Claim Missing Document
Check
Articles

Found 2 Documents
Search

Evaluasi Usability E-Commerce yang Terintegrasi dengan Fan Community Platform Menggunakan Metode Cognitive Walkthrough Khalisatifa, Aida; Ibrahim, Ali
Journal of Applied Informatics and Computing Vol. 9 No. 1 (2025): February 2025
Publisher : Politeknik Negeri Batam

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30871/jaic.v9i1.8865

Abstract

This study aims to evaluate the usability and user experience of Weverse Shop e-commerce app after integration into Weverse app using the Cognitive Walkthrough and Post Study System Usability Questionnaire (PSSUQ) methods. Cognitive Walkthrough is used to identify usability issues from an expert perspective, while PSSUQ is used to quantitatively measure user experience through three subscales: System Usefulness, Information Quality, and Interface Quality. Participants in this study ran 7 task scenarios relevant to the application features. Based on the analysis results, the average scores for the PSSUQ subscales were 2.99 for System Usefulness, 2.98 for Information Quality, and 2.87 for Interface Quality, with an overall score of 2.95. These results indicate that the application interface still needs improvement, especially in the aspects of navigation and information delivery. This research provides recommendations for improvements to usability elements to increase user satisfaction.
KLASIFIKASI RISIKO PENYAKIT SERANGAN JANTUNG DENGAN MENGGUNAKAN ALGORITMA C4.5 Khalisatifa, Aida; Arum, Hestiana Dela; Jambak, Muhammad Ihsan
Device Vol 14 No 1 (2024): Mei
Publisher : Fakultas Teknik dan Ilmu Komputer (FASTIKOM) UNSIQ

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32699/device.v14i1.6869

Abstract

Penyakit jantung termasuk serangan jantung merupakan salah satu penyakit yang menjadi perhatian serius dalam dunia medis. Deteksi dini risiko penyakit jantung sangat penting untuk mencegah dampak yang lebih serius. Penelitian ini menggunakan dataset yang terdiri dari 303 data dengan tipe numerik dan nominal. Data tersebut diolah menggunakan algoritma C4.5 untuk melakukan klasifikasi risiko penyakit serangan jantung. Hasil penelitian menunjukkan bahwa algoritma tersebut mencapai tingkat akurasi sebesar 83,98%. Lebih lanjut, melalui decision tree mengidentifikasi bahwa faktor terbesar yang diketahui berkontribusi dalam penentuan risiko penyakit serangan jantung adalah faktor Cp (Chest Pain), Caa (n Major Vessels), Oldpeak, Sex, dan Exng (Exercise Angina). Temuan penelitian ini diharapkan dapat memberikan tambahan wawasan dalam upaya deteksi dini dan penanganan penyakit jantung di masa mendatang di mana model klasifikasi ini dapat digunakan sebagai alat skrining awal untuk mengidentifikasi individu yang berisiko tinggi terkena serangan jantung.