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 Aplikasi Asisten Persuratan Cerdas dan E-Arsip Berbasis Web menggunakan Integrasi Large Language Model (LLM) Bryan Henrilsen
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.v6i2.9299

Abstract

Pengelolaan administrasi dan kearsipan dokumen di sekolah umumnya masih konvensional, sehingga memicu inefisiensi waktu, kerentanan terhadap kehilangan data fisik, serta risiko kesalahan manusia (human error) akibat pemindahan teks hasil kecerdasan buatan secara manual antaraplikasi. Penelitian ini bertujuan merancang dan membangun aplikasi asisten persuratan cerdas berbasis web yang terintegrasi dengan Application Programming Interface (API) Large Language Model (LLM) untuk mengotomatisasi penyusunan draf surat sekaligus menyediakan penyimpanan arsip elektronik (e-arsip) dalam satu sistem. Pengembangan menggunakan metode Waterfall, framework Laravel dengan pola Model View Controller (MVC), Prompt Engineering berbasis formulir template, dan pendekatan Human-in-the-Loop (HITL) agar staf tata usaha dapat menyunting draf sebelum dicetak. Fungsionalitas diuji dengan Black Box Testing, sedangkan pengalaman pengguna dievaluasi melalui Moderated Usability Testing (MUT) dengan Iterative Design dan System Usability Scale (SUS) pada empat staf tata usaha. Seluruh 11 skenario Black Box berhasil dieksekusi (100%). Pada MUT, dua partisipan pertama kesulitan menyusun prompt secara manual sehingga antarmuka dirombak menjadi formulir template, dan kesulitan tersebut tidak teramati lagi pada dua partisipan berikutnya. Skor SUS rata-rata sebesar 81,88 (Grade A), dengan kemudahan mempelajari sistem sebagai aspek yang masih perlu disempurnakan. Sistem berfungsi sesuai skenario pengujian dan diterima dengan baik oleh pengguna pada sampel terbatas. Penelitian lanjutan perlu mencakup digitalisasi arsip fisik dengan Optical Character Recognition (OCR), arsitektur multi-tenancy dengan pembagian peran, dan pengujian pada lebih banyak pengguna.