Garuda - Garba Rujukan Digital

Perancangan Design Prototype UI/UX Aplikasi TICCON Menggunakan Metode Design Thinking Bismi, Waeisul; Putri, Halimmatussa’diyah; Qomaruddin, Muhammmad; Putri, Destiana
IMTechno: Journal of Industrial Management and Technology Vol. 6 No. 1 (2025): Vol. 6 No. 1 (2025): Januari 2025
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/imtechno.v6i1.6929

Penelitian ini bertujuan menerapkan perancangan prototype UI/UX aplikasi TICCON menggunakan Figma dan metode Design Thinking. Pendekatan Design Thinking dipilih untuk memahami kebutuhan pengguna secara mendalam. Tahapan empat langkah, yaitu pemahaman (empathize), penentuan masalah (define), eksplorasi solusi (idate), membuat prototipe (prototype) dan pengujian (test), digunakan untuk menggali wawasan berharga dalam perancangan aplikasi. Data diperoleh dari wawancara dan survei untuk mengidentifikasi preferensi dan masalah calon pengguna. Hasil analisis digunakan dalam perancangan prototype UI/UX aplikasi TICCON melalui Figma dengan kolaborasi tim desain. Metode Design Thinking memastikan pengalaman pengguna yang memuaskan dan sesuai dengan kebutuhan pengguna. Fitur-fitur relevan dan interaksi intuitif diimplementasikan dalam desain, meningkatkan kualitas pengalaman pengguna secara keseluruhan. Penelitian ini berpotensi memberikan sumbangan penting dalam pengembangan aplikasi mobile dengan fokus pada desain prototype UI/UX seperti tampilan menarik, navigasi mudah, proses pembayaran yang sederhana, kualitas produk yang terjamin, dan fitur untuk memberikan umpan balik. Pendekatan yang digunakan dapat menjadi panduan bagi pengembangan aplikasi lainnya. Diharapkan aplikasi TICCON dengan desain prototype UI/UX yang diimplementasikan dapat memenuhi kebutuhan pengguna serta meningkatkan teknologi dan kepuasan pengguna pada aplikasi mobile dibidang E-Commerce yang semakin kompetitif.

Rancang Bangun Sistem Informasi Terintegrasi Untuk Donasi Dan Barter Barang Berbasis Website Bismi, Waeisul; Qomaruddin, Muhammmad; Sakata, Yama Sulkhan
IMTechno: Journal of Industrial Management and Technology Vol. 6 No. 2 (2025): Vol. 6 No. 2 (2025): Juli 2025
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/imtechno.v6i2.8256

Perkembangan teknologi digital telah membawa perubahan signifikan dalam berbagai aspek kehidupan manusia, termasuk dalam cara masyarakat melakukan transaksi dan berbagi bantuan. Namun, integrasi antara sistem barter dan donasi dalam satu platform berbasis digital masih relatif jarang dieksplorasi. Penelitian ini bertujuan untuk merancang dan membangun sebuah sistem informasi terintegrasi berbasis website yang memungkinkan pengguna untuk menukar barang secara barter sekaligus berdonasi dengan lebih mudah dan efisien. Dengan adanya platform ini, individu yang memiliki barang tidak terpakai dapat menukarkannya dengan barang lain yang dibutuhkan atau menyumbangkannya kepada pihak yang lebih membutuhkan. Pengembangan sistem ini menggunakan metode Waterfall, yang terdiri dari tahapan analisis kebutuhan, perancangan sistem, pengembangan, pengujian, dan pemeliharaan. Desain sistem mencakup pembuatan logical relationship schema, UML, struktur navigasi, activity Diagram, dan class Diagram untuk memastikan integrasi yang baik antara fitur barter dan donasi. Hasil pengujian menunjukkan bahwa sistem yang dibangun dapat berjalan dengan baik dalam memfasilitasi proses pencocokan mitra barter dan penyaluran donasi secara efektif. Selain itu, platform ini dirancang dengan antarmuka yang user-friendly untuk memastikan kenyamanan dan kemudahan akses bagi pengguna dari berbagai latar belakang. Hasil penelitian ini menunjukkan bahwa sistem informasi terintegrasi yang dikembangkan dapat menjadi solusi inovatif untuk meningkatkan efisiensi dalam distribusi barang serta memperkuat budaya filantropi dalam masyarakat. Dengan mendukung konsep ekonomi sirkular, platform ini juga membantu mengurangi limbah barang yang masih memiliki nilai guna. Pengembangan lebih lanjut dapat difokuskan pada optimasi fitur keamanan, peningkatan algoritma pencocokan barang, serta ekspansi ke dalam platform mobile agar dapat menjangkau lebih banyak pengguna dan memberikan manfaat yang lebih luas.

Perancangan Design Prototype UI/UX Aplikasi TICCON Menggunakan Metode Design Thinking Bismi, Waeisul; Putri, Halimmatussadiyah; Qomaruddin, Muhammmad; Putri, Destiana
IMTechno: Journal of Industrial Management and Technology Vol. 6 No. 1 (2025): Vol. 6 No. 1 (2025): Januari 2025
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/imtechno.v6i1.6929

Penelitian ini bertujuan menerapkan perancangan prototype UI/UX aplikasi TICCON menggunakan Figma dan metode Design Thinking. Pendekatan Design Thinking dipilih untuk memahami kebutuhan pengguna secara mendalam. Tahapan empat langkah, yaitu pemahaman (empathize), penentuan masalah (define), eksplorasi solusi (idate), membuat prototipe (prototype) dan pengujian (test), digunakan untuk menggali wawasan berharga dalam perancangan aplikasi. Data diperoleh dari wawancara dan survei untuk mengidentifikasi preferensi dan masalah calon pengguna. Hasil analisis digunakan dalam perancangan prototype UI/UX aplikasi TICCON melalui Figma dengan kolaborasi tim desain. Metode Design Thinking memastikan pengalaman pengguna yang memuaskan dan sesuai dengan kebutuhan pengguna. Fitur-fitur relevan dan interaksi intuitif diimplementasikan dalam desain, meningkatkan kualitas pengalaman pengguna secara keseluruhan. Penelitian ini berpotensi memberikan sumbangan penting dalam pengembangan aplikasi mobile dengan fokus pada desain prototype UI/UX seperti tampilan menarik, navigasi mudah, proses pembayaran yang sederhana, kualitas produk yang terjamin, dan fitur untuk memberikan umpan balik. Pendekatan yang digunakan dapat menjadi panduan bagi pengembangan aplikasi lainnya. Diharapkan aplikasi TICCON dengan desain prototype UI/UX yang diimplementasikan dapat memenuhi kebutuhan pengguna serta meningkatkan teknologi dan kepuasan pengguna pada aplikasi mobile dibidang E-Commerce yang semakin kompetitif.

Prediksi Harga Saham Netflix Inc. (NFLX) di Nasdaq menggunakan Algoritma Machine Learning berbasis Data Mining Bismi, Waeisul; Siregar, Aris Parnius; Qomaruddin, Muhammmad
KOMPUTEK Vol. 9 No. 2 (2025): Oktober
Publisher : Universitas Muhammadiyah Ponorogo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24269/jkt.v9i2.3452

Pergerakan harga saham yang fluktuatif membuat prediksi harga saham menjadi aspek penting dalam pengambilan keputusan investasi. Netflix Inc. (NFLX), sebagai salah satu emiten teknologi terkemuka yang terdaftar di NASDAQ, menunjukkan pola pergerakan harga saham yang dinamis dan dipengaruhi oleh berbagai faktor internal dan eksternal. Penelitian ini bertujuan untuk menerapkan algoritma machine learning berbasis data mining dalam memprediksi harga saham Netflix Inc., dengan menggunakan perangkat lunak Orange Data Mining yang bersifat visual dan mendukung berbagai metode klasifikasi. Metode penelitian terdiri dari lima tahapan utama, yaitu: pengumpulan data, pra-pemrosesan data, implementasi model, pengujian model, dan evaluasi kinerja. Dataset yang digunakan diperoleh dari Investing.com dalam periode Januari 2022 hingga Desember 2023, dengan total 501 data harian yang mencakup fitur seperti harga pembukaan, harga penutupan, harga tertinggi, harga terendah, dan volume transaksi. Algoritma klasifikasi yang digunakan meliputi Support Vector Machine (SVM), Neural Network, dan Naive Bayes. Data dibagi menjadi 80% data pelatihan dan 20% data pengujian. Hasil pengujian menunjukkan bahwa algoritma Neural Network memberikan performa terbaik dengan nilai AUC sebesar 0,937, akurasi (CA) 88%, dan nilai MCC sebesar 0,759. Algoritma SVM menghasilkan akurasi 84,3% dan MCC 0,690, sedangkan Naive Bayes memiliki akurasi 83% dengan MCC 0,660. Evaluasi menggunakan confusion matrix memperlihatkan bahwa model mampu mengenali pola klasifikasi naik atau turun dengan tingkat kesalahan yang minim. Dengan demikian, penerapan algoritma machine learning pada data mining terbukti efektif dalam melakukan prediksi harga saham, dan dapat digunakan sebagai acuan dalam pengambilan keputusan investasi di pasar modal berbasis data historis.

Comparative Performance Analysis of ML, DL, and Transformer Models for Sentiment Classification of Indonesian Mobile Banking User Reviews Bismi, Waeisul; Qomaruddin, Muhammmad; Marlina, Siti
Jurnal Informatika dan Rekayasa Perangkat Lunak Vol. 8 No. 1 (2026): Maret
Publisher : Universitas Wahid Hasyim

Show Abstract | Download Original | Original Source | Check in Google Scholar

The rapid development of digital technology has encouraged the adoption of mobile banking applications in Indonesia, but it has also led to an increase in user complaints and reviews regarding performance and ease of use. This study aims to conduct a comparative analysis of the performance of Machine Learning, Deep Learning, and Transformer (IndoBERT) models in classifying the sentiment of user reviews of Indonesian-language mobile banking applications. Data was collected through web scraping from the Google Play Store on ten leading banking applications in Indonesia with a total of 200,000 reviews. After going through the preprocessing stages of cleaning, normalisation, tokenisation, and stemming, automatic labelling was carried out based on ratings into three sentiment classes: positive, neutral, and negative. Machine learning models (Naïve Bayes, Logistic Regression, Random Forest, and SVM) were built using TF-IDF feature representation, while deep learning models (LSTM, Bi-LSTM, GRU, and CNN) utilised 128-dimensional word embeddings. The Transformer-based IndoBERT model was fine-tuned with a sequence classification configuration. The evaluation used accuracy, precision, recall, and weighted F1-score metrics, accompanied by an analysis of training and testing time efficiency. The results show that the Bi-LSTM model performs best with an accuracy of 83.47% and an F1-score of 80.78%, followed by CNN (83.11%) and SVM (82.85%), while IndoBERT records an accuracy of 81.73% with a precision of 76.96%. In terms of efficiency, Logistic Regression showed an optimal balance between accuracy and training time (27.7 seconds), while deep learning and transformer models required higher computational resources. This study emphasises the importance of model selection based on requirements, between maximum accuracy and computational efficiency, and enriches the literature on Indonesian sentiment analysis in the domain of digital financial services.

Title

Found 5 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 5 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 5 Documents
Search