Article Per Year (5 Year)
p-Index From 2020 - 2025
1.978
P-Index
This Author published in this journals
All Journal Jurnal Algoritma Aisyah Journal of Informatics and Electrical Engineering SPEKTA (Jurnal Pengabdian Kepada Masyarakat : Teknologi dan Aplikasi) Jurnal Pengabdian Kepada Masyarakat Ungu ( Abdi Ke Ungu) Jurnal Algoritma Jurnal Sistem Informasi dan Teknologi (SINTEK) Health Research Journal of Indonesia Jurnal Rekayasa Perangkat Lunak Sintek Kuwera
Eko Setiawan, Agustinus
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Dentistry Earth & Planetary Sciences Economics, Econometrics & Finance Electrical & Electronics Engineering Energy Engineering Environmental Science Health Professions Industrial & Manufacturing Engineering Materials Science & Nanotechnology Medicine & Pharmacology Nursing Public Health

Published : 11 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : Aisyah Journal of Informatics and Electrical Engineering

 1 
Evaluasi Dan Perancangan User Interface (UI) Untuk Meningkatkan User Experience (UX) Menggunakan Metode Human Centered Design (HCD) Pada Aplikasi Sitabsis Di SMPN 03 Gading Rejo: Evaluasi Dan Perancangan User Interface (UI) Untuk Meningkatkan User Experience (UX) Menggunakan Metode Human Centered Design (HCD) Pada Aplikasi Sitabsis Di SMPN 03 Gading Rejo Hany, Hany Zahra Nabbilla; Eko Setiawan, Agustinus; Zulkifli, Zulkifli; Ardhy, Ferly; Rizki, Fahlul
Aisyah Journal Of Informatics and Electrical Engineering (A.J.I.E.E) Vol. 5 No. 2 (2023): Aisyah Journal Of Informatics and Electrical Engineering
Publisher : Aisyah Journal Of Informatics and Electrical Engineering (A.J.I.E.E)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30604/jti.v5i2.236

Abstract

Aplikasi SiTabsis adalah aplikasi Sistem Informasi Tabungan Siswa berbasis web dengan sistematis dan terstruktur yang digunakan untuk menginput data tabungan siswa, kemudian digunakan SMPN 3 Gading Rejo untuk mengatasi masalah yang ada pada sistem saat ini. Penelitian menunjukkan bahwa user sangat mempermasalahkan tentang user interface (UI) dan user experience (UX) aplikasi SiTabsis. Dari hasil kuisioner dan pengujian pertama yang menggunakan metode usability testing dan skala Likert ke 31 pengguna aplikasi SiTabsis didapatkan respon untuk aspek user friendly sebesar 35.5 % dan aspek efficiency sebesar 36.7% dari kedua nilai tersebut merujuk pada indikator tidak setuju. Penelitian ini bertujuan untuk menemukan permasalahan usability dan membuat redesign aplikasi SiTabsis dengan mengamati aspek UI dan UX memakai pendekatan Human Centered Design dengan 4 tahapan yaitu, understanding context of use, specify user requirements, design solutions dan evaluating the design. Pendekatan ini berfokus pada user dan kebutuhan user karena pengembangan desain dan sistem interaktifnya. Pengumpulan data awal dilakukan menggunakan kuisioner dan wawancara dengan pihak pengguna aplikasi SiTabsis. Lalu, menggunakan rekomendasi pengujian UI & UX memakai metode usability testing dan skala Likert untuk rekomendasi desain ke 31 pengguna. Didapatkan hasil dari kedua ini mengalami kenaikan nilai dari aplikasi SiTabsis saat ini, dengan rata-rata nilai user friendly sebesar 83.2%, indikator effisiensi meningkat 82.5%, indikator memorability meningkat 88%, indikator errors meningkat 81.2%, indikator satisfaction meningkat 83.6%. Kata Kunci: user interface, user experience, human centered design, skala likert, efficiency, user, errors, satisfaction.
Machine Learning Untuk Klasifikasi Penyakit Jantung: Machine Learning Untuk Klasifikasi Penyakit Jantung Ratnasari; Jurnaidi Wahidin, Ahmad; Eko Setiawan, Agustinus; Bintoro, Panji
Aisyah Journal Of Informatics and Electrical Engineering (A.J.I.E.E) Vol. 6 No. 1 (2024): Aisyah Journal Of Informatics and Electrical Engineering
Publisher : Aisyah Journal Of Informatics and Electrical Engineering (A.J.I.E.E)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30604/jti.v6i1.272

Abstract

Penyakit jantung disebabkan oleh kondisi abnormal jantung dan pembuluh darah, secara luas dianggap sebagai ancaman langsung terhadap kehidupan dan kesehatan manusia. Diagnosa yang tepat pada fase awal merupakan tugas yang sangat menantang karena adanya ketergantungan yang kompleks yang harus dipertimbangkan pada berbagai faktor. Oleh karena itu dibutuhkan pengembangan sistem diagnosis medis sedemikian rupa sehingga dapat membantu dalam mengambil keputusan pada proses diagnostik. Penelitian ini bertujuan untuk mencari algoritma mechine learning yang memiliki akurasi yang paling tinggi untuk menprediksi apakah seseorang mengidap penyakit jantung atau tidak berdasarkan database medis. Penelitian kami membandingkan enam metode klasifikasi mechine learning yaitu Naïve Bayes, kNN, Random Forest, Logistic Regression, SVM, Decision Tree dan AdaBoost dengan dataset Cleveland Clinic Foundation yang tersedia di “UCI Machine Learning Repository”. Hasil dari penelitian ini menunjukan bahwa algoritma Naive Bayes memiliki akurasi paling tinggi yaitu sebesar 84.67%, lalu Logistic Regression diurutan kedua dengan akurasi 84.30%, Kemudian Random Forest 81.70%, SVM 81%, Tree 74%, kNN 73%, AdaBoost 71.30%.
Co-Authors Ahmad Jurnaidi Wahidin Ardian, Odi Bintoro, Panji Desni Sagita, Yona El Hanif, Azka Ferly Ardhy Fitra Herayeni, Desi Fitri Hardiyanti, Fitri Hany, Hany Zahra Nabbilla Herdia Andika, Tahta Hernanda, Rice Nur Aminudin Ockhy Jey Fhiter Wassalam Pasaribu, Alfredo Probo Wijayanto, Wisnu Ramadhanti, Dinda Ratnasari Ratnasari Ratnasari Ratnasari Ratnasari Rini Wahyuni Rizki, Fahlul Salman Alfarisi Salimu Tahta Herdian Andika Yana Ayu Andini, Dwi Yani Veronica, Septika Zulkifli