Claim Missing Document
Check
Articles

User Interface and User Experience Analysis of Kejar Mimpi Mobile Application Using The User-Centered Design Method Angela, Brigitha Valensia; Wulansari, Tina Tri; Riyayatsyah, Riyayatsyah; Fitrianto, Yuli; Rahim, Abdul
ILKOM Jurnal Ilmiah Vol 15, No 1 (2023)
Publisher : Prodi Teknik Informatika FIK Universitas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/ilkom.v15i1.1455.1-10

Abstract

User criticism on the Play Store revealed some flaws in the Kejar Mimpi App review. Observations were made on research that discussed the Kejar Mimpi Application, and it discovered that no prior research on User Experience and User Interface had been conducted. Interviews will be conducted to collect additional data, and the initial questionnaire will be distributed on May 6, 2022. Developers and designers use User-Centered Design (UCD) design methodologies to ensure that the product or system meets the users' needs. This study used the System Usability Scale (SUS) and User Experience Questionnaire (UEQ) methods or techniques to assess user interface and user experience. This research has produced as many as 24 design recommendations and a style guide. The final evaluation results measured using the SUS questionnaire increased the average value by 14,9% from a value of 67 (adjective rating Ok category, grade scale D, High Marginal category) to 77 (adjective rating Good, grade scale C, Acceptable category). The results of the UEQ also have gained an average increase in the ratio, where previously most were in below-average positions, now in good positions. Research on the user interfaces analysis and user experience of the Kejar Mimpi Application has the potential to be developed further. Therefore, the author has several suggestions that can be used for further research so that prototype part can be developed again to be more responsive and use different methods for evaluation of design results, such as Eye Tracking, Cognitive Walkthrough, and Heuristic Evaluation.
Media Pembelajaran Matematika Bangun Ruang Sisi Lengkung (Mat-Siung) Berbasis Android di SMPN 5 Ungaran Abi Muhammad Randi; Yuli Fitrianto; Daniel Rudjiono; Arie Atwa Magriyanti
Jurnal Publikasi Ilmu Komputer dan Multimedia Vol. 5 No. 2 (2026): Mei: Jurnal Publikasi Ilmu Komputer dan Multimedia
Publisher : Pusat Riset dan Inovasi Nasional

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55606/jupikom.v5i2.7075

Abstract

Penelitian ini dilatarbelakangi oleh rendahnya nilai mata pelajaran matematika siswa kelas IX di SMPN 5 Ungaran, khususnya karena siswa mengalami kesulitan pada materi bangun ruang sub materi sisi lengkung. Mengingat larangan penggunaan smartphone di sekolah, penelitian ini bertujuan untuk merancang dan mengembangkan sebuah media pembelajaran berbasis Android bernama "Mat-Siung" sebagai fasilitas belajar mandiri siswa di rumah. Penelitian ini menggunakan metode Research and Development (RnD) model Borg and Gall. Hasil pengujian menunjukkan bahwa kelayakan aplikasi berdasarkan validasi internal oleh ahli media memperoleh persentase 90% (Sangat Valid) , dan validasi eksternal oleh ahli materi memperoleh persentase 92% (Sangat Valid). Pada uji coba lapangan yang melibatkan 30 siswa, terjadi peningkatan hasil belajar yang ditunjukkan oleh perbandingan rata-rata nilai pre-test sebesar 79,2 dan rata-rata post-test sebesar 88,2. Perhitungan uji efektivitas menggunakan rumus N-Gain menghasilkan nilai sebesar 0,43 yang berada pada kriteria sedang. Dengan demikian, dapat disimpulkan bahwa media pembelajaran Mat-Siung sangat valid, layak, dan efektif dalam meningkatkan pemahaman serta hasil belajar siswa pada materi bangun ruang sisi lengkung.
Perancangan Sistem Aplikasi Penerimaan Siswa Baru Ber-basis Web (Studi Kasus: SMP Islam Sudirman 1 Bancak) Muhammad Alek Dzulfikri; Yuli Fitrianto; Priyadi Priyadi
Jurnal Publikasi Ilmu Komputer dan Multimedia Vol. 5 No. 2 (2026): Mei: Jurnal Publikasi Ilmu Komputer dan Multimedia
Publisher : Pusat Riset dan Inovasi Nasional

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55606/jupikom.v5i2.7078

Abstract

Penerimaan Siswa Baru (PSB) merupakan kegiatan rutin tahunan yang sangat menentukan kualitas peserta didik di sebuah lembaga pendidikan. Pada SMP Islam Sudirman 1 Bancak, proses penerimaan siswa baru sebelumnya masih dilakukan secara manual melalui formulir kertas dan pengecekan berkas satu per satu, sehingga menimbulkan beberapa kendala seperti keterlambatan pengolahan data dan risiko kesalahan input. Penelitian ini bertujuan untuk merancang dan membangun sistem aplikasi penerimaan siswa baru berbasis web yang mampu membantu proses pendaftaran, pengelolaan data calon siswa secara lebih cepat dan akurat. Metode pengembangan sistem yang digunakan adalah Research and Development (R&D), mulai dari analisis kebutuhan, perancangan sistem, implementasi, hingga pengujian. Aplikasi dibangun menggunakan bahasa pemrograman PHP, framework tampilan Bootstrap, serta basis data MySQL. Sistem ini menyediakan fitur pendaftaran online, input nilai ujian sekolah, dan manajemen data calon siswa. Hasil penelitian menunjukkan bahwa aplikasi yang dibangun dapat mempercepat proses pendaftaran, meminimalkan kesalahan administrasi, dan mempermudah panitia dalam melakukan seleksi siswa baru. Berdasarkan hasil pengujian fungsional, seluruh fitur utama berjalan dengan baik sesuai dengan kebutuhan pengguna. Dengan demikian, sistem penerimaan siswa baru berbasis web ini efektif untuk digunakan sebagai solusi digital di SMP Islam Sudirman 1 Bancak.
Identifikasi Tingkat Kematangan Buah Tomat Berdasarkan Warna Hsi Dan Hsv Menggunakan Convolutional Neural Network Rakasiwi, Sindhu; Yanuar Nurchasanah, Brilliani; Fitrianto, Yuli
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 13 No 4: Agustus 2026
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.134

Abstract

Identifikasi tingkat kematangan tomat secara manual untuk menjaga kualitas pasca panen seringkali bersifat subjektif, inkonsisten, dan rentan terhadap kesalahan manusia. Penelitian ini mengusulkan pendekatan Deep Learning menggunakan arsitektur Convolutional Neural Network (CNN) kustom untuk mengklasifikasikan kematangan tomat ke dalam empat kategori: mentah (unripe), matang (ripe), tua (old), dan rusak (damaged). Fokus utama penelitian adalah mengevaluasi efektivitas transformasi ruang warna Hue Saturation Intensity (HSI) dan Hue Saturation Value (HSV) dibandingkan ruang warna standar Red Green Blue (RGB) dalam mengatasi variasi pencahayaan dan kemiripan visual antar kelas. Dataset yang digunakan berjumlah total 7.466 citra, terdiri dari gabungan dataset publik dan dataset privat kondisi nyata, yang dibagi menjadi 90% data latih dan 10% data validasi. Berbeda dengan penelitian terdahulu yang banyak menggunakan model berat (transfer learning) atau fitur manual, penelitian ini membuktikan bahwa CNN sekuensial ringan dengan pra-pemrosesan HSI mampu mencapai kinerja optimal. Hasil eksperimen menunjukkan model berbasis HSI mencapai akurasi validasi tertinggi sebesar 96% dengan rata-rata F1-Score 0.96, mengungguli model HSV (94%) dan RGB (95%). Secara spesifik, ruang warna HSI terbukti lebih unggul dalam membedakan kategori visual yang ambigu seperti tomat tua dan tomat rusak, memberikan solusi klasifikasi otomatis yang lebih akurat dan robust untuk industri pertanian.   Abstract Manual identification of tomato ripeness to maintain post-harvest quality is often subjective, inconsistent, and prone to human error. This study proposes a Deep Learning approach using a custom Convolutional Neural Network (CNN) architecture to classify tomato ripeness into four categories: unripe, ripe, old, and damaged. The primary focus is to evaluate the effectiveness of Hue Saturation Intensity (HSI) and Hue Saturation Value (HSV) color space transformations compared to standard RGB in overcoming lighting variations and visual similarities between classes. The dataset comprises 7,466 images, combining public datasets with real-world private datasets, split into 90% training and 10% validation data. Unlike previous studies relying on heavy transfer learning models or manual feature extraction, this research demonstrates that a lightweight sequential CNN with HSI preprocessing achieves optimal performance. Experimental results show that the HSI-based model attained the highest validation accuracy of 96% with an average F1-Score of 0.96, outperforming HSV (94%) and RGB (95%) models. Specifically, the HSI color space proved superior in distinguishing ambiguous visual categories such as old and damaged tomatoes, offering a more accurate and robust automated classification solution for the agricultural industry.
Co-Authors Abdul Rahim Abi Muhammad Randi Achmad Solechan Adnan Putra Pratama Agustinus Budi Santoso Ahmad Ashifuddin Aqham Ahmad Zainudin Amalia Shifa Aldila Amsal, Andi Yasir Andriana, Myra Angela, Brigitha Valensia Arie Atwa Magriyanti Ayyub Hamdanu Budi Nurmana Ayyub Hamdanu Budi Nurmana Bambang Suhartono Budi Raharjo Daniel Rudjiono Dewi Widyaningsih Dian Susatyono, Jarot Dwi Nur Arifin Dwi Setiawan Dwi Setiawan Edwin Zusrony Edy Jogatama Purhita Erick Sorongan, Erick Fahruddin, Ahmad Febryantahanuji Febryantahanuji Fitro Nur Hakim Fitro Nur Hakim Gibson Manalu H.B.N.MS, Ayyub Hakim , Fitro Nur Haryo Kusumo Haryo Kusumo Imaliya, Tri Indra Ava Dianta Irma Islamiyah Jarot Dian Susatyono kurnialensya kurnialensya Kusumaningtyas, Dhevi Dadi Kusumo, Haryo Lawrence Adi Supriyono Luthfy Purnanta Anzie Magriyanti, Arie Atwa Maya Utami Dewi Maya Utami Dewi, Maya Utami Migunani Migunani Mira Andriyana Muhammad Alek Dzulfikri Muhammad Khoiril Anaam Myra Andriana Myra Andriana Nanik Qosidah Nining Fitriani Nugroho, Aris Sarwo Nur Arifin , Dwi Nurmana, Ayyub Hamdanu Budi Pebiansyah Hapsari Priyadi Priyadi Putranto, Kartiko Eko Qosidah, Nanik Rahman, Mujibu Ratih Fenty Anggraini Bintoro Riyayatsyah, Riyayatsyah Roymon Panjaitan Rusito S Siswanto Samkhaji, Toni Santi Widiastuti Sarwo Nugroho Sindhu Rakasiswi Sindhu Rakasiwi Siswanto SITI KHOLIFAH Sri Yulianingsih Suhartono , Bambang Sumaryanto Sumaryanto Sumaryanto, Sumaryanto Suprapti Supriadi, Candra Susatyono, Jarot Dian Tamam, Muhammad Zidan Tantik Sumarlin . Taufik Kurnialensya Tina Tri Wulansari Toni Samkhaji Toni Wijanarko Adi Putra Tuatul Mahfud Wahyudi, Wiwid Winnarko, Henry Yanuar Nurchasanah, Brilliani Yogiana Mulyani, Yogiana Zamroni, Ahmad