Claim Missing Document
Check
Articles

Found 35 Documents
Search

Muslim Investors' Behavior in Deciding to Invest in Sharia Shares in the Period 2018-2023: A Systematic Literature Review Taufik, Ghofar; Rusmana, Oman
Bukhori: Kajian Ekonomi dan Keuangan Islam Vol. 3 No. 1 (2023): Juli
Publisher : Penerbit Goodwood

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35912/bukhori.v3i1.2234

Abstract

Purpose: The author's goal in this study is to investigate the factors that influence Muslim investors' decisions to invest in Sharia-compliant shares. This study aims to provide a detailed description of insider investor decision-making behavior. Methodology: Using the Scopus database and Google Scholar, the author analyzed 10 articles published between 2018 and 2023 to map the pattern of behavior of Muslim investors in deciding whether to invest in Sharia shares. Data was collected and reviewed before doing an analysis review, followed by a systematic literature review to support the next study. Results: Findings and results highlight that the behavior of Muslim investors is influenced by several factors, like investor ethics, motivation, patterns of investment, and religious factors. While the factors that influence the decision to invest in Islamic stocks are the level of return and investment risk. The implications of this research are to provide an understanding of the factors that influence Muslim investors' decisions in choosing Islamic equity investments, to provide insight into past investment experiences that influence Muslim investors' decisions, to improve perceptions of the risk of investing in Islamic equities so that investors can reduce risk and achieve better results from their investments. In addition, Islamic financial institutions can provide good services to Muslim investors and the government can take more appropriate steps to develop the Islamic financial market.
ANALISIS PENGUKURAN USABILITY MOBILE BANKING DENGAN METODE USE QUESTIONNAIRE DAN IPA Rusman, Arief; Febrian, Zico; Nur Kholifah, Desiana; Taufik, Ghofar
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 3 (2024): JATI Vol. 8 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i3.9644

Abstract

Dalam industri perbankan, mengevaluasi layanan produk konsumen melibatkan tidak hanya pelayanan yang unggul, tetapi juga dukungan dari lembaga keuangan. Pelanggan mengharapkan kemudahan dan kecepatan dalam transaksi, serta kepuasan dari pengalaman menggunakan layanan perbankan. Oleh karena itu, diperlukan sistem yang efektif dan efisien untuk memenuhi kebutuhan nasabah. Peran teknologi sangat krusial dalam bisnis saat ini, terutama di sektor perbankan, di mana penggunaan teknologi terkini sangat penting untuk mendukung operasional sistem perbankan yang ada. Penelitian ini bertujuan mengevaluasi aplikasi mobile BCA dengan menggunakan Use Questionnaire dan IPA, juga memberikan rekomendasi kepada perusahaan berdasarkan hasil evaluasi untuk meningkatkan kualitas aplikasi mobile BCA. Temuan penelitian menyoroti pentingnya kemudahan pengenalan tampilan menu, pencarian halaman, dan proses pengunduhan aplikasi sebagai pertanyaan kunci yang esensial bagi pengguna, namun saat ini masih belum sepenuhnya memenuhi harapan mereka. Hasil dari penelitian ini dapat digunakan untuk mengakomodasi harapan pengguna dan mengadaptasi aplikasi dengan kebutuhan mereka. Meskipun demikian, terdapat aspek dari aplikasi yang telah memenuhi keinginan pengguna.
TECHNOLOGY ACCEPTANCE MODEL UNTUK ANALISIS KEPUASAN PENGGUNA TERHADAP DOMPET DIGITAL DANA DI KOTA BEKASI Sianturi, Julius Immanuel; Taufik, Ghofar; Lubis, Baginda Oloan; Laraswati, Dewi
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 6 (2024): JATI Vol. 8 No. 6
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i6.11982

Abstract

Dana adalah startup yang menyediakan platform elektronik yang memungkinkan orang-orang melakukan transaksi keuangan digital secara tunai maupun non tunai. Namun, Pengguna aplikasi Dana di Kota Bekasi sering kesulitan beradaptasi dengan fitur-fitur baru, sehingga sulit digunakan. Selain itu, aplikasi ini memerlukan jaringan internet yang cukup besar. Metode Technology Acceptance Model (TAM) diterapkan untuk menilai kepuasan pengguna dengan mengacu pada variabel Perceived Usefulness, Perceived Ease of Use, Attitude Toward Using, Behavior Intention to Use, serta Actual Use. Responden yang terlibat sebanyak 100 orang pengguna aplikasi Dana di Kota Bekasi. Pengujian dilakukan dengan memberikan kuesioner terkait tingkat kepuasan pengguna aplikasi Dana. Hasil pengujian menunjukkan variabel PU adalah sekitar 82,87%. Hal ini juga masuk dalam kategori sangat setuju. Variabel PEOU dengan persentase sebesar 80,73%, variabel ATU dengan persentase sebesar 78,73%, variabel BITU pada kategori “Sangat setuju”, dan variabel AU pada kategori “Sangat setuju” dengan persentase sebesar 77,20%. Berdasarkan hasil penelitian tersebut, dapat disimpulkan bahwa masyarakat di Kota Bekasi sangat puas dengan penggunaan aplikasi Dana
Metode Servqual Dalam Analisis Tingkat Kepuasan Pengguna Terhadap Website Informasi Pangan Jakarta (IPJ) Handrianto, Yopi; Taufik, Ghofar; Sutisna, Alifan Widad
Jurnal Infortech Vol 6, No 2 (2024): Desember 2024
Publisher : Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/infortech.v6i2.23584

Abstract

Abstrak  - Perusahaan Daerah Pasar Jaya resmi didirikan berdasarkan Keputusan Gubernur Kepala Daerah Khusus Ibukota Jakarta pada tanggal 24 Desember 1966. Pasar Jaya merupakan perusahaan milik Pemerintah Provinsi DKI Jakarta yang berperan dalam pengelolaan dan pengembangan pasar tradisional di wilayah Jakarta. Didirikan dengan tujuan untuk memastikan ketersediaan, kestabilan harga, dan distribusi pangan yang merata. Informasi Pangan Jakarta (IPJ) adalah website dan aplikasi mobile yang membantu mencari informasi mengenai bahan-bahan yang ada di pasar tradisional  Jakarta. Aplikasi tersebut diluncurkan pada 26 Juni 2014 dan dikembangkan oleh Tim Pengelola Inflasi Daerah (TPID) DKI Jakarta bekerja sama dengan Pemprov DKI Jakarta, Bank Indonesia, dan Perumda Pasar Jaya, masalah yang dihadapi pengguna website seperti lambatnya waktu muat, informasi harga yang tidak real-time, dan navigasi yang kurang ramah ponsel yang dapat mengurangi minat dan menghambat pengambilan keputusan. Tujuan dari penelitian ini, untuk menganalisis pengaruh kualitas layanan terhadap kepuasan pengguna pedagang pasar atau masyarakat.  Sampel terdiri dari 100 pedagang pasar di daerah Jakarta Pusat. Penelitian ini menggunakan deskriptif data dengan pendekatan kuantitatif dan menggunakan metode probability sampling dengan teknik random sampling yaitu teknik pengambilan sampel yang memberikan kesempatan yang sama kepada setiap anggota populasi untuk dijadikan sampel secara acak dengan menggunakan metode ServQual. Dari hasil pengujain uji F menjelaskan bahwa varianel kualitas layanan dengan dimensi tanggapan, keandalan, jaminan, empati dan bukti fisik berpengaruh secara simultan terhadap kepuasan pengguna dengan nilai nilai fhitung 13,776 melebihi nilai ftabel 2,298, dan nilai signifikansi <0,001 lebih kecil dari 0,05. Untuk variabel kualitas layanan (X) berpengaruh sebesar 42,3% terhadap kepuasan pengguna. Kata Kunci: Kualitas Layanan, Kepuasan Pengguna, Informasi Pangan Jakarta, Metode ServQual
MODEL PENDUKUNG KEPUTUSAN PEMILIHAN SMARTPHONE ANDROID TERBAIK DENGAN METODE SAW DAN MOORA Banu Dwi Hanggoro, Dimas; Taufik, Ghofar; Laraswati, Dewi; Sudradjat, Adjat; Komarudin, Ishak
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 3 (2025): JATI Vol. 9 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i3.13550

Abstract

Perkembangan teknologi smartphone yang pesat telah menciptakan beragam pilihan bagi konsumen, namun hal ini seringkali membingungkan dalam menentukan pilihan yang tepat sesuai kebutuhan dan preferensi. Banyak konsumen yang kurang memahami fitur dan spesifikasi yang ditawarkan, sehingga diperlukan suatu metode yang dapat membantu dalam pengambilan keputusan. Penelitian ini mengusulkan penggunaan metode Simple Additive Weighting (SAW) dan Multi-Objective Optimization on the basis of Ratio Analysis (MOORA) untuk mengevaluasi dan meranking smartphone Android terbaik berdasarkan kriteria yang telah ditetapkan, seperti harga, kamera, baterai, RAM, dan ROM. Tujuan dari penelitian ini adalah memberikan rekomendasi smartphone yang sesuai dengan preferensi konsumen. Metode yang diusulkan diharapkan dapat memberikan solusi yang efektif dan efisien dalam proses pemilihan smartphone. Hasil penelitian menunjukkan bahwa metode yang diusulkan efektif dalam mempermudah proses pengambilan keputusan, dengan Vivo Y100 sebagai pilihan terbaik berdasarkan skor tertinggi, diikuti oleh Samsung A15 dan Xiaomi Poco X5. Diharapkan penelitian ini dapat menjadi referensi bagi konsumen dalam memilih smartphone yang sesuai dengan kebutuhan mereka, serta memberikan wawasan lebih dalam mengenai kriteria yang perlu dipertimbangkan saat membeli smartphone.
Rw Segmentation Analysis for the Climate Village Program as a Basis for Planning in South Jakarta Using K-Means Clustering Marni Berek, Maria Susey; Taufiq, Ghofar; Chrisnawati, Giantika
Blueprint Journal Vol 1 No 2 (2025): Agustus: Blueprint Journal
Publisher : PT Yupin Felicitas Utama

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

Abstract

Climate change is a global issue that has multidimensional impacts on human life, including in Indonesia. In response to this challenge, the government developed the Climate Village Program (PROKLIM) which prioritizes community empowerment through a community-based approach. This program aims to strengthen climate change adaptation and mitigation efforts through participatory local resource management. This study uses the K-Means clustering method to group areas based on environmental characteristics at the Neighborhood Association (RW) level, in order to identify patterns and support decision making in effective environmental management. This study proves that the K-Means Clustering method is effective in grouping RWs in South Jakarta based on indicators relevant to the Climate Village Program (ProKlim). The latest report from the World Meteorological Organization (2024) states that 2023 was the hottest year in history, with an anomaly (Hasbullah & Assyahri, 2025) of global temperatures reaching 1.45°C above the average temperature in the pre-industrial era. Furthermore, the last nine years (2015–2023) were recorded as the period with the hottest consecutive temperatures in the history of climate records. The segmentation results show clear differences between groups in terms of levels of vulnerability to climate change, community engagement, and environmental preparedness. This grouping provides a strong, data-driven analytical basis, allowing the South Jakarta Environmental Agency (DLH) to use it as a strategic reference for more targeted and targeted planning and implementation of ProKlim. 
Analysis of Reading Interests of Visitors to the Library of State Junior High School 01 Salem Using the K-Means Clustering Algorithm Nurhotimah, Ica; Taufiq, Ghofar; Chrisnawati, Giantika
Blueprint Journal Vol 1 No 2 (2025): Agustus: Blueprint Journal
Publisher : PT Yupin Felicitas Utama

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

Abstract

Advances in information and communication technology have made information an important element in people's lives, including education and literacy. The high demand for information has encouraged the application of data mining techniques that combine statistics, mathematics, artificial intelligence, and machine learning to extract useful information from big data. In the context of libraries, data mining can be used to analyze borrowing and visit data to understand user needs patterns. In Indonesia, low reading interest remains a serious issue. Data from PISA (OECD) and UNESCO reports indicate that Indonesia's literacy skills and reading interest levels are below global standards. Many students are not accustomed to accessing reading materials outside of textbooks and rarely visit school libraries, which should serve as centers for literacy. The grouping was based on features such as student names, class, book titles along with publishers and authors, and the date and time of visits to the library. This data was categorized into three groups: high, moderate, and low reading interest. The clustering results using the K-Means Clustering algorithm at SMP Negeri 01 Salem show that the majority of students (118) fall into the low reading interest category, 13 students into the moderate category, and only 1 student (Dian) into the high reading interest category. Evaluating the quality of the clusters using the Davies–Bouldin Index (DBI) yielded a value of 0.2966, indicating very good cluster quality—a low DBI value indicates compact and clearly separated clusters. These results prove that the K-Means algorithm is effective in grouping students based on reading behavior. With this segmentation, schools can develop data-driven literacy strategies: tailoring book collections to each cluster's preferences, conducting special programs for students with low reading interest, and involving students with high reading interest as literacy ambassadors. This approach is expected to increase student engagement and strengthen the reading culture at school.
Analisis Pendeteksian dan Klasifikasi Produk di Lingkungan Supermarket Menggunakan Dataset Roboflow Yamani, Teuku Arrasy; Rofiqi, Ainur; Fauzan, Muhammad Indra; Sumanto, Sumanto; Taufiq, Ghofar; Kumalasari, Kumalasari
Jurnal Pustaka Data (Pusat Akses Kajian Database, Analisa Teknologi, dan Arsitektur Komputer) Vol 5 No 2 (2025): Jurnal Pustaka Data (Pusat Akses Kajian Database, Analisa Teknologi, dan Arsitekt
Publisher : Pustaka Galeri Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55382/jurnalpustakadata.v5i2.1468

Abstract

Kemajuan teknologi visi komputer telah memberikan kontribusi signifikan dalam bidang ritel, khususnya dalam pendeteksian dan klasifikasi produk di supermarket. Penelitian ini menganalisis kinerja model You Only Look Once (YOLO) dalam mengidentifikasi berbagai produk menggunakan dataset Roboflow yang berisi 1.200 citra dengan 10 kelas produk. Dataset mencakup variasi kondisi nyata, seperti perubahan pencahayaan, orientasi objek, serta kemunculan latar yang kompleks. Model dievaluasi menggunakan metrik precision, recall, dan mean Average Precision (mAP). Hasil menunjukkan bahwa YOLO mencapai mAP50 sebesar 0,95 dan mAP50–95 sebesar 0,89, menandakan akurasi deteksi yang tinggi. Sebagai kontribusi utama, penelitian ini membandingkan performa YOLO dengan arsitektur deteksi ringan seperti MobileNet-SSD, di mana YOLO menunjukkan hasil lebih stabil pada kondisi visual yang bervariasi. Temuan ini menegaskan bahwa YOLO efektif digunakan untuk otomatisasi inventori dan pemantauan stok di lingkungan ritel modern.Kata kunci: Deteksi objek, YOLO, Visi komputer, Klasifikasi produk supermarket, Dataset Roboflow.
Evaluasi Penerapan Sistem Kasir Pre-Order Berbasis Cloud Menggunakan Model HOT-FIT Utami, Elta Tri; Indarti, Indarti; Taufik, Ghofar; Laraswati, Dewi
RIGGS: Journal of Artificial Intelligence and Digital Business Vol. 4 No. 4 (2026): November - January
Publisher : Prodi Bisnis Digital Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/riggs.v4i4.3402

Abstract

Perkembangan teknologi informasi mendorong perusahaan untuk mengadopsi sistem digital guna meningkatkan efisiensi dan akurasi proses bisnis. Sistem kasir menjadi salah satu komponen penting, khususnya dalam pengelolaan transaksi pre-order yang memerlukan pencatatan data secara terintegrasi dan real-time. PT Multi Sarana Prima Nusantara, sebagai perusahaan distribusi mainan anak, mengimplementasikan software Accurate Online berbasis cloud untuk mendukung sistem kasir pre-order. Namun, dalam penerapannya masih ditemukan berbagai kendala, seperti adaptasi pengguna terhadap teknologi baru, keterbatasan pelatihan, serta kesesuaian antara sistem, organisasi, dan teknologi. Penelitian ini bertujuan untuk mengevaluasi penerapan software Accurate Online sebagai sistem kasir pre-order menggunakan model Human, Organization, and Technology–Fit (HOT-FIT). Metode penelitian yang digunakan adalah pendekatan kualitatif deskriptif dengan desain studi kasus. Data dikumpulkan melalui penyebaran kuesioner dan wawancara kepada karyawan yang terlibat langsung dalam penggunaan sistem. Hasil penelitian menunjukkan bahwa dari aspek human, sebagian besar pengguna memiliki persepsi positif terhadap penggunaan Accurate Online karena dinilai mudah dipahami dan mampu meningkatkan efisiensi kerja, meskipun masih diperlukan pelatihan yang lebih merata. Dari aspek organization, perusahaan telah menyediakan dukungan manajemen, SOP, serta dukungan teknis yang cukup memadai. Sementara itu, dari aspek technology, Accurate Online dinilai user-friendly, efektif dalam pengelolaan transaksi pre-order, dan mampu menyajikan laporan penjualan serta stok dengan kecepatan yang baik, walaupun masih terdapat kendala stabilitas sistem. Secara keseluruhan, penerapan Accurate Online dinilai efektif dan direkomendasikan untuk digunakan secara berkelanjutan dengan perbaikan pada aspek pelatihan dan kestabilan sistem.
Implementasi Lightweight Neural Network Berbasis YOLOv8n untuk Klasifikasi Sampah Real-Time Ali, Muhamad Hafis; Sulaiman, Sulaiman; Ardiyansyah, Rizqi; Sumanto, Sumanto; Taufiq, Ghofar; Kumalasari, Jefina Tri
Semnas Ristek (Seminar Nasional Riset dan Inovasi Teknologi) Vol 10, No 1 (2026): SEMNAS RISTEK 2026
Publisher : Universitas Indraprasta PGRI

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30998/semnasristek.v10i1.8895

Abstract

Penelitian ini bertujuan untuk mengembangkan sistem klasifikasi sampah real-time yang efisien pada perangkat edge dengan memanfaatkan arsitektur Deep Learning ringan berbasis YOLOv8. Klasifikasi sampah otomatis merupakan solusi krusial dalam Smart Waste Management, namun model jaringan saraf tiruan yang kompleks sering terkendala oleh keterbatasan sumber daya komputasi pada perangkat IoT. Penelitian ini menerapkan model YOLOv8n (nano) menggunakan teknik Transfer Learning untuk menyeimbangkan akurasi deteksi dan efisiensi komputasi. Dataset yang digunakan bersumber dari repositori publik Roboflow sebanyak 1.123 citra yang telah melalui proses augmentasi. Hasil pelatihan selama 50 epoch menunjukkan performa impresif dengan nilai mean Average Precision (mAP@50) mencapai 0.995, Presisi 0.998, dan Recall 1.0. Selain itu, model memiliki ukuran file yang sangat ringkas (±6 MB) dengan kecepatan inferensi yang memadai untuk operasi real-time. Hasil penelitian ini membuktikan bahwa algoritma lightweight neural network mampu diimplementasikan secara efektif untuk mendukung sistem pemilahan sampah cerdas berbasis Computer Vision.