Yogi Piskonata
Universitas AMIKOM Yogyakarta

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

Analisis Kepuasan Pengguna dan Kegunaan Aplikasi Mobile Banking di Indonesia Menggunakan Metode NPS dan SUS Rum Mohamad Andri Kristiyanto Rasyid; Moch. Hari Purwidiantoro; Agung Pambudi; Nur Widjiyati; Yogi Piskonata
Jurnal Ilmiah IT CIDA Vol 11 No 1: Juni 2025
Publisher : STMIK AMIKOM Surakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55635/jic.v11i1.266

Abstract

Teknologi informasi yang merupakan perpaduan antara teknologi komputer dan teknologi komunikai pada saat ini telah diterapkan pada seluruh sektor termasuk sektor perbankan sehingga saat ini memasuki era perbankan digital yang tidak lagi mengandalkan manusia sepenuhnya melainkan mengandalkan layanan secara digital seperti mesin Anjungan Tunai Mandiri (ATM), Internet Banking, dan Mobile Banking. Perkembangan ini menjadikan model bisnis perbankan menjadi berubah, berawal dari layanan kepada nasabah yang dilakukan di kantor bank menjadi layanan yang dilakukan secara mandiri oleh nasabah dari tempatnya berada menggunakan aplikasi mobile banking yang dijalankan oleh perangkat seluler milik nasabah. Perbankan digital terutama layanan mobile banking juga sangat menguntungkan nasabah karena tidak menimbulkan antrian, biaya perjalanan dan lain-lain sehingga pemanfaatan layanan perbankan digital khususnya mobile banking terjadi peningkatan yang sangat signifikan dari tahun ke tahun. Hal tersebut memicu perbankan untuk menyediakan aplikasi mobile banking yang sesuai dengan kebutuhan masyarakat agar nasabah akan semakin loyal. Penelitian yang dilakukan untuk menilai kepuasan pengguna layanan mobile banking ini menggunakan metode Net Promoter Score (NPS) untuk menilai loyalitas nasabah memberikan hasil bahwa 40% nasabah pengguna aplikasi perbankan di Indoenasia adalah nasabah yang ‘sangat loyal’ dan 60% merupakan nasabah yang ‘loyal’. Metode System Usability Score (SUS) menunjukkan hasil bahwa 80% nasabah dapat menerima aplikasi mobile banking karena dipandang memiliki kualitas ‘sangat baik’.
Pemanfaatan Teachable Machine Untuk Mengidentifikasi Alat Batu Masa Prasejarah Menggunakan Metode CNN Yogi Piskonata; Agung Pambudi; Rum Mohamad Andri K Rasid; Moch. Hari Purwidiantoro
Jurnal Ilmiah IT CIDA Vol 11 No 2: Desember 2025
Publisher : STMIK AMIKOM Surakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55635/jic.v11i2.296

Abstract

Identifikasi alat batu masa prasejarah merupakan komponen penting dalam kajian arkeologi untuk memahami perkembangan teknologi dan budaya masyarakat purba. Namun, proses klasifikasi artefak secara manual masih sangat bergantung pada keahlian arkeolog yang terbatas jumlahnya dan rentan terhadap subjektivitas. Dengan kemajuan teknologi kecerdasan buatan, khususnya Convolutional Neural Network (CNN), otomatisasi identifikasi objek berbasis citra menjadi lebih feasible. Penelitian ini mengusulkan pemanfaatan platform Teachable Machine sebagai solusi low-code untuk mengembangkan model klasifikasi alat batu prasejarah dengan pendekatan CNN. Penelitian dilakukan secara eksperimental menggunakan dataset citra alat batu prasejarah masa paleolitik yang dikurasi dari koleksi lababoratorium Jurusan Arkeologi, Fakultas Ilmu Budaya, Universitas Gadjah Mada. Dataset terdiri dari tujuh kelas utama yaitu Kapak Genggam, Kapak Perimbas, Kapak Penetak, Kapak Lonjong, Beliung Persegi dan Alat Serpih. Model dilatih pada platform Teachable Machine dengan arsitektur CNN berbasis MobileNet, tanpa menulis kode program sehingga peneliti non-teknis dapat mengakses teknologi AI secara langsung. Hasil evaluasi menunjukkan akurasi model sebesar 87,5% pada data pengujian, dengan F1-Score rata-rata 0,85. Kapak persegi dan kapak lonjong memiliki tingkat keberhasilan klasifikasi tertinggi, sementara kelas serpih dan alat tulang menunjukkan tingkat kesalahan yang lebih tinggi akibat kemiripan morfologis. Confusion matrix dan analisis kesalahan mengindikasikan bahwa kualitas gambar dan variasi bentuk artefak menjadi faktor utama yang memengaruhi kinerja model. Studi ini membuktikan bahwa Teachable Machine dapat dimanfaatkan secara efektif sebagai alat bantu klasifikasi alat batu prasejarah, terutama dalam konteks keterbatasan sumber daya teknis dan keahlian pemrograman di kalangan arkeolog. Dengan demikian, pendekatan ini berpotensi mendukung digitalisasi warisan budaya, percepatan inventarisasi artefak, serta penguatan integrasi teknologi AI dalam pendidikan dan penelitian arkeologi di Indonesia.