Jurnal Sistem Informasi dan Ilmu Komputer

DESAIN FRONT END APLIKASI E-LAUNDRY SEPATU FINDME SHOES AND CARE DENGAN METODE USER CENTERED DESIGN

2025-08-13T02:49:18+00:00

Aplikasi e-laundry adalah inovasi layanan berbasis teknologi yang memungkinkan pelanggan memesan jasa laundry secara daring. Penelitian ini bertujuan merancang antarmuka pengguna (UI) dan pengalaman pengguna (UX) yang optimal pada aplikasi FindMe Shoes and Care menggunakan pendekatan User Centered Design (UCD). Metode UCD menempatkan pengguna sebagai pusat proses perancangan, dimulai dari analisis kebutuhan, perancangan prototipe dengan Figma, hingga pengembangan antarmuka menggunakan Flutter. Evaluasi dilakukan dengan metode System Usability Scale (SUS) terhadap 15 responden untuk menilai tingkat kegunaan aplikasi. Hasil pengujian menunjukkan skor SUS rata-rata sebesar 80,2 yang dikategorikan dalam tingkat "baik". Temuan ini menunjukkan bahwa pendekatan UCD efektif dalam membangun aplikasi yang responsif terhadap kebutuhan pengguna. Studi ini memberikan kontribusi dalam pengembangan aplikasi e-service berbasis mobile dengan pengalaman pengguna yang optimal, khususnya dalam layanan laundry sepatu.

KLASIFIKASI SENTIMEN ANALISIS APLIKASI JAKET BOAT PADA ULASAN PLAYSTORE MENGGUNAKAN ALGORITMA NAÏVE BAYES

2025-07-31T02:01:52+00:00

Kemajuan teknologi informasi telah mendorong penggunaan aplikasi transportasi digital, termasuk Jaket Boat. Seiring bertambahnya user, review di Google Play Store menjadi sumber data penting bagi pengembang dalam meningkatkan layanan. Namun, analisis manual terhadap ulasan dalam jumlah besar kurang efisien. Tujuan penelitian ini adalah mengklasifikasikan review pengguna dengan algoritma Naive Bayes. Data dikumpulkan melalui web scraping dan diproses dengan Natural Language Processing (NLP). Proses pre-processing melibatkan pembersihan teks, case folding, tokenisasi, stopword removal, dan stemming. Data yang telah diproses kemudian dikonversi ke bentuk numerik dengan metode TF-IDF (Term Frequency-Inverse Document Frequency) sebelum diklasifikasikan menggunakan model Naive Bayes. Evaluasi model dilakukan dengan menggunakan metrik akurasi, recall, precision, dan F1-score. Penelitian ini menunjukan hasil bahwa algoritma Naive Bayes mampu mengklasifikasikan sentimen ulasan dan akurasi yang didapat yang cukup tinggi. Dengan demikian, penelitian ini dapat membantu pengembang aplikasi dalam memahami permasalahan yang dialami pengguna dan meningkatkan kualitas layanan berdasarkan hasil sentimen analisis.

A SISTEM ELEKTROKARDIOGRAM BERBASIS KECERDASAN BUATAN UNTUK DETEKSI DINI ARITMIA MENGGUNAKAN ALGORITMA DEEP LEARNING

2025-07-24T07:09:37+00:00

Penelitian ini bertujuan mengembangkan sistem klasifikasi kondisi jantung berbasis sinyal elektrokardiogram (EKG) dengan pendekatan algoritma deep learning. Berdasarkan hasil yang diperoleh, sistem yang dibangun menunjukkan performa klasifikasi yang sangat tinggi, dengan akurasi mencapai 99%. Sistem ini mampu secara otomatis mengklasifikasikan lima kondisi jantung: Normal, Abnormal, High Risk Potential, Potential for Arrhythmia, dan Very High Risk Potential. Temuan ini secara langsung menjawab tujuan utama penelitian, yaitu menguji efektivitas model deep learning dalam deteksi dini aritmia.
Meskipun hanya menggunakan data dari 82 subjek, model mampu mencapai precision dan recall yang sangat tinggi, bahkan mencapai skor sempurna (1.00) pada hampir semua kelas, kecuali satu kasus salah klasifikasi pada kelas Normal. Hasil ini menunjukkan bahwa model memiliki kapabilitas generalisasi yang baik, dan mampu mengenali pola kompleks dalam sinyal EKG meskipun data terbatas. Kesalahan klasifikasi tunggal yang terjadi kemungkinan disebabkan oleh kemiripan pola fisiologis antar kelas atau noise pada data, dan ini menjadi catatan penting untuk pengembangan sistem di masa depan.

ANALISIS TINGKAT KEPUASAN PENGGUNA APLIKASI UNIQLO ID MENGGUNAKAN METODE PIECES

2025-08-05T09:23:28+00:00

Perkembangan teknologi informasi dan komunikasi telah mengubah kebiasaan belanja masyarakat menjadi lebih praktis, termasuk melalui aplikasi e-commerce seperti Uniqlo ID. Aplikasi ini populer di Indonesia dengan rating 4.9 dari 44.000 ulasan dan menempati peringkat ke-11 dalam kategori Top Free Apps Shopping. Namun, tingginya rating belum tentu mencerminkan kepuasan pengguna secara menyeluruh. Oleh karena itu, dilakukan analisis menggunakan metode PIECES (Performance, Information, Economic, Control & Security, Efficiency, Service) dengan teknik kuesioner melalui Google Form kepada masyarakat Kota Tangerang pengguna Uniqlo ID. Data dianalisis menggunakan Skala Likert dan teori Kaplan & Norton dengan bantuan IBM SPSS Statistics 27. Hasil analisis menunjukkan bahwa variabel Performance (4.26), Economic (4.30), dan Efficiency (4.28) berada pada kategori Sangat Puas, sedangkan Information (3.94), Control & Security (3.83), dan Service (4.02) berada pada kategori Puas. Variabel Economic memperoleh nilai tertinggi, sementara Control & Security mendapat nilai terendah.

Keywords : Analisis, Tingkat Kepuasan, Uniqlo ID, Metode PIECES.Top of FormBottom of Form