Article Per Year (5 Year)
p-Index From 2021 - 2026
0.408
P-Index
This Author published in this journals
All Journal Kohesi: Jurnal Sains dan Teknologi Uranus: Jurnal Ilmiah Teknik Elektro, Sains dan Informatika
Yazid Fauzan Nur Ashfani
Unknown Affiliation
Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Computer Science & IT Education Energy Engineering Other

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

Found 2 Documents
Search

 1 
ANALISIS USER EXPERIENCE PADA APLIKASI SHOPEE BERBASIS ANDROID DAN WEBSITE Fadhlullah Yoga Wicahyono; Faiz Danendra Ahnaf Pasa; Moh. Rifqi Nurfaisandi; Yazid Fauzan Nur Ashfani; Lexy Bayu Eka
Kohesi: Jurnal Sains dan Teknologi Vol. 3 No. 10 (2024): Kohesi: Jurnal Sains dan Teknologi
Publisher : CV SWA Anugerah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.3785/kohesi.v3i10.4094

Abstract

Di era globalisasi, masyarakat lebih memilih berbelanja di platform digital. Sebab, platform digital dinilai lebih cepat dan efektif. Analisis user experience ini bertujuan untuk mengetahui kemudahan pengguna shopee berbasis android dan website. Metode analisis penelitian kualitatif yang dikenal sebagai analisis varians digunakan untuk mengevaluasi setiap situasi di mana penulis membuat komentar menggunakan deskriptif. Pada penelitian ini menggunakan metode pengumpulan data melalui kuisioner online yang disebarkan kepada pengguna Shopee hasil perbandingan pengguna shopee versi android atau website dengan menggunakan kuisioner untuk pembandingnya. Dari data yang di peroleh pengguna shopee pada aplikasi android 76,2%, dan 19% untuk pengguna shopee yang menggunakan kedua platform website atau melalui android, dan sisanya menggunakan shopee website. Data dikumpulkan dari kuesioner dengan empat variabel UX, diuji validitas dan reliabilitasnya dengan 30 dan 100 responden mahasiswa Universitas Muhammadiyah Ponorogo.Hasil menunjukkan mayoritas pengguna Shopee menggunakan versi Android (76,2%), dengan durasi utama 1-2 tahun (40,5%). Pengguna merasa aplikasi lebih mudah digunakan di Android (66,7%) dibandingkan website (46,3%). Proses pembayaran lebih memuaskan di Android (54,8%) dibandingkan website (31,7%).
Klasifikasi Jenis Buah Jeruk Menggunakan Metode Convolutional Neural Network: Deep Learning Studi Yazid Fauzan Nur Ashfani; Yovi Litanianda; Rizqy Amalia Putri
Uranus: Jurnal Ilmiah Teknik Elektro, Sains dan Informatika Vol. 2 No. 2 (2024): Juni: Uranus: Jurnal Ilmiah Teknik Elektro, Sains dan Informatika
Publisher : Asosiasi Riset Teknik Elektro dan Informatika Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61132/uranus.v2i2.129

Abstract

This study analyzes the use of deep learning, primarily Convolutional Neural Networks (CNN), to categorize various types of citrus fruits. The study attempts to create an automated system that can accurately categorize citrus fruit kinds using image processing techniques. The collection contains 40 photos of four different citrus fruit types: pomelo, mandarin orange, kaffir lime, and lime. The methodology entails gathering photos, preprocessing them to improve quality, and then training a CNN model to classify the fruit varieties. The results show a high accuracy rate of 95% in classifying fruit types, demonstrating that the CNN model is effective for this task. The findings indicate that increasing the dataset and including other fruit species could significantly boost the system's accuracy.
Co-Authors Fadhlullah Yoga Wicahyono Faiz Danendra Ahnaf Pasa Lexy Bayu Eka Moh. Rifqi Nurfaisandi Rizqy Amalia Putri Yovi Litanianda