Claim Missing Document
Check
Articles

Found 13 Documents
Search

Pengaruh Kualitas Layanan Mobile Banking (Capital Flex) Terhadap Kepuasan Nasabah Bank Capital Hakim, Lukman Al; Daylami, Ilham; Purnama, Diki Gita
COMSERVA : Jurnal Penelitian dan Pengabdian Masyarakat Vol. 4 No. 6 (2024): COMSERVA : Jurnal Penelitian dan Pengabdian Masyarakat
Publisher : Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59141/comserva.v4i6.2482

Abstract

Penelitian ini melibatkan 100 nasabah pengguna Capital Flex yang menggunakan layanan mobile banking Bank Capital. Tujuan dari penelitian ini adalah untuk menemukan faktor-faktor yang memengaruhi kepuasan nasabah Bank Capital dengan layanan Mobile Banking mereka. Data utama dikumpulkan melalui kuesioner yang disebar melalui platform Google Forms dengan skala Likert. Program SPSS digunakan untuk menganalisis data. Penelitian ini menggunakan pendekatan kuantitatif dengan metode simple random sampling. Hasil penelitian menunjukkan bahwa elemen tangibility dan assurance memiliki pengaruh positif tetapi tidak signifikan terhadap kepuasan nasabah, reliability dan empati memiliki pengaruh positif dan signifikan terhadap kepuasan nasabah, responsivitas tidak berpengaruh signifikan terhadap kepuasan nasabah, Bank Capital harus terus meningkatkan layanan mobile banking mereka, yang disebut Capital Flex, untuk lebih memenuhi harapan dan kebutuhan nasabah.
Penerapan Augmented Reality Untuk Memperkenalkan Hewan Langka Berbasis Android Parera, Gilbert Jason; Purnama, Diki Gita; Pratama, Andryan Yudha
COMSERVA : Jurnal Penelitian dan Pengabdian Masyarakat Vol. 4 No. 7 (2024): COMSERVA : Jurnal Penelitian dan Pengabdian Masyarakat
Publisher : Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59141/comserva.v4i7.2698

Abstract

Hewan langka jumlahnya semakin berkurang dan terancam kepunahan, memperkenalkan hewan langka diperlukan untuk meningkatkan kesadaran masyarakat untuk melindunginya. Penelitian ini bertujuan mengaplikasikan teknologi augmented reality untuk membuat aplikasi pengenalan hewan langka berbasis android. Metode penelitian yang digunakan adalah metode penelitian kualitatif deskriptif dari metode pengembangan sistem waterfall dengan menggunakan tools seperti Unity 3D dan Vuforia. Penelitian ini melibatkan murid dan guru sekolah SD PSKD 6 dengan jumlah partisipan sebanyak 30 orang. Tahapan penelitian terdiri dari pengumpulan kebutuhan, tahap kedua yaitu tahap perancangan dan pemodelan menggunakan Unified Modeling Language yang mencakup Usecase Diagram dan Activity Diagram. Tahap ketiga adalah Implementasi, tahap keempat adalah tahap verifikasi dan tahap kelima dan terakhir adalah tahap pemeliharaan. Hasil penelitian menunjukkan bahwa Aplikasi AR untuk pengenalan hewan langka menggunakan Unity berhasil memberikan pengalaman interaktif kepada pengguna untuk menjelajahi dan mempelajari hewan-hewan langka secara mendalam, termasuk fitur-fitur rotasi, suara, dan informasi detail yang memperkaya pengalaman pengguna.
Perancangan Early Warning System Berbasis Data Warehouse untuk Pencegahan Mahasiswa Drop Out Syalevi, Rahmad; Purnama, Diki Gita; Ayu, Jenar Mahesa
The Indonesian Journal of Computer Science Vol. 15 No. 1 (2026): The Indonesian Journal of Computer Science
Publisher : AI Society & STMIK Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33022/ijcs.v15i1.5075

Abstract

Higher education institutions require integrated, analytics-based data management to support strategic decision-making and student drop out prevention. This study aims to design a Data Warehouse (DW) model as the foundation for an Early Warning System (EWS) to detect student drop out risks at Universitas Paramadina. The DW is designed using the Kimball lifecycle approach with a star schema implementation, integrating data from multiple business processes such as academics, finance, and LMS activities. The EWS is developed using a supervised learning classification approach, utilizing Logistic Regression as the baseline model and proposing Random Forest for advanced modeling. The results demonstrate that an integrated DW effectively supports machine learning-based predictive analytics and serves as a strategic framework for proactive student drop out prevention.