Claim Missing Document
Check
Articles

Found 3 Documents
Search

PENERAPAN DESIGN THINKING DALAM PERANCANGAN UIUX PADA JUALKEUN (APLIKASI E-COMMERCE BARANG SECOND) Abdul Latief, Muhammad
PROSISKO: Jurnal Pengembangan Riset dan Observasi Sistem Komputer Vol. 11 No. 2 (2024): Prosisko Vol. 11 No. 2 September 2024
Publisher : Pogram Studi Sistem Komputer Universitas Serang Raya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30656/prosisko.v11i2.8715

Abstract

Generasi Z menyukai praktik "Thrifting" atau membeli barang-barang second, tidak dapat disangkal bahwa Thrifting telah mendapatkan popularitas di berbagai kelompok sosial. Membeli barang second dikatakan dapat membantu mengatasi masalah lingkungan dan mengurangi pengeluaran. Penelitian ini bertujuan untuk merancang UIUX sebuah aplikasi mobile berupa e-commerce yang menyediakan jasa jual beli barang second dengan high quality tetapi tetap lebih murah dari harga barunya. Penelitian ini berhasil mengimplementasikan prinsip design thinking dalam pembuatan UIUX aplikasinya. Melalui penelitian ini, diharapkan dapat menjadi referensi design aplikasi agar selanjutnya dapat dikembangkan menjadi sebuah software aplikasi yang siap untuk digunakan. Kata Kunci: design thinking, e-commerce, thrifting, UIUX
Implementasi Platform Penjualan Berbasis Web dengan Fitur Payment Gateway Pada Shopfish Aquarium Kudus Abdul Latief, Muhammad; Yudie Irawan; Fajar Nugraha
JEKIN - Jurnal Teknik Informatika Vol. 5 No. 1 (2025)
Publisher : Yayasan Rahmatan Fidunya Wal Akhirah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58794/jekin.v5i1.1279

Abstract

Shopfish Aquarium di Kudus, Jawa Tengah, menghadapi tantangan dalam pengelolaan bisnis yang masih dilakukan secara manual, seperti pencatatan transaksi, pemesanan, dan laporan keuangan. Sistem yang ada tidak terintegrasi, meningkatkan risiko kesalahan dan memperlambat operasional. Penelitian ini bertujuan untuk merancang dan membangun sistem informasi penjualan berbasis web yang dapat mengelola data pelanggan, pemesanan, serta laporan keuangan secara otomatis. Sistem ini juga dilengkapi dengan payment gateway dan notifikasi WhatsApp untuk meningkatkan fleksibilitas dan kepuasan pelanggan. Hasil pengembangan sistem menunjukkan peningkatan efisiensi operasional, pengurangan kesalahan pencatatan, serta kemudahan dalam pemantauan status pesanan. Sistem ini juga mendukung pengambilan keputusan yang lebih baik bagi manajemen dan memperluas jangkauan pasar.
Gambling Comments Detection on Youtube: A Comparative Study of Tree-Based Boosting, LSTM and GRU Models Widiyanto, Agung; Prameswari, Mayesq; Abdul Latief, Muhammad
JUTI: Jurnal Ilmiah Teknologi Informasi Vol.23, No.2, July 2025
Publisher : Department of Informatics, Institut Teknologi Sepuluh Nopember

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/j24068535.v23i2.a1305

Abstract

The exponential growth of online gambling in Indonesia poses significant socio-economic challenges, particularly affecting vulnerable populations through sophisticated digital marketing strategies targeting social media platforms. This study addresses the critical need for automated detection systems to identify gambling-related content in YouTube comments. We scraped and manually labeled 11,673 comments from diverse YouTube videos, creating an extremely imbalanced dataset with gambling comments representing only 10% of the total data. Multiple machine learning approaches were developed and evaluated, comparing traditional gradient boosting methods (LightGBM, XGBoost, CatBoost) using TF-IDF features against deep learning models (LSTM & GRU) with Word2Vec embeddings. The experimental results demonstrate that gradient boosting methods significantly outperform deep learning approaches in generalization capability. LightGBM achieved the highest holdout F1-score with balanced precision (0.8912) and recall (0.8886), while XGBoost followed closely with comparable performance. In contrast, deep learning models exhibited severe overfitting, with GRU and LSTM showing excellent test performance but drastically reduced holdout recall (0.5022 and 0.4844, respectively). The findings indicate that the dataset size was insufficient for deep learning approaches to learn generalizable representations effectively. For practical deployment in YouTube gambling content detection, gradient boosting methods are recommended due to their superior performance with limited, imbalanced datasets.