Article Per Year (5 Year)
p-Index From 2021 - 2026
0.562
P-Index
This Author published in this journals
All Journal Jurnal Teknologi Sistem Informasi Jurnal Komputer Teknologi Informasi Sistem Komputer (JUKTISI) LOFIAN: Jurnal Teknologi Informasi dan Komunikasi
Maulana Farras
Institut Teknologi dan Bisnis Indonesia
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Engineering

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
Evaluasi Pengalaman Pengguna Website Pendaftaran KIP-Kuliah ITBI Menggunakan UEQ+ Maulana Farras; Rika Amelia; Ismar Hidayat
Jurnal Komputer Teknologi Informasi Sistem Komputer (JUKTISI) Vol. 5 No. 1 (2026): Juni 2026
Publisher : LKP KARYA PRIMA KURSUS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62712/juktisi.v5i1.932

Abstract

Portal Pendaftaran KIP-Kuliah ITBI merupakan sistem berbasis web yang digunakan dalam proses penerimaan mahasiswa baru jalur KIP-Kuliah. Penelitian ini bertujuan untuk mengevaluasi pengalaman pengguna (user experience) portal tersebut menggunakan metode User Experience Questionnaire Plus (UEQ+). Penelitian menggunakan pendekatan kuantitatif deskriptif dengan teknik stratified random sampling terhadap 122 responden mahasiswa aktif. Instrumen yang digunakan terdiri dari 28 item pertanyaan yang merepresentasikan tujuh skala UEQ+, yaitu attractiveness, efficiency, intuitive use, visual aesthetics, quality of content, trustworthiness of content, dan social interaction. Hasil uji reliabilitas menunjukkan seluruh skala memiliki nilai Cronbach’s Alpha antara 0,93 hingga 0,97 (>0,70), sehingga dinyatakan reliabel. Analisis nilai mean menunjukkan seluruh skala berada pada kategori evaluasi positif dengan nilai tertinggi pada trustworthiness of content (2,15), diikuti social interaction (2,14), efficiency (2,12), quality of content (2,05), visual aesthetics (1,99), attractiveness (1,96), dan intuitive use (1,72). Temuan ini mengindikasikan bahwa aspek kepercayaan terhadap konten dan interaksi sosial menjadi kekuatan utama portal, sementara aspek kemudahan penggunaan masih memerlukan optimalisasi. Secara keseluruhan, Portal Pendaftaran KIP-Kuliah ITBI telah memberikan pengalaman pengguna yang baik, namun perbaikan pada struktur navigasi dan penyederhanaan alur interaksi diperlukan untuk meningkatkan usability secara lebih optimal.
Studi Literatur Information Retrieval System Semantik Untuk Pencarian Produk E-Commerce Maulana Farras; Silvia Hanum; Roberto Kaban
LOFIAN: Jurnal Teknologi Informasi dan Komunikasi Vol 5 No 2 (2026): Pebruari
Publisher : Universitas Mandiri Bina Prestasi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58918/lofian.v5i2.291

Abstract

This research aims to analyze the development of the Semantic Information Retrieval System (Semantic IRS) approach in e-commerce product search based on descriptions through a literature study of 15 scientific articles consisting of national and international publications. The results of the analysis show that 33% of articles use the semantic IR and dense retrieval approaches as the basis for semantic mapping between queries and product documents. The late interaction and multimodal semantic retrieval approaches were each applied in 27% of articles, indicating an increasing research focus on token-level semantic interaction modeling and the integration of textual and visual information. Additionally, 13% of articles utilized query expansion and semantic relation modeling as supporting methods to improve search relevance. In terms of methodology, 80% of article used a quantitative experimental approach with information retrieval system metric-based evaluation, and 67% of articles adopted neural models. Overall, these quantitative findings indicate that neural model-based Semantic IR, late interaction, and multimodal approaches are the dominant and most relevant directions for handling long and unstructured description-based product searches in modern e-commerce systems.
Analisis Log Transaksi E-Commerce Menggunakan Apache Spark untuk Mendukung Optimasi Manajemen Stok Maulana Farras; Arifin Arifin; Maida Indrayani
Jurnal Teknologi Sistem Informasi Vol 7 No 2 (2026): Jurnal Teknologi Sistem Informasi
Publisher : Program Studi Sistem Informasi, Universitas Multi Data Palembang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35957/jtsi.v7i2.17332

Abstract

Pertumbuhan aktivitas e-commerce menghasilkan log transaksi dalam jumlah besar yang menyimpan informasi penting untuk mendukung pengambilan keputusan pada manajemen stok. Pengolahan data dalam skala besar memerlukan teknologi yang mampu melakukan pemrosesan secara efisien sehingga pola transaksi dan tren penjualan dapat dianalisis secara optimal. Penelitian ini bertujuan menganalisis log transaksi e-commerce menggunakan Apache Spark guna menghasilkan informasi yang mendukung optimasi manajemen stok. Dataset yang digunakan terdiri atas 17.768 transaksi valid periode 2023–2025. Analisis dilakukan dengan pendekatan batch processing menggunakan Apache Spark 4.1.1 dan Python 3.10.11 melalui tahapan pra-pemrosesan data, analisis deskriptif, analisis tren penjualan, serta analisis frekuensi penjualan produk. Hasil penelitian menunjukkan bahwa distribusi nilai transaksi bersifat right-skewed dengan rata-rata nilai transaksi sebesar Rp58.844 dan nilai maksimum melebihi Rp3.400.000. Analisis tren penjualan memperlihatkan peningkatan aktivitas transaksi pada pertengahan hingga akhir tahun 2024, sedangkan analisis frekuensi penjualan menunjukkan seluruh kategori produk memiliki tingkat perputaran yang tinggi sehingga diklasifikasikan sebagai fast moving. Temuan tersebut menunjukkan bahwa Apache Spark mampu mengolah data transaksi berskala besar secara efisien serta menghasilkan informasi yang dapat dimanfaatkan sebagai dasar penyusunan strategi manajemen stok yang lebih tepat dan berbasis data.
Co-Authors Arifin Arifin Ismar Hidayat Maida Indrayani Rika Amelia Roberto Kaban Silvia Hanum