Claim Missing Document
Check
Articles

Found 2 Documents
Search

Sistem Pengambilan Keputusan E-Commerce Terbaik Menggunakan Metode MABAC Ryan Febrianto; Kelio Xenelly; Steven Edmund Pratama; Dhavid Bhertus; Bryan Henrilsen
TECHBUS (Technology Business and Entrepreneurship) Vol. 4 No. 1 (2026): Technology, Business and Entrepreneurship
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat (LPPM) Institut Teknologi dan Bisnis Sabda Setia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61245/techbus.v4i1.76

Abstract

Pertumbuhan pesat e-commerce di Indonesia menyebabkan meningkatnya jumlah platform yang menawarkan layanan serupa, sehingga pengguna menghadapi kesulitan dalam menentukan platform yang paling sesuai dengan kebutuhan mereka. Penelitian ini bertujuan untuk menentukan platform e-commerce terbaik berdasarkan preferensi mahasiswa menggunakan metode Multi-Attributive Border Approximation Area Comparison (MABAC) yang diintegrasikan dengan pendekatan Group Decision Making (GDM). Data penelitian diperoleh melalui kuesioner berbasis skala Likert yang disebarkan kepada 102 mahasiswa pengguna e-commerce. Lima kriteria digunakan dalam proses evaluasi, yaitu harga, kualitas produk, keamanan transaksi, kecepatan pengiriman, dan layanan pelanggan. Penilaian responden diagregasikan menggunakan Geometric Mean untuk menghasilkan keputusan kelompok sebelum diproses menggunakan metode MABAC. Hasil penelitian menunjukkan bahwa Shopee memperoleh skor kinerja akhir tertinggi sebesar 0,570 dan menempati peringkat pertama, diikuti oleh Tokopedia (0,549), Bukalapak (0,143), Blibli (0,119), dan Lazada (-0,008). Analisis sensitivitas menunjukkan bahwa perubahan prioritas bobot kriteria dapat memengaruhi peringkat alternatif, sedangkan validasi komparatif menggunakan metode SAW menunjukkan konsistensi hasil pada dua alternatif terbaik. Temuan penelitian membuktikan bahwa integrasi metode MABAC dan GDM mampu menghasilkan rekomendasi yang objektif dan representatif dalam pemilihan platform e-commerce terbaik berdasarkan preferensi mahasiswa.
Rancang Bangun Personal Knowledge and Task Management System (KNO-TASK) Berbasis Web untuk Produktivitas Mahasiswa Kelio Xenelly
Digital Transformation Technology Vol. 6 No. 2 (2026): Periode September 2026
Publisher : Information Technology and Science(ITScience)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47709/digitech.v6i2.9275

Abstract

Fenomena kelelahan mental (burnout) akademik pada mahasiswa sering kali dipicu oleh tingginya beban kognitif akibat penggunaan aplikasi pencatatan materi dan manajemen tugas yang saling terpisah. Untuk mengatasi permasalahan fragmentasi informasi tersebut, penelitian ini bertujuan untuk merancang, membangun, dan mengevaluasi KNO-TASK, sebuah platform Personal Knowledge and Task Management terpadu berbasis web. Sistem ini dikembangkan menggunakan metode Waterfall yang mencakup tahapan analisis kebutuhan, perancangan sistem, implementasi menggunakan kerangka kerja Next.js dan Laravel, serta pengujian akhir. Validasi fungsionalitas dilakukan melalui Black Box Testing, sedangkan evaluasi usability dan efektivitas sistem diukur menggunakan instrumen User Experience Questionnaire (UEQ) dan kuesioner skala Likert yang melibatkan 100 responden mahasiswa aktif. Hasil pengujian black box memvalidasi bahwa seluruh fitur sistem beroperasi dengan tingkat keberhasilan 100% tanpa adanya kegagalan fungsi. Selanjutnya, evaluasi UEQ menunjukkan kualitas pengalaman pengguna yang sangat positif dengan predikat Good hingga Above Average pada seluruh dimensi penilaian. Penilaian efektivitas juga memperoleh hasil tinggi, khususnya pada inovasi fitur penautan catatan dan tugas (linked tasks) yang meraih rata-rata skor tertinggi (4,16 dari skala 5,00). Penelitian ini berkontribusi dalam bentuk rancang bangun sistem yang mengintegrasikan Personal Knowledge Management dan Task Management ke dalam satu ekosistem web, sekaligus menjadi bukti empiris bahwa integrasi tersebut secara praktis efektif dalam mengurangi beban kognitif mahasiswa serta mengoptimalkan manajemen aktivitas akademik, yang pada akhirnya berdampak signifikan pada peningkatan produktivitas mahasiswa. Sebagai saran untuk pengembangan selanjutnya, sistem ini direkomendasikan agar dapat diintegrasikan dengan teknologi kecerdasan buatan dan dikembangkan ke dalam versi mobile untuk akses yang lebih fleksibel.