkan data transaksi. Penilaian menunjukkan peningkatan pemahaman mitra: transformasi digital meningkat 29%, konsep machine learning naik 56%, relevansi teknologi machine learning meningkat 86%, dan pemahaman tentang dampak transformasi digital terhadap efisiensi produksi meningkat 7%.

Abstract: One fundamental challenge faced by Household Industries is the conventional and manual collection and processing of data. In the modern business world, data analysis is key to understanding sales trends and customer preferences. This community engagement aims to address the issue of technology unavailability in the "Kamar Gelap" screen printing business, which hampers sales data analysis, by providing understanding to partners about digital marketing and machine learning usage. The approach involves identifying partner needs, program planning, activity implementation, and results evaluation. The methods employed in this initiative include socialization and training on digital marketing and machine learning. "Kamar Gelap Screen Printing" business is the partner in this engagement, with the participation of 14 attendees. The evaluation demonstrates a significant improvement in participants' data analysis skills, IT proficiency, and marketing strategies. The outcomes include the development of a sales information system and a sales prediction system based on transactional data. The assessment indicates an enhancement in partner understanding: a 29% increase in digital transformation comprehension, a 56% rise in machine learning concept awareness, an 86% increase in the relevance of machine learning technology, and a 7% improvement in understanding the impact of digital transformation on production efficiency.

Author Biography

Jeffry Jeffry, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Pancasakti Makassar

Program Studi Ilmu Komputer

References

Achjari, D., Abdillah, W., Suryaningsum, S., & Suratman, S. (2011). Kesiapan usaha mikro, kecil dan menengah industri kreatif untuk mengadopsi teknologi informasi. Jurnal Akuntansi Dan Auditing Indonesia, 15(2), 143–160.

Alpaydin, E. (2020). Introduction to machine learning. MIT press.

Banjarnahor, A. R., Hariningsih, E., Mathory, E. A. S., Yusditara, W., Fuadi, F., Muliana, M., Handiman, U. T., Elistia, E., Sisca, S., & Rimbano, D. (2022). Teknologi Digital Kewirausahaan dan UMKM. Yayasan Kita Menulis.

Basry, A., & Sari, E. M. (2018). Penggunaan Teknologi Informasi Dan Komunikasi (TIK) Pada Usaha Mikro, Kecil Dan Menengah (UMKM). Ikraith-Informatika, 2(3), Article 3.

Bishop, C. M., & Nasrabadi, N. M. (2006). Pattern recognition and machine learning (Vol. 4). Springer.

Eskak, E. (2020). Kajian Manfaat Teknologi Informasi dan Komunikasi (TIK) Untuk Meningkatkan Daya Saing Industri Kreatif Kerajinan dan Batik Di Era Industri 4.0. Prosiding Seminar Nasional Industri Kerajinan Dan Batik, 2(1), B10–B10.

Fazal, S., Rehman, U., & Ansari, M. F. (2023). Predicting Customer Satisfaction of Online Shoppers Using AI -A Theoretic Framework. IJARCCE, 12. https://doi.org/10.17148/IJARCCE.2023.12112

Hindrayani, K. M., Anjani, A., & Nurlaili, A. L. (2021). Penerapan Machine Learning pada Penjualan Produk UMKM: Studi Literatur. PROSIDING SEMINAR NASIONAL SAINS DATA, 1(01), 19–23.

Iskandar, D., Fathoni, M. A., & Bhrata, A. A. (2021). Smart Manufacturing Management System Memanfaatkan Big Data Dan Algoritma Machine Learning Untuk Produksi UMKM. Inform. Mulawarman J. Ilm. Ilmu Komput, 16(2), 96–102.

Kiedrowsky, F. F. (2023). Sentiment Analysis Marketplaces Digital menggunakan Machine Learning. Jurnal JTIK (Jurnal Teknologi Informasi Dan Komunikasi), 7(3), 493–499.

Marjukah, A., Prasetyo, J., & Setyabudi, A. (2021). Peran Kolaborasi Bisnis Dan Digital Marketing Terhadap Kinerja Bisnis UMKM di Masa Pandemic Covid-19. Widyagama National Conference on Economics and Business (WNCEB), 2(1), 780–789.

Mustikarani, T. D., & Irwansyah, I. (2019). Pemanfaatan Teknologi Informasi dan Komunikasi dalam Industri Fashion Indonesia. Warta Ikatan Sarjana Komunikasi Indonesia, 2(01), 8–18.

Patil, M., & Rao, M. (2019). Studying the Contribution of Machine Learning and Artificial Intelligence in the Interface Design of E-commerce Site. In S. C. Satapathy, V. Bhateja, & S. Das (Eds.), Smart Intelligent Computing and Applications (Vol. 2, pp. 197–206). Springer. https://doi.org/10.1007/978-981-13-1927-3_20

Purnomo, E., Najib, A., Nyura, Y., Samarinda, P. N., Infomasi, T., & Informatika, T. (2018). Penerapan Metode Trend Moment Untuk Forecast Penjualan Barang di Indomaret. Prosiding Seminar Ilmu Komputer Dan Teknologi Informasi, 3(1).

Sidi, A. P., & Yogatama, A. N. (2019). Mediasi Intellectual Capital atas Pengaruh Digital Marketing Terhadap Kinerja Pemasaran. Iqtishoduna, 15(2), 129–152.

Solikin, I., & Hardini, S. (2019). Aplikasi Forecasting Stok Barang Menggunakan Metode Weighted Moving Average (WMA) pada Metrojaya Komputer. Jurnal Informatika: Jurnal Pengembangan IT, 4(02), 100–105. https://doi.org/10.30591/jpit.v4i2.1373

Stieglitz, S., Mirbabaie, M., Ross, B., & Neuberger, C. (2018). Social media analytics – Challenges in topic discovery, data collection, and data preparation. International Journal of Information Management, 39, 156–168. https://doi.org/10.1016/j.ijinfomgt.2017.12.002

Sudirjo, F., Rukmana, A. Y., Wandan, H., & Hakim, M. L. (2023). Pengaruh Kapabilitas Pemasaran, Digital Marketing Dalam Meningkatkan Kinerja Pemasaran UMKM Di Jawa Barat. Jurnal Bisnisman: Riset Bisnis Dan Manajemen, 5(1), 55–69.

Downloads

Published

2023-12-04

Issue

Vol. 7 No. 6 (2023): Desember

Section

Articles

License

Authors who publish articles in JMM (Jurnal Masyarakat Mandiri) agree to the following terms:

  1. Authors retain copyright of the article and grant the journal right of first publication with the work simultaneously licensed under a CC-BY-SA or The Creative Commons Attribution–ShareAlike License.
  2. Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgment of its initial publication in this journal.
  3. Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work (See The Effect of Open Access).