Framework Data-Driven Customer Analytics pada Sistem Informasi Reservasi dan Transaksi untuk Peningkatan Kinerja Barbershop

Muhammad Hafizh Al-Ghifari Rangkuti, Septia Harliansyah, Solly Aryza, Zulham Sitorus


Abstract


Industri barbershop menghadapi tantangan dalam meningkatkan kualitas layanan dan efisiensi operasional seiring meningkatnya kebutuhan pelanggan terhadap layanan yang cepat, personal, dan berbasis digital. Sebagian besar sistem reservasi dan transaksi yang digunakan saat ini masih berfokus pada pencatatan operasional tanpa memanfaatkan data pelanggan sebagai sumber informasi strategis untuk mendukung pengambilan keputusan. Penelitian ini bertujuan untuk mengembangkan Framework Data-Driven Customer Analytics yang terintegrasi dengan sistem informasi reservasi dan transaksi guna meningkatkan kinerja operasional dan kualitas layanan pada usaha barbershop. Framework yang diusulkan memanfaatkan data reservasi, transaksi, frekuensi kunjungan, preferensi layanan, dan pola perilaku pelanggan untuk menghasilkan informasi analitik yang mendukung pengambilan keputusan berbasis data. Pengembangan sistem dilakukan menggunakan metode Waterfall yang meliputi analisis kebutuhan, perancangan framework, implementasi sistem, dan pengujian. Evaluasi sistem dilakukan melalui pengujian fungsional menggunakan Black Box Testing serta analisis kinerja berdasarkan indikator operasional dan layanan pelanggan. Hasil penelitian menunjukkan bahwa framework yang dikembangkan mampu mengintegrasikan data pelanggan secara efektif, menyediakan informasi analitik yang relevan bagi pengelola, meningkatkan efisiensi proses reservasi dan transaksi, serta mendukung penyusunan strategi layanan yang lebih tepat sasaran. Kontribusi penelitian ini terletak pada pengembangan model customer analytics berbasis data yang dapat dimanfaatkan sebagai dasar pengambilan keputusan untuk meningkatkan daya saing dan keberlanjutan bisnis barbershop di era transformasi digital.
Kata Kunci: Customer Analytics, Data-Driven Framework, Sistem Informasi Reservasi, Sistem Transaksi, Barbershop, dan Pengambilan Keputusan Berbasis Data.

Keywords


Customer Analytics, Data-Driven Framework, Sistem Informasi Reservasi, Sistem Transaksi, Barbershop, dan Pengambilan Keputusan Berbasis Data.

Full Text:

PDF

References


Aryza, S., Novelan, M. S., & Islam, M. R. (2025). A Data-Driven Framework for Integrating Decision-Making and Operational Efficiency in Multi-Product Retail: A Case Study with Experimental Evaluation. ZERO: Jurnal Sains, Matematika dan Terapan, 9(1), 140-149.

Buttle, F., & Maklan, S. (2019). Customer Relationship Management: Concepts and Technologies (4th ed.). Routledge.

Chen, H., Chiang, R. H. L., & Storey, V. C. (2022). Business intelligence and analytics: From big data to big impact. MIS Quarterly, 46(2), 1165–1188.

Davenport, T. H., & Bean, R. (2018). Big companies are embracing analytics, but most still don't have a data-driven culture. Harvard Business Review, 96(2), 1–5.

Han, J., Kamber, M., & Pei, J. (2022). Data Mining: Concepts and Techniques (4th ed.). Morgan Kaufmann.

Hevner, A. R., March, S. T., Park, J., & Ram, S. (2004). Design science in information systems research. MIS Quarterly, 28(1), 75–105.

Kotler, P., Keller, K. L., & Chernev, A. (2022). Marketing Management (16th ed.). Pearson Education.

Laudon, K. C., & Laudon, J. P. (2023). Management Information Systems: Managing the Digital Firm (18th ed.). Pearson.

Lemon, K. N., & Verhoef, P. C. (2016). Understanding customer experience throughout the customer journey. Journal of Marketing, 80(6), 69–96.

O'Brien, J. A., & Marakas, G. M. (2021). Management Information Systems (11th ed.). McGraw-Hill Education.

Pressman, R. S., & Maxim, B. R. (2020). Software Engineering: A Practitioner's Approach (9th ed.). McGraw-Hill Education.

Sharda, R., Delen, D., & Turban, E. (2023). Business Intelligence, Analytics, and Data Science: A Managerial Perspective (5th ed.). Pearson.

Verhoef, P. C., Broekhuizen, T., Bart, Y., Bhattacharya, A., Dong, J. Q., Fabian, N., & Haenlein, M. (2021). Digital transformation: A multidisciplinary reflection and research agenda. Journal of Business Research, 122, 889–901.

Wedel, M., & Kannan, P. K. (2016). Marketing analytics for data-rich environments. Journal of Marketing, 80(6), 97–121.

Wieringa, R. J. (2014). Design Science Methodology for Information Systems and Software Engineering. Springer.

Xu, Z., Frankwick, G. L., & Ramirez, E. (2016). Effects of big data analytics and traditional marketing analytics on new product success: A knowledge fusion perspective. Journal of Business Research, 69(5), 1562–1566.

Zaki, M., & Meira, W. (2020). Data Mining and Machine Learning: Fundamental Concepts and Algorithms (2nd ed.). Cambridge University Press.




DOI: https://doi.org/10.30743/jet.v11i1.13799

Refbacks

  • There are currently no refbacks.


Copyright (c) 2026 Muhammad Hafizh Al-Ghifari Rangkuti, Septia Harliansyah, Solly Aryza, Zulham Sitorus

Creative Commons License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.