JURNAL ILMIAH INFORMATIKA GLOBAL VOLUME 16 No.
03 Desember 2025
ISSN PRINT : 2302-500X
ISSN ONLINE : 2477-3786
Produk Diversifikasi Lengkuas Berbasis CRM dengan Strategi Up Selling dan Cross Selling Ni Wayan Priscila Yuni Praditya.
Ina Aprillia.
Reny Aziatul Pebriani.
Program Studi Sistem Informasi Fakultas Ilmu Komputer dan Sains.
Universitas Indo Global Mandiri Program Studi Biologi Fakultas Ilmu Komputer dan Sains.
Universitas Indo Global Mandiri Program Studi Akuntansi Fakultas Ekonomi.
Universitas Indo Global Mandiri Jalan Jend.
Sudirman KM.
4 No.
629, 20 Ilir D.
IV.
Ilir Tim.
Kota Palembang.
Sumatera Selatan 30129.
Indonesia Email :niwayanpris@uigm.
, inaaprillia@uigm.
, renyaziatul@uigm.
ABSTRACT
The rapid development of information technology has significantly transformed consumption patterns and marketing strategies, including within the agribusiness sector in the digital era.
As consumers increasingly rely on online platforms, agribusiness actors are required to adapt through technological innovation.
This study focuses on the development and analysis of an online sales system for diversified galangal-based productsAisuch as shredded galangal .
and galangal powderAias a form of digital innovation to promote local products.
The research applies a Research and Development (R&D) approach using the waterfall model, which includes stages of requirement analysis, system design, implementation, testing, and evaluation.
The system integrates Customer Relationship Management (CRM) concepts along with up selling and cross selling strategies to enhance customer loyalty and increase transaction value.
The results indicate that the developed web-based platform successfully expands market reach, simplifies transactions, and provides valuable customer analytics to support business decision-making.
The system features include a product catalog, online ordering, inventory management, social media integration, and a CRM module that facilitates customer data management and personalized promotions.
The implementation of up selling and cross selling strategies proved effective in increasing the average transaction value and strengthening customer loyalty.
Overall, this study demonstrates that the integration of information technology and CRM can serve as a strategic solution to enhance the competitiveness of local products made from traditional raw materials such as galangal in the modern digital marketplace.
Keywords : E-commerce.
Customer Relationship Management (CRM).
Cross-Selling.
Up-Selling.
Product Diversification.
ABSTRAK
Perkembangan teknologi informasi telah memberikan dampak signifikan terhadap pola konsumsi dan strategi pemasaran, termasuk pada sektor agribisnis di era digital.
Perubahan perilaku konsumen yang semakin bergantung pada platform daring menuntut pelaku usaha untuk beradaptasi melalui inovasi berbasis teknologi.
Penelitian ini berfokus pada pengembangan dan analisis sistem penjualan online untuk produk diversifikasi lengkuas, yaitu serundeng dan tepung lengkuas, sebagai bentuk transformasi digital dalam memasarkan produk lokal.
Metode penelitian yang digunakan adalah Research and Development (R&D) dengan model waterfall, yang mencakup tahapan analisis kebutuhan, perancangan, implementasi, pengujian, dan evaluasi sistem.
Sistem dikembangkan dengan mengintegrasikan konsep Customer Relationship Management (CRM) serta strategi up selling dan cross selling guna meningkatkan loyalitas pelanggan dan nilai transaksi.
Hasil penelitian menunjukkan bahwa platform berbasis web yang dikembangkan mampu memperluas jangkauan pasar, mempermudah proses transaksi, dan memberikan data analitik pelanggan yang berguna untuk pengambilan keputusan bisnis.
Fitur utama sistem meliputi katalog produk, pemesanan daring, manajemen stok, integrasi media sosial, serta modul CRM untuk pengelolaan pelanggan dan promosi yang terpersonalisasi.
Penerapan strategi up selling dan cross selling terbukti efektif dalam meningkatkan rata-rata nilai pembelian dan memperkuat hubungan pelanggan.
Secara keseluruhan, penelitian ini membuktikan bahwa integrasi teknologi informasi dan CRM dapat menjadi solusi strategis dalam memperkuat daya saing produk lokal berbasis bahan baku tradisional seperti lengkuas di pasar digital modern.
Kata kunci : E-commerce.
Customer Relationship Management (CRM).
Cross-Selling.
Up-Selling.
Diversifikasi Produk.
Pendahuluan Perkembangan teknologi informasi dan komunikasi (TIK) dalam satu dekade terakhir telah menciptakan transformasi besar dalam perilaku konsumen dan strategi pemasaran bisnis.
Pemanfaatan e- commerce terbukti mampu memperluas jangkauan pasar sekaligus meningkatkan efisiensi operasional UMKM di Indonesia (Rahayu & Day, 2021.
Rahmawati, 2.
Namun, penerapan teknologi digital pada sektor agribisnis masih tergolong rendah dan belum JURNAL ILMIAH INFORMATIKA GLOBAL VOLUME 16 No.
03 Desember 2025 dimanfaatkan secara optimal untuk meningkatkan nilai daya saing produk lokal.
Lengkuas (Alpinia galang.
merupakan komoditas yang memiliki potensi ekonomi tinggi.
Sayangnya, pemanfaatannya masih terbatas pada bentuk segar yang memiliki daya simpan rendah dan nilai jual yang belum maksimal (Fitri et al.
, 2.
Diversifikasi seperti produk serundeng lengkuas dan tepung lengkuas menjadi solusi peningkatan nilai tambah, tetapi tantangan terbesar UMKM adalah pemasaran digital dan pengelolaan pelanggan yang belum terstruktur (Hidayati.
Customer Relationship Management (CRM) menjadi strategi penting untuk meningkatkan loyalitas dan retensi pelanggan melalui pengelolaan data serta personalisasi promosi (Turban et al.
, 2.
Agar strategi CRM semakin efektif, integrasi up selling dan cross selling diperlukan untuk mendorong peningkatan nilai transaksi secara persuasif namun tetap relevan dengan kebutuhan konsumen (Sharma & Gupta, 2.
Meskipun terdapat banyak penelitian mengenai CRM pada e-commerce, belum terdapat penelitian yang secara spesifik mengintegrasikan CRM dengan algoritma rekomendasi berbasis Content-Based Filtering (CBF) dan Cosine Similarity untuk pemasaran produk diversifikasi lengkuas, serta memfokuskan peningkatan nilai transaksi melalui strategi up selling dan cross selling.
Oleh karena itu, penelitian ini bertujuan untuk mengembangkan sistem e-commerce berbasis CRM pada UMKM produk diversifikasi lengkuas dengan penerapan algoritma CBF dan Cosine Similarity sebagai model rekomendasi penjualan guna meningkatkan loyalitas pelanggan dan nilai transaksi.
ISSN PRINT : 2302-500X
ISSN ONLINE : 2477-3786
Metode penelitian yang digunakan adalah Research and Development (R&D) dengan model pengembangan sistem Waterfall.
Model ini dipilih karena memiliki tahapan yang sistematis dan mudah diimplementasikan pada pengembangan sistem informasi, yaitu:
Analisis Kebutuhan Sistem Tahap ini dilakukan dengan menganalisis kebutuhan fungsional dan non-fungsional dari sistem penjualan online, termasuk integrasi Customer Relationship Management (CRM) yang berfokus pada strategi up selling dan cross selling.
Data kebutuhan sistem diperoleh melalui wawancara dengan pelaku UMKM serta observasi proses penjualan manual yang telah berjalan.
Perancangan Sistem (System Desig.
Pada tahap ini dilakukan perancangan arsitektur sistem, desain basis data, antarmuka pengguna (UI/UX), serta diagram alir sistem.
Sistem dirancang agar mampu:
Menampilkan katalog produk .
erundeng lengkuas dan tepung lengkua.
Menganalisis perilaku pembelian pelanggan menggunakan data histori transaksi.
Memberikan rekomendasi produk terkait .
ross sellin.
atau versi premium .
p sellin.
Implementasi Sistem (Implementatio.
Pengembangan menggunakan framework Flask untuk sisi backend dan HTML/CSS/JavaScript untuk frontend.
Basis data menggunakan MySQL 8.
0 yang diintegrasikan dengan Python melalui SQLAlchemy ORM.
Pengujian Sistem (Testin.
Tahap pengujian dilakukan dengan metode black box testing dan user acceptance test (UAT).
Pengujian difokuskan pada:
Validasi fungsi utama .
ogin, pemesanan.
CRM rekomendas.
Akurasi sistem rekomendasi up selling dan cross selling.
Kinerja sistem dalam proses transaksi dan .
Pemeliharaan Sistem (Maintenanc.
Setelah sistem diuji dan dinyatakan layak, dilakukan evaluasi berkelanjutan untuk memperbaiki bug dan menambah fitur baru berdasarkan umpan balik Metode Penelitian Lingkungan Pengembangan Sistem Penelitian ini menggunakan code editor Visual Studio Code sebagai lingkungan utama pengembangan Bahasa pemrograman yang digunakan adalah Python 3.
-bi.
dengan sistem operasi Windows Beberapa library eksternal Python digunakan untuk mendukung proses pengembangan sistem, di antaranya:
Flask 3.
3 Ae untuk membangun sistem berbasis web .
eb framewor.
TensorFlow 2.
0 dan Keras 3.
0 Ae untuk penerapan logika rekomendasi produk berbasis CRM .
p selling dan cross sellin.
NumPy 1.
4 Ae untuk pengolahan data numerik.
Matplotlib 3.
2 Ae untuk visualisasi data penjualan dan perilaku pelanggan.
Pandas 2.
2 Ae untuk pengelolaan dataset pelanggan dan transaksi.
Scikit-learn 1.
1 Ae untuk model analisis prediksi pelanggan .
ustomer segmentatio.
OpenCV 4.
84 Ae untuk pengolahan citra produk .
ika diperlukan dalam katalo.
Model Pengembangan Sistem
ISSN PRINT : 2302-500X
ISSN ONLINE : 2477-3786
JURNAL ILMIAH INFORMATIKA GLOBAL VOLUME 16 No.
03 Desember 2025 Data Produk Data Pengujian Informasi Evaluasi Diambil katalog internal Digunakan accuracy sistem Data kemudian diolah menggunakan Python dan disimpan dalam format CSV untuk integrasi dengan sistem database MySQL.
Tabel 2.
Data Integrasi dengan Sistem Database Tabel (Entita.
Pelanggan Gambar 1.
Metode Waterfall Diagram Alir Perancangan Sistem Diagram alir perancangan sistem menggambarkan tahapan proses yang dilakukan sistem dalam menjalankan fungsinya untuk mencapai tujuan digital marketing dan CRM automation.
Proses utama terbagi menjadi dua:
Pengembangan sistem .
embuatan modul CRM, katalog, transaksi, pelaporan .
Pengujian sistem .
valuasi fungsi, performa, dan akurasi rekomendasi produ.
Fungsi Menyimpan .
ntuk segmentas.
Produk Menyimpan Transaksi_P Menyimpan .
elatihan CRM) dan 100 data Menyimpan produk dalam setiap Detail_Tran Atribut Kunci dan Data Utama id_pelanggan (PK), nama_pelanggan, perilaku_pembelian .
ata tanggal_registrasi.
id_produk (PK), nama_produk, deskripsi_produk, id_transaksi (PK), id_pelanggan (FK), tanggal_transaksi, total_harga.
id_detail (PK), id_transaksi (FK), id_produk (FK), jumlah_beli, harga_satuan.
Berikuta adalah gambar tabel databasenya:
Gambar 2.
menampilkan Diagram Alir Pengembangan dan Pengujian Sistem Akuisisi Data Data yang digunakan dalam penelitian ini terdiri dari dua jenis dataset, yaitu dataset pengembangan sistem dan dataset pengujian sistem, seperti pada Tabel 1.
Tabel 1.
Proses Akuisisi Data Jenis Data Fungsi Data Transaksi Penjualan Data model CRM Data Pelanggan Segmentasi dan perilaku Jumlah Data 500 data Proses Akuisisi Diperoleh dari UMKM selama 6 bulan Diinput melalui Gambar 3.
Tabel Database Integrasi CRM.
Up Selling, dan Cross Selling Sistem CRM dikembangkan untuk mengelola interaksi pelanggan, melacak riwayat pembelian, dan menganalisis peluang peningkatan penjualan.
Algoritma Content-Based Filtering digunakan untuk mendeteksi produk yang relevan berdasarkan JURNAL ILMIAH INFORMATIKA GLOBAL VOLUME 16 No.
03 Desember 2025
ISSN PRINT : 2302-500X
ISSN ONLINE : 2477-3786
riwayat pembelian pelanggan.
Setiap produk harus mempresentasikan atribut penting sebagai berikut:
Tabel 3.
Fitur Produk Diversifikasi Lengkuas Produk Fitur 1 (Kategor.
Fitur 2 (Harg.
Fitur 3 (Bentu.
Serundeng Lengkuas Tepung Lengkuas Fitur (Ras.
Gambar 4.
Implementasi Conten-Based pada Phyton Pembentukan Profil Pelanggan Profil pelanggan dibuat berdasarkan riwayat produk yang pernah dibeli.
Misal, pelanggan A A Serundeng Lengkuas .
ektor: .
, 20000, 1, .
) A Tepung Lengkuas .
ektor: .
, 15000, 0, .
) A Maka profil pelanggan dihitung sebagai rata-rata fitur produk yang Menghitung Similarity Untuk menentukan produk lain yang mirip dengan profil pelanggan, digunakan Cosine Similarity:
ycE = arg max Pj(Sim.
cE , ycE ))dengan syaratya > ya .
A ya = vektor profil pelanggan A yaA = vektor produk A OO ya OO = panjang vektor A = Ocyca Hasilnya adalah nilai antara 0Ae1, semakin mendekati 1 berarti semakin mirip.
Up Selling dilakukan dengan menampilkan versi premium dari produk yang telah dibeli .
isalnya, paket besar serundeng atau tepung premiu.
Gunakan hasil Content-Based Filtering untuk mencari produk sejenis.
Dari hasil tersebut, pilih produk dengan nilai harga > produk awal.
Tampilkan produk itu sebagai AuupgradeAy yang disarankan kepada pelanggan.
Jika pelanggan membeli produk dengan harga , maka produk rekomendasi Up Selling dipilih Menentukan Produk Rekomendasi Urutkan semua produk berdasarkan nilai similarity tertinggi, lalu pilih Top-N produk .
isalnya 3 produk terata.
Cross Selling dilakukan dengan menampilkan produk pelengkap .
isalnya, pelanggan yang membeli serundeng akan direkomendasikan tepung Gunakan data riwayat transaksi pelanggan lain .
tau pola asosiasi produ.
untuk mencari produk yang sering dibeli bersamaan.
Hubungkan hasil CBF dengan relasi korelasi produk .
isalnya: Apriori.
Association Rule Minin.
Produk dengan hubungan kuat .
upport dan confidence tingg.
ditampilkan sebagai rekomendasi Cross Selling.
Jika adalah produk yang dibeli, maka sistem mencari aturan seperti:
ycE Ne ycE dengan confidence tinggi .
Berikut adalah implementasinya menggunakan phyton:
Confidence dihitung dengan:
Confidence.
cE Ne ycE ) = Support( Support( .
ISSN PRINT : 2302-500X
ISSN ONLINE : 2477-3786
JURNAL ILMIAH INFORMATIKA GLOBAL VOLUME 16 No.
03 Desember 2025 Ambil konteks user .
Ai jika simulasi, buat profil dari transaksi historis yang relevan.
A Hasilkan rekomendasi Top-N.
A Hitung Precision@N_t dan Recall@N_t melawan produk yang benar-benar dibeli di transaksi uji.
Hitung rata-rata Precision@N dan Recall@N.
Laporkan juga F1@N .
armonic mea.
untuk Gambar 5.
Strategi Up Selling dan Cross Selling F1@N = 2 y Precision@N y Recall@N Precision@N Recall@N Contoh Perhitungan Singkat Misal untuk transaksi t:
A Ground truth A Rekomendasi Top-3 A Precision@3_t = |{A}| / 3 = 0.
A Recall@3_t = |{A}| / 2 = 0.
Jika setelah 100 transaksi rata-rata Precision@3 = 0.
Recall@3 = 0.
36 Ie F1@3 dihitung dari rumus di atas.
Gambar 6.
Implementasi Up Selling dan Cross Selling pada Phyton Pengujian dan Evaluasi Pengujian dilakukan sebanyak 100 kali transaksi simulasi untuk mengukur tingkat akurasi rekomendasi CRM .
ihitung menggunakan precision dan recal.
Definisi dan Rumus Untuk setiap transaksi uji yc, sistem merekomendasikan himpunan ycI (Top-N) dan ground truth adalah himpunan item yang sesungguhnya dibeli ya .
Precision@N .
er transaks.
O O O
Precision@N = O Recall@N .
er transaks.
O O
Recall@N = O Analisi Lanjut A Laporkan distribusi .
ean A st.
Precision dan Recall.
A Jika perlu, uji signifikansi .
aired t-tes.
saat membandingkan dua varian model .
CBF vs CBF filter harga untuk up sellin.
Hasil dan Pembahasan Tampilan Antarmuka Sistem .
Halaman Utama Pengguna Halaman utama menampilkan daftar produk lengkuas dalam bentuk kartu produk .
roduct car.
berisi nama produk, gambar, harga, dan AuLihat DetailAy.
Gambar memperlihatkan tampilan halaman utama.
Rata-rata Precision / Recall:
Precision@N = ycN Precision@N ,Recall@N ycN Recall@N di mana ycN = 100 adalah jumlah transaksi uji.
Prosedur Pengukuran Tentukan N (Top-N).
Umum: N = 3 atau 5.
Nyatakan pilihan.
Untuk tiap transaksi uji:
Gambar 7.
Tampilan Halaman Utama Pengguna Halaman Detail Produk
ISSN PRINT : 2302-500X
ISSN ONLINE : 2477-3786
JURNAL ILMIAH INFORMATIKA GLOBAL VOLUME 16 No.
03 Desember 2025 Pada halaman ini, pengguna dapat melihat informasi lengkap tentang produk, deskripsi, dan fitur rekomendasi AuProduk SerupaAy yang dihasilkan oleh algoritma Content-Based Filtering.
Gambar 7.
menampilkan hasil penerapan rekomendasi produk.
Sambal Lengkuas Implementasi Fitur Up Selling dan Cross Selling Up Selling Sistem mendeteksi peluang up selling berdasarkan produk yang sering dibeli dengan varian harga lebih tinggi atau kemasan premium.
Jika pelanggan membeli Serundeng Lengkuas Serundeng Lengkuas Premium 250g dengan potongan harga 10%.
Cross Selling Fitur Jika pelanggan membeli 2 Serundeng Lengkuas, sistem merekomendasikan Tepung Lengkuas gratis.
Gambar 8.
Tampilan Rekomendasi Produk Berdasarkan Content-Based Filtering Halaman Admin Admin dapat mengelola data produk, pelanggan, dan melihat analisis penjualan dalam bentuk grafik .
ashboard analytic.
Fitur ini terhubung langsung dengan sistem CRM perilaku pembelian.
Gambar 10.
Penerapan Up Selling dan Cross Selling Evaluasi Implementasi Pengujian dilakukan pada 100 transaksi simulasi dengan hasil sebagai berikut:
Tabel 5.
Hasil Pengujian Implementasi Parameter Evaluasi Precision Recall Response Time Kecepatan Loading Stabilitas Server Kepuasan Pengguna Gambar 9.
Tampilan Dashboard Admin Sistem CRM Implementasi Algoritma Content-Based Filtering Algoritma Content-Based Filtering (CBF) diimplementasikan menggunakan pustaka scikit-learn, dengan pendekatan cosine similarity antara vektor fitur produk dan riwayat pembelian pelanggan.
Tabel 4.
Hasil Perhitungan Produk Serundeng Lengkuas Pedas Tepung Lengkuas Instan Similarity Nilai Ratarata Keterangan Akurasi rekomendasi tinggi Rekomendasi preferensi pengguna Sistem cepat dalam menampilkan Dapat diterima untuk web retail Stabil pada 100 transaksi simultan Berdasarkan hasil kuesioner 50 JURNAL ILMIAH INFORMATIKA GLOBAL VOLUME 16 No.
03 Desember 2025
ISSN PRINT : 2302-500X
ISSN ONLINE : 2477-3786
rekomendasi produk yang relevan dengan preferensi Selain itu, response time sebesar 0,9 detik dan kecepatan loading 1,2 detik menunjukkan bahwa sistem memiliki kinerja yang efisien untuk platform web retail.
Stabilitas server sebesar 99,2% uptime dan tingkat kepuasan pengguna mencapai 91% menegaskan bahwa sistem ini layak digunakan dan memberikan pengalaman pengguna yang memuaskan.
Integrasi teknologi informasi dengan CRM, disertai penerapan strategi pemasaran digital seperti up selling dan cross selling, terbukti efektif dalam meningkatkan nilai transaksi rata-rata, memperluas jangkauan pasar, serta membangun loyalitas pelanggan jangka panjang.
Dengan demikian, penelitian ini membuktikan bahwa inovasi digital berbasis e-commerce dapat menjadi sarana strategis untuk memperkuat daya
saing produk lokal berbahan baku tradisional seperti lengkuas di era transformasi digital Daftar Pustaka