Article Per Year (5 Year)
p-Index From 2021 - 2026
0.61
P-Index
This Author published in this journals
All Journal Jurnal Eksplora Informatika KOMNET : Jurnal Komputer, Jaringan dan Internet
Yuswanto, Dery
Unknown Affiliation
Computer Science & IT Mathematics Other

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
Analisis Pengaruh Harga Jual dan Social Proof dalam Menentukan Keputusan Pembelian Barang Pada Website E-Commerce Yuswanto, Dery; Herwinsyah, Herwinsyah; Fatwanto, Agung
Jurnal Eksplora Informatika Vol 12 No 2 (2023): Jurnal Eksplora Informatika
Publisher : Institut Teknologi dan Bisnis STIKOM Bali

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30864/eksplora.v12i2.1041

Abstract

Perkembangan teknologi dan internet telah mengubah cara konsumen melakukan transaksi pembelian. E-commerce menjadi salah satu platform utama yang memudahkan konsumen untuk mencari dan membeli berbagai produk secara online. Dalam lingkungan e-commerce, konsumen sering dihadapkan pada berbagai faktor yang memengaruhi keputusan pembelian mereka. Harga jual dan social proof merupakan dua elemen krusial dalam ekosistem e-commerce yang secara signifikan memengaruhi preferensi dan keputusan konsumen. Harga jual sebagai faktor ekonomis utama seringkali menjadi pertimbangan utama konsumen dalam memilih produk yang akan dibeli. Di sisi lain, social proof, yang mencakup ulasan pelanggan, testimoni, dan rating produk, memiliki peran penting dalam membentuk persepsi konsumen terhadap kredibilitas dan kualitas suatu produk. Bagaimana harga jual dan social proof saling berinteraksi dan berdampak pada keputusan pembelian konsumen menjadi semakin penting. Penelitian ini bertujuan untuk menganalisis pengaruh harga jual dan social proof terhadap keputusan pembelian barang pada website e-commerce. Metode penelitian yang dilakukan dengan membagikan kuesioner kepada responden yang telah ditetapkan yaitu dengan cara menyebarkan kepada 40 responden yang merupakan pengguna informasi digital sebuah aplikasi website E-Commerce Shoope. Kemudian dilakukan analisis data dengan beberapa pengujian seperti uji validitas, uji reabilitas, uji normalitas, uji regresi linier berganda dan uji hipotesis. Hasilnya Social proof dan harga jual berpengaruh pada keputusan pembelian pelanggan berikutnya. Social proof meningkatkan keputusan pembelian sebesar 0,149, sedangkan harga meningkatkan sebesar 0,486. Pengaruh Social Proof dan Harga jual memiliki korelasi kuat sebesar 67,2%. Terdapat pengaruh bersama-sama antara Social Proof dan Harga terhadap keputusan pembelian, dan pengaruh harga jual lebih berpengaruh dalam meningkatkan minat belanja online. Sebesar 97,5% responden memilih belanja online di E-Commerce karena harga lebih murah. Harga yang ditawarkan harus sesuai dengan produk yang diperoleh untuk meningkatkan minat pengguna E-Commerce.
Analisis Pengaruh Harga Jual dan Social Proof dalam Menentukan Keputusan Pembelian Barang Pada Website E-Commerce Yuswanto, Dery; Herwinsyah, Herwinsyah; Fatwanto, Agung
Eksplora Informatika Vol 12 No 2 (2023): Jurnal Eksplora Informatika
Publisher : Institut Teknologi dan Bisnis STIKOM Bali

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30864/eksplora.v12i2.1041

Abstract

Perkembangan teknologi dan internet telah mengubah cara konsumen melakukan transaksi pembelian. E-commerce menjadi salah satu platform utama yang memudahkan konsumen untuk mencari dan membeli berbagai produk secara online. Dalam lingkungan e-commerce, konsumen sering dihadapkan pada berbagai faktor yang memengaruhi keputusan pembelian mereka. Harga jual dan social proof merupakan dua elemen krusial dalam ekosistem e-commerce yang secara signifikan memengaruhi preferensi dan keputusan konsumen. Harga jual sebagai faktor ekonomis utama seringkali menjadi pertimbangan utama konsumen dalam memilih produk yang akan dibeli. Di sisi lain, social proof, yang mencakup ulasan pelanggan, testimoni, dan rating produk, memiliki peran penting dalam membentuk persepsi konsumen terhadap kredibilitas dan kualitas suatu produk. Bagaimana harga jual dan social proof saling berinteraksi dan berdampak pada keputusan pembelian konsumen menjadi semakin penting. Penelitian ini bertujuan untuk menganalisis pengaruh harga jual dan social proof terhadap keputusan pembelian barang pada website e-commerce. Metode penelitian yang dilakukan dengan membagikan kuesioner kepada responden yang telah ditetapkan yaitu dengan cara menyebarkan kepada 40 responden yang merupakan pengguna informasi digital sebuah aplikasi website E-Commerce Shoope. Kemudian dilakukan analisis data dengan beberapa pengujian seperti uji validitas, uji reabilitas, uji normalitas, uji regresi linier berganda dan uji hipotesis. Hasilnya Social proof dan harga jual berpengaruh pada keputusan pembelian pelanggan berikutnya. Social proof meningkatkan keputusan pembelian sebesar 0,149, sedangkan harga meningkatkan sebesar 0,486. Pengaruh Social Proof dan Harga jual memiliki korelasi kuat sebesar 67,2%. Terdapat pengaruh bersama-sama antara Social Proof dan Harga terhadap keputusan pembelian, dan pengaruh harga jual lebih berpengaruh dalam meningkatkan minat belanja online. Sebesar 97,5% responden memilih belanja online di E-Commerce karena harga lebih murah. Harga yang ditawarkan harus sesuai dengan produk yang diperoleh untuk meningkatkan minat pengguna E-Commerce.
Network Intrusion Detection Using Machine Learning in Network Intrusion Detection Systems (NIDS) Jansen, Arnoldus; Yuswanto, Dery; Styawan, Budi; Girinata, I Made Candra
KOMNET : Jurnal Komputer, Jaringan dan Internet Vol. 4 No. 1 (2025)
Publisher : Pusat Penelitian dan Pengabdian Politeknik Negeri Tanah Laut

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34128/yt59ac51

Abstract

Computer network security has become a crucial aspect as dependence on network-based services increases. One important mechanism in maintaining network security is the Network Intrusion Detection System (NIDS), which functions to detect suspicious activity or attacks on network traffic. The traditional signature-based approach has limitations in detecting new attacks (zero-day attacks). Therefore, this study proposes the application of Machine Learning and Deep Learning methods to improve network intrusion detection capabilities. The CIC-IDS2017 dataset was used as the data source because it represents various types of modern network attacks. The research stages included data pre-processing, feature selection, model training, and performance evaluation using accuracy, precision, recall, and F1-score metrics. The models used include Random Forest as a representation of Machine Learning and Long Short-Term Memory (LSTM) as a representation of Deep Learning. The results show that the Deep Learning approach is capable of providing better detection performance on complex attacks compared to conventional Machine Learning methods. This research is expected to serve as a reference in the development of adaptive and accurate network intrusion detection systems.
Co-Authors Agung Fatwanto, Agung Girinata, I Made Candra Herwinsyah Jansen, Arnoldus Styawan, Budi