Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal Jurnal Teknologi Informatika dan Komputer BULETIN FISIKA
Iin Seprina
Universitas Sriwijaya
Astronomy Computer Science & IT Electrical & Electronics Engineering Energy Materials Science & Nanotechnology Medicine & Pharmacology Physics

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

Found 2 Documents
Search

 1 
Pengukuran Usability System Aplikasi JMO Menggunakan USE Questionnaire (Studi Kasus PT Sapta Sari Tama Cabang Palembang) Irpan Irpan; Iin Seprina
Jurnal Teknologi Informatika dan Komputer Vol. 9 No. 2 (2023): Jurnal Teknologi Informatika dan Komputer
Publisher : Universitas Mohammad Husni Thamrin

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37012/jtik.v9i2.1733

Abstract

PT Sapta Sari Tama Palembang bergerak di bagian distributor semua barang-barang farmasi contohnya obat-obatan yang aman dan juga sudah dalam pengawasan BPOM (Badan pengawasan obat dan makanan). PT Sapta Sari Tama Palembang sebagai perusahaan yang sudah bekerja sama dengan BPJS Ketenagakerjaan dan juga sudah menggunakan aplikasi Jamsostek  Mobile (JMO). Aplikasi JMO adalah salah satu aplikasi yang bersifat mobile untuk memberi pelayanan kepada anggota khususnya terkait ketenagakerjaan. Karyawan PT Sapta Sari Tama cabang Palembang sebelum menggunakan aplikasi JMO memiliki permasalahan terkait dengan informasi dana Jaminan Hari Tua (JHT). Tujuan dari penelitian ini untuk mengukur Aplikasi JMO secara terperinci. Penelitian ini mengukur kemudahan dari pengguna aplikasi dari segi Efficiency (Efisiensi), Memorability (Mudah diingat), Learnability (Kemudahan) Satisfaction (Kesalahan dan Kepuasan), Errors (Keamanan). Pengukuran ini bermanfaat untuk keberlangsungan dan perkembangan Aplikasi. Adapun alat yang dipakai untuk evaluasi dalam pengukuran adalah usability dengan menggunakan USE Questionnaire. Terdapat beberapa aspek usability diantaranya adalah kegunaan (usefulness), kepuasan (satisfaction), kemudahan belajar (ease of learning), dan kemudahan pengguna (ease of use). Jumlah sampel pada penelitian ini sebanyak 92 responden. Hasil nilai yang didapatkan dari masing-masing aspek Usability adalah aspek Ease Of Use mendapatkan kelayakan 90%, Ease Of Learning mendapatkan kelayakan 89%, Satisfaction mendapatkan kelayakan 89%, Usefulness mendapatkan kelayakan sebesar 91%, perhitungan dari semua Hasil Usability mendapatkan kelayakan 92%, maka Aplikasi JMO sangat layak digunakan oleh atasan maupun karyawan dikarenakan aplikasi ini mudah dipelajari, mudah digunakan, dan dapat memberikan kepuasan dan juga sangat berguna bagi pengguna pada PT Sapta Sari Tama Cabang Palembang.
Machine Learning to Predict Climate Change in Coastal Areas of Indonesia Huriyatul Firdausi; Melly Ariska; Sardianto Marcos Siahaan; Hamdi Akhsan; Yenny Anwar; Iin Seprina; Taufiq Taufiq
BULETIN FISIKA Vol. 27 No. 1 (2026): BULETIN FISIKA
Publisher : Departement of Physics Faculty of Mathematics and Natural Sciences, and Institute of Research and Community Services Udayana University, Kampus Bukit Jimbaran Badung Bali

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24843/BF.2026.v27.i01.p05

Abstract

Indonesia's coastal regions face significant threats from climate change, including rainfall uncertainty, rising temperatures, and sea level rise. This study aims to explore the potential of machine learning algorithms in predicting climate parameter changes in the coastal areas of Minangkabau, Pesawaran, and Maritim Panjang. Daily climatological data obtained from the Meteorology, Climatology, and Geophysics Agency (BMKG) were used as the basis for model training. Three primary algorithms were tested Random Forest, XGBoost, and Long Short-Term Memory (LSTM) selected for their capability to handle complex and temporal data. The research methodology included data preprocessing, model training, cross-validation, and predictive performance evaluation using metrics such as Root Mean Square Error (RMSE), Mean Absolute Error (MAE), and the coefficient of determination (R²). Preliminary results show that LSTM excels in time series prediction, while XGBoost offers a good balance between speed and accuracy. These findings indicate that machine learning-based approaches have strong potential as decision-support tools for climate change mitigation and adaptation planning in Indonesia’s coastal regions.
Co-Authors Hamdi Akhsan Huriyatul Firdausi Irpan Irpan Melly Ariska Sardianto Markos Siahaan Taufiq Taufiq Yenny Anwar