Article Per Year (5 Year)
p-Index From 2021 - 2026
3.678
P-Index
This Author published in this journals
All Journal JURNAL BISNIS STRATEGI Syntax Jurnal Informatika Knowledge Engineering and Data Science Jurnal Linguistik Komputasional INFOMATEK: Jurnal Informatika, Manajemen dan Teknologi Education and Human Development Journal Brilliance: Research of Artificial Intelligence Melek IT: Information Technology Journal BIOS : Jurnal Teknologi Informasi dan Rekayasa Komputer Jurnal Pendidikan Sains dan Komputer Digital Transformation Technology (Digitech) QISTINA: Jurnal Multidisiplin Indonesia JATIKOM: Jurnal Aplikasi dan Teori Ilmu Komputer Jurnal Guru Komputer
Siregar, Herbert
Unknown Affiliation
Religion Agriculture, Biological Sciences & Forestry Humanities Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Chemistry Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Immunology & microbiology Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Materials Science & Nanotechnology Mathematics Mechanical Engineering Nursing Physics Social Sciences Other

Published : 25 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 25 Documents
Search

 1   2   3 
Pengembangan Website Klinik Oxybaric Bintaro Center Menggunakan Metode Lean UX dan Relationship Marketing Adinda Salsabilla; Siregar, Herbert; Wahyudin, Asep; Kusnendar, Jajang
Digital Transformation Technology Vol. 4 No. 2 (2024): Periode September 2024
Publisher : Information Technology and Science(ITScience)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47709/digitech.v4i2.5072

Abstract

Pemasaran merupakan strategi yang dijalankan oleh suatu bisnis untuk membangun kepercayaan pelanggan dan mempertahankan citra merek di pasar. Klinik Oxybaric Bintaro Center, sebagai penyedia layanan terapi oksigen hiperbarik (HBOT), selama ini mengandalkan strategi pemasaran dari mulut ke mulut serta penggunaan media sosial seperti Facebook dan Instagram secara terbatas, namun pendekatan tersebut belum mampu mengoptimalkan potensi promosi dan pemasaran klinik secara maksimal. Oleh karena itu, klinik berupaya memperluas jangkauan pasar, memperkuat citra merek, dan meningkatkan edukasi terkait HBOT melalui pengembangan website dengan menerapkan metode Lean User Experience (UX) dan strategi pemasaran Relationship Marketing. Metode Lean UX digunakan untuk mempercepat pengembangan website serta memungkinkan penerimaan umpan balik dari pengguna guna mengurangi risiko, sedangkan strategi Relationship Marketing diintegrasikan ke dalam konten dan fitur website untuk meningkatkan keterlibatan pengguna serta mempermudah akses terhadap layanan utama. Evaluasi tingkat kegunaan dilakukan menggunakan kuesioner System Usability Scale (SUS) dan User Experience Questionnaire (UEQ) dengan analisis efektivitas dan optimalisasi berdasarkan pandangan ahli. Hasil pengujian menunjukkan bahwa website memperoleh skor rerata SUS sebesar 82.5 yang termasuk dalam kategori "Excellent" dan "Acceptable", sementara skor UEQ menunjukkan tingkat "Excellent" pada lima skala —Attractiveness, Perspicuity, Efficiency, Dependability, dan Stimulation— serta "Good" pada skala Novelty, yang menunjukkan bahwa website yang dikembangkan telah memenuhi ekspektasi dan kebutuhan pengguna dengan kualitas yang sangat baik.
Mediating Role of Artificial Intelligence in Linking Self-Efficacy and Learner Performance Siregar, Herbert; Munir, Munir; Sobandi, Ade; Riza, Lala Septem; Nusratullo, Samialloi
JURNAL PENDIDIKAN DAN PENGEMBANGAN MANUSIA Vol 10 No 2 (2025): Education and Human Development Journal
Publisher : Universitas Nahdatul Ulama Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33086/ehdj.v10i2.7936

Abstract

The integration of Artificial Intelligence (AI) into education continues to expand, yet its effectiveness in improving learning outcomes requires further examination, particularly with regard to the role of self-efficacy in digital learning in Indonesia. This study extends Bandura’s self-efficacy construct by conceptualizing AI as a latent mediating variable functioning as an adaptive educational mechanism through feedback, personalized resources, and dynamic scaffolding. A quantitative approach was employed via an online survey conducted between February and May 2024, yielding 279 valid responses from secondary and higher education students across several Indonesian provinces. Data were analyzed using SEM-PLS with SmartPLS 3.0. The results show that self-efficacy moderately predicts AI adoption (β = 0.373), AI integration strongly predicts learning behavior and performance (β = 0.649), while the direct pathway from self-efficacy is relatively weak (β = 0.144), with the indirect pathway mediated by AI substantially stronger (mediation effect = 0.242). Theoretically, these findings enrich Bandura’s framework of self-efficacy in the context of digital learning by highlighting AI as a central mediating construct, while practically they provide implications for adaptive learning strategies, digital education policy, and technology-driven pedagogical innovation.
Analisis Sistematis Dampak E-Commerce Mobile Platform terhadap Profitabilitas UMKM Digital Khairunnisa, Ratu Syahirah; Siregar, Herbert
INFOMATEK Vol 28 No 1 (2026): Juni 2026 (In Progress)
Publisher : Fakultas Teknik, Universitas Pasundan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23969/infomatek.v28i1.41940

Abstract

Digitalisasi merupakan keharusan strategis bagi UMKM untuk mempertahankan resiliensi di pasar digital. Penelitian ini bertujuan mengevaluasi dampak integrasi platform mobile e-commerce terhadap profitabilitas UMKM digital. Metodologi yang digunakan adalah Systematic Literature Review (SLR) dengan protokol PRISMA terhadap 18 studi dari basis data Scopus periode 2019-2025. Temuan menunjukkan adanya ambivalensi dampak; meskipun jangkauan pasar dan volume penjualan meningkat signifikan, hal tersebut tidak berkorelasi linier dengan pertumbuhan laba bersih. Divergensi ini dipicu oleh tingginya biaya komisi platform, inefisiensi logistik, serta keterbatasan manajemen data internal. Selain itu, transparansi harga yang tinggi memicu perang harga ekstrem yang menekan margin keuntungan. Kesimpulannya, efektivitas e-commerce sangat bergantung pada transformasi kapabilitas internal dan strategi diferensiasi produk untuk memitigasi risiko algoritme pasar. Penelitian ini merekomendasikan pelatihan penetapan harga yang efektif guna menjamin keberlanjutan bisnis jangka panjang.
Technopreneurship dan Transformasi Digital UMKM: Tinjauan Sistematis Tentang Penerapan AI dalam Pengambilan Keputusan Bisnis Julianti, Amelia Zalfa; Siregar, Herbert
INFOMATEK Vol 28 No 1 (2026): Juni 2026 (In Progress)
Publisher : Fakultas Teknik, Universitas Pasundan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23969/infomatek.v28i1.39288

Abstract

Transformasi digital melalui Artificial Intelligence (AI) telah menjadi kebutuhan mendesak bagi UMKM untuk meningkatkan daya saing di tengah dinamika pasar global. Penelitian ini bertujuan untuk meninjau secara sistematis penerapan AI dalam mendukung technopreneurship dan pengambilan keputusan bisnis strategis pada UMKM. Metode yang digunakan adalah Systematic Literature Review (SLR) dengan protokol PRISMA, menganalisis 57 artikel terpilih dari basis data Scopus dan Google Scholar yang diterbitkan hingga tahun 2025. Hasil kajian menunjukkan bahwa integrasi AI pada UMKM telah bergeser dari sekadar alat otomatisasi menuju mitra strategis, terutama dengan munculnya Generative AI dan Strategic Intelligence yang mendominasi tren publikasi 2024-2025. Temuan mengungkapkan bahwa model pengambilan keputusan paling efektif adalah simbiosis antara kecerdasan buatan dan intuisi manusia (Human-AI Symbiosis), yang terbukti meningkatkan efisiensi pembiayaan, mempercepat inovasi produk, dan memperkuat ketahanan rantai pasok melalui integrasi Blockchain. Hambatan utama adopsi kini bergeser dari kendala biaya menjadi isu kesiapan data dan kesenjangan keterampilan digital. Dapat disimpulkan bahwa AI membuka peluang bagi pelaku usaha kecil untuk mengakses strategi bisnis modern yang sebelumnya sulit dijangkau. Oleh karena itu, pemilik UMKM perlu memprioritaskan dua hal, yaitu membangun organisasi yang siap menggunakan data dan memimpin dengan etika untuk menghindari bias teknologi. Langkah ini juga krusial untuk mendorong terciptanya bisnis berbasis teknologi yang berkelanjutan.
Comparison of Machine Learning Algorithms for Species Family Classification using DNA Barcode Riza, Lala Septem; Rahman, M Ammar Fadhlur; Prasetyo, Yudi; Zain, Muhammad Iqbal; Siregar, Herbert; Hidayat, Topik; Abu Samah, Khyrina Airin Fariza; Rosyda, Miftahurrahma
Knowledge Engineering and Data Science
Publisher : citeus

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Classifying plant species within the Liliaceae and Amaryllidaceae families presents inherent challenges due to the complex genetic diversity and overlapping morphological traits among species. This study explores the difficulties in accurate classification by comparing 11 supervised learning algorithms applied to DNA barcode data, aiming to enhance the precision of species family classification in these taxonomically intricate plant families. The ribulose-1,5-bisphosphate carboxylase-oxygenase large sub-unit (rbcL) gene, selected as a DNA barcode locus for plants, is used to represent species within the Amaryllidaceae and Liliaceae families. The experimental results demonstrate that nearly all tested models achieve accurate species classification into the appropriate families, with an accuracy rate exceeding 97%, except for the Naïve Bayes model. Regarding computational time, the Random Forest model requires significantly more time for training than other models. Regarding memory usage, the Least Squares Support Vector Machine with a polynomial kernel, and Regularized Logistic Regression consume more memory than other models. These machine learning models exhibit strong concordance with NCBI's classifications when predicting families using the test dataset, effectively categorizing species into the Amaryllidaceae and Liliaceae families.
Co-Authors Abdillah, Muhammad Hanif Abu Samah, Khyrina Airin Fariza Ade Sobandi, Ade Adinda Salsabilla Anisyah, Ani Asep Wahyudin Eddy Prasetyo Nugroho Erlangga Erlangga Fadhilah, Ibnu Fadilah, Alvon Gumelar, Firmansyah Himmah, Amirah Dzatul Julianti, Amelia Zalfa Julianti, Sukma Kanaya, Salsabila Khairunnisa, Ratu Syahirah Kusnendar, Jajang Laksana, Rexy Putra Nur Lala Septem Riza Maharani, Fenny Feronika Maulana R, M Rifky Munir Munir, Munir Nusratullo, Samialloi Piantari, Erna Prasetya, Hafidz Puspo Dewi Dirgantari Putra, Farhan Muzhaffar Tiras Rahman, M Ammar Fadhlur Ramadhany, Farhan Rasim, Rasim Robbani, Zuhal Rosyda, Miftahurrahma Samah, Khyrina Airin Fariza Abu Syauqi, Hanif Ahmad Topik Hidayat Wawan Setiawan Wibisono, Yudi Wihardi, Yaya Yudi Prasetyo Zain, Muhammad Iqbal