Claim Missing Document
Check
Articles

Found 23 Documents
Search

THE ROLE OF PERCEIVED CONVENIENCE ON WHATSAPP ADOPTION USING UTAUT2 MODEL Winata, Kenny Calnelius; Panjaitan, Erwin Setiawan
JURTEKSI (jurnal Teknologi dan Sistem Informasi) Vol. 11 No. 2 (2025): Maret 2025
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM) STMIK Royal Kisaran

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33330/jurteksi.v11i2.3765

Abstract

Abstract: Advancements in digital technology have significantly transformed communication and learning. Traditional learning methods have limitations in providing a fast and interactive learning environment, necessitating accessible technology that enhances student and teacher engagement while ensuring convenience. WhatsApp has emerged as a widely used solution due to its accessibility, privacy features, and cross-platform compatibility, offering users a sense of convenience. This study examines the role of Perceived Convenience in the acceptance and use of WhatsApp in secondary education in Medan City using the UTAUT2 Model. A survey was conducted with 439 respondents from 8 secondary schools in Medan and analyzed using SEM-PLS with SmartPLS-4. The results indicate that social influence, hedonic motivation, habit, and perceived convenience positively impact the intention to use WhatsApp. Additionally, facilitating conditions, perceived convenience, and intention to use significantly influence actual usage behavior. However, performance expectancy, effort expectancy, and price value do not affect either intention or behavior in using WhatsApp. Moderating variables such as age, gender, and experience partially moderate the relationships between independent factors and WhatsApp usage intention and behavior. This study contributes by incorporating Perceived Convenience into the UTAUT2 Model and affirming its role in educational technology adoption.            Keywords: perceived convenience; secondary education; UTAUT2; whatsapp  Abstrak: Kemajuan teknologi digital telah membawa perubahan signifikan dalam komunikasi dan pembelajaran. Metode pembelajaran tradisional memiliki keterbatasan dalam menyediakan lingkungan belajar yang cepat dan interaktif, sehingga diperlukan teknologi yang mudah diakses, meningkatkan keterlibatan siswa dan guru, serta nyaman digunakan. WhatsApp menjadi salah satu solusi dan banyak digunakan karena mudah diakses, privasi yang ditawarkan, serta kompatibilitas lintas platform sehingga memberikan kenyamanan yang dapat dirasakan pengguna ketika menggunakannya. Oleh karena itu, Penelitian ini menguji peran Persepsi Kenyamanan terhadap penerimaan dan penggunaan WhatsApp dalam pendidikan menengah di Kota Medan menggunakan Model UTAUT2. Survei dilakukan pada 439 responden dari 8 sekolah menengah di kota Medan, dan dianalisis dengan SEM-PLS menggunakan SmartPLS-4. Hasil penelitian menunjukkan bahwa social influence, hedonic motivation, habit, dan perceived convenience berpengaruh positif signifikan terhadap behavioral intention. Sementara itu, facilitating conditions, perceived convenience, dan behavioral intention berdampak positif pada use behavior. Namun, performance expectancy, effort expectancy, dan price value tidak berpengaruh terhadap niat maupun perilaku penggunaan WhatsApp. Variabel moderasi usia, jenis kelamin, dan pengalaman memoderasi sebagian hubungan antara faktor bebas terhadap niat dan perilaku penggunaan WhatsApp. Penelitian ini berkontribusi dengan menambahkan variabel persepsi kenyamanan (perceived convenience) ke dalam Model UTAUT2 dan menegaskan perannya dalam adopsi teknologi pendidikan. Kata kunci: pendidikan menengah; persepsi kenyamanan; UTAUT2; whatsapp
Sistem Pendukung Keputusan Dengan Metode Profile Matching dalam Menentukan Kelayakan Lokasi Pemasaran Produk Layanan Internet Siregar, Kurrota Akyun; Panjaitan, Erwin Setiawan; Nurjanah , Sofiana
COMSERVA : Jurnal Penelitian dan Pengabdian Masyarakat Vol. 4 No. 11 (2025): COMSERVA: Jurnal Penelitian dan Pengabdian Masyarakat
Publisher : Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59141/comserva.v4i11.2885

Abstract

PT Adidaya Infocom Lestari menghadapi tantangan dalam menentukan lokasi pemasaran yang optimal untuk produk layanan internetnya. Penelitian ini bertujuan mengembangkan sistem pendukung keputusan (SPK) menggunakan metode Profile Matching untuk mengatasi masalah tersebut. Metode ini dipilih karena kemampuannya membandingkan profil ideal lokasi dengan profil lokasi aktual berdasarkan kriteria yang ditentukan perusahaan. Penelitian melibatkan identifikasi faktor-faktor penting dalam pemilihan lokasi, seperti demografi, potensi pasar, dan faktor lingkungan bisnis. Kemudian, SPK dibangun dengan menerapkan metode Profile Matching untuk mengevaluasi dan meranking lokasi-lokasi potensial. Hasil penelitian menunjukkan bahwa SPK berhasil mengidentifikasi lokasi-lokasi pemasaran yang paling layak. Implementasi SPK ini juga meningkatkan efisiensi dan efektivitas pengambilan keputusan perusahaan terkait lokasi pemasaran. Penelitian ini memberikan kontribusi signifikan bagi perusahaan dalam mengoptimalkan strategi pemasaran dan alokasi sumber daya.
A Smart Architecture for Stunting Prediction: Implementing the SOM–Voting Classifier on Healthcare Big Data Kelvin, Kelvin; Winardi, Sunaryo; Sinaga, Frans Mikael; Hardy, Hardy; Panjaitan, Erwin Setiawan; Wong, Ng Poi; Ferawaty, Ferawaty; Lim, Justine; Wijaya, Grace Putri
Indonesian Journal of Artificial Intelligence and Data Mining Vol 8, No 3 (2025): November 2025
Publisher : Universitas Islam Negeri Sultan Syarif Kasim Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24014/ijaidm.v8i3.38000

Abstract

Childhood stunting is a persistent public health challenge in Indonesia. This study developed a predictive classification model using healthcare data from hospitals in Medan to enable early identification of at-risk children. A novel framework was proposed that integrated an unsupervised Self-Organizing Map (SOM) for feature engineering with a supervised Voting Classifier ensemble, which combined a Support Vector Classifier (SVC), Random Forest (RF), and Gradient Boosting (GB). The proposed framework achieved an accuracy of 100% on the test set, a substantial improvement over the 91.67% accuracy of the baseline Voting Classifier without SOM. While this result highlighted the model's high predictive potential, it must be interpreted cautiously, acknowledging the need for validation on more diverse datasets to ensure generalizability. The findings demonstrated that this hybrid machine learning approach can serve as a powerful decision-support tool, enabling proactive clinical interventions and aiding public health officials in strategically allocating nutritional resources to support Indonesia's national stunting reduction goals.