Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal JUITA : Jurnal Informatika Proceeding of Informatics Collaborations and Dessimenation Meeting (Infocoding)
Bella Saphira
Universitas Ahmad Dahlan
Computer Science & IT

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Electroencephalogram as a Validation Method in Usability Testing Guntur Maulana Zamroni; Dinan Yulianto; Bella Saphira; Fadel N. Akhmad; Fakhira A. Zahrah
JUITA: Jurnal Informatika JUITA Vol. 11 No. 1, May 2023
Publisher : Department of Informatics Engineering, Universitas Muhammadiyah Purwokerto

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30595/juita.v11i1.16000

Abstract

Usability testing is a recommended main testing method to evaluate the usability or ease of use of a software. However, this approach can induce bias. Usability testing with survey method using questionnaire instruments and interview has a risk of generating lack of objectivity from the participants because the facilitator can influence the evaluation results. The evaluation process is not optimal and the biases that arise from usability testing can affect the success or failure of a software in the market. A method for validating usability testing results needs to be studied to ensure whether the test results obtained are valid and unbiased. Electroencephalogram (EEG) is one of the tool that can be used to validate usability testing. This study aims to conduct usability testing of the three most popular e-marketplace applications in Indonesia. From the results it can be seen that usability testing using user-based testing gives a fairly good result in term of accuracy. Usability testing using EEG gives lower results than user-based testing. Nevertheless, we cannot rule out EEG as a usability testing method in the future.
Klasifikasi Tingkat Kematangan Buah Alpukat Berdasarkan Citra Hiperspektral menggunakan Convolutional Neural Network Murinto Murinto; Bella Saphira; Utin Dhea Artyandra
Proceeding of Informatics Collaborations and Dessimenation Meeting Vol. 1 No. 1 (2025)
Publisher : Universitas Muhammadiyah Surakarta

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

Abstract

Alpukat merupakan salah satu buah yang jarang matang di pohonnya. Hal ini dikarenakan daun pohon alpukat menghasilkan zat penghambat pematangan yang diteruskan ke buah alpukat melalui tangkai bunga. Oleh karena itu, diperlukan pengelolaan pasca panen untuk mengetahui status tingkat kematangan alpukat. Agar kualitas rantai pasok tetap terjamin saat diekspor atau ditempatkan di toko buah, diperlukan suatu metode yang dapat menentukan tingkat kematangan alpukat dengan baik. Pada penelitian ini digunakan 4 model klasifikasi untuk digunakan dalam mengklasifikasikan citra buah alpukat, yaitu Suppoert Vector Machine (SVM), Resnet-18, VGG16 dan MobileNetV2 arsitektur Convolutional Neural Network (CNN). Citra alpukat yang digunakan dalam penelitian ini merupakan citra hiperspektral yang kemudian direduksi menggunakan teknik principal component analysis (PCA) dan format RGB. Ketiga jenis format citra tersebut kemudian diklasifikasi menggunakan SVM dan 3 model CNN Resnet-18, VGG16 dan MobileNetV2 tersebut. Hasil percobaan menunjukkan bahwa model VGG16 memiliki nilai akurasi paling tinggi. Akurasi overall diperoleh sebesar 0.8202 atau 82,02% , nilai F1-score sebesar 0.8105 atau 81,05% dan presisi sebesar 0.8210 atau 82,10% saat menggunakan citra dari semua kanal hiperspektral. Selanjutnya metode lain dapat digunakan untuk meningkatkan nilai akurasi seperti melakukan perubahan parameter optimasi CNN agar diperoleh hasil yang lebih optimal.
Co-Authors Fadel N. Akhmad Fakhira A. Zahrah Guntur Maulana Zamroni Murinto Murinto Utin Dhea Artyandra Yulianto, Dinan