Article Per Year (5 Year)
p-Index From 2020 - 2025
0.562
P-Index
This Author published in this journals
All Journal Jutisi: Jurnal Ilmiah Teknik Informatika dan Sistem Informasi
Fathoni, Fathoni
Universitas Sriwijaya
Computer Science & IT

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

Found 3 Documents
Search
Journal : Jutisi: Jurnal Ilmiah Teknik Informatika dan Sistem Informasi

 1 
Analisis User Experience Aplikasi Getcontact dengan Metode HEART Metrics Fathoni, Fathoni; Mariska, Inneke Via; Saputra, Marco; Epriyanti, Nadia; Anadia, Qothrunnada Wafi; Ibrahim, Ali
Jutisi : Jurnal Ilmiah Teknik Informatika dan Sistem Informasi Vol 14, No 1: April 2025
Publisher : STMIK Banjarbaru

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35889/jutisi.v14i1.2695

Abstract

Issues related to privacy and security in digital communication have become a primary concern in the use of internet-based applications. This study was conducted to evaluate user experiences with the Getcontact application by applying the HEART Metrics framework, which includes the dimensions of satisfaction, engagement, adoption, retention, and task success. Data were collected from 100 respondents through a questionnaire that had been tested for validity and reliability. The results indicate that the overall usability level of the application falls into the high category, with an average score of 77.41%. The adoption and task success dimensions achieved the highest results in the very high category, while other dimensions also showed positive outcomes but still require improvement. This study is expected to serve as a foundation for developing more intuitive application interfaces and features, thereby enabling continuous enhancement of the user experience.Keywords: User Experience; HEART Metrics; Getcontact; Level of Usability; UX Evaluation AbstrakPermasalahan terkait privasi dan keamanan komunikasi digital telah menjadi perhatian utama dalam penggunaan aplikasi berbasis internet. Studi ini dilakukan untuk menilai pengalaman pengguna terhadap aplikasi Getcontact dengan menerapkan pendekatan HEART Metrics, yang mencakup dimensi kepuasan, keterlibatan, adopsi, retensi, dan keberhasilan tugas. Data dikumpulkan dari 100 responden yang disebar melalui kuesioner dan telah diuji validitas dan reliabilitasnya. Hasil penelitian menampilkan bahwa secara keseluruhan tingkat kegunaan aplikas berada pada kategori tinggi dengan nilai rata-rata sebesar 77,41 persen. Dimensi adopsi dan keberhasilan tugas memperoleh hasil tertinggi dalam kategori sangat tinggi, sementara dimensi lainnya menunjukkan hasil yang juga positif namun masih memerlukan peningkatan. Studi ini diharapkan dapat menjadi dasar dalam pengembangan antarmuka dan fitur aplikasi agar lebih intuitif, sehingga pengalaman pengguna dapat ditingkatkan secara berkelanjutan. 
Evaluasi K-Means dan Hierarchical Clustering dalam Segmentasi Wilayah Penerimaan Bantuan Sosial Pangan di Provinsi X Fathoni, Fathoni; Khairani, Annisa; Nur'Aini, Risma; Gultom, Gina Destia; Alfitrah, Intan Aidita; Ibrahim, Ali
Jutisi : Jurnal Ilmiah Teknik Informatika dan Sistem Informasi Vol 14, No 2: Agustus 2025
Publisher : STMIK Banjarbaru

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35889/jutisi.v14i2.2672

Abstract

The allocation of food social assistance in Indonesia faces challenges in targeting accuracy and distribution effectiveness. To improve distribution efficiency, this study explores regional segmentation using two clustering methods K-Means and Hierarchical Clustering based on social and economic characteristics. The analysis uses 324 secondary records from the Satu Data Indonesia portal, categorized by regency and city in Province X. Clustering performance was evaluated using the Silhouette Coefficient and Davies-Bouldin Index. Results show that K-Means Clustering outperforms Hierarchical Clustering, achieving a Silhouette Coefficient of 0.5371 and a Davies-Bouldin Index of 0.7173 with five clusters. In contrast, Hierarchical Clustering produced a Silhouette Coefficient of 0.4976 and a Davies-Bouldin Index of 0.7607. Based on these findings, K-Means is recommended for more effective regional segmentation in the distribution of food social assistanceKeywords: Regional Segmentation; Food Social Assistance; K-Means; Hierarchical Clustering AbstrakAlokasi bantuan sosial pangan di Indonesia masih menghadapi kendala ketepatan sasaran dan efektivitas penyaluran. Salah satu pendekatan untuk meningkatkan efisiensi penyaluran adalah dengan melakukan segmentasi wilayah penerima bantuan sosial pangan berdasarkan atribut sosial dan ekonomi. Penelitian ini bertujuan untuk mengkaji dua teknik klasterisasi, yaitu K-Means dan Hierarchical Clustering, untuk melakukan segmentasi wilayah penerima bantuan sosial pangan di Provinsi X. Data yang digunakan adalah data sekunder yang bersumber dari portal Satu Data Indonesia sebanyak 324 record yang dikelompokkan berdasarkan kabupaten dan kota. Evaluasi kinerja klasterisasi dilakukan dengan menggunakan dua metrik, yaitu Silhouette Coefficient dan Davies-Bouldin Index. Hasil penelitian menunjukkan bahwa pendekatan K-Means Clustering menghasilkan segmentasi wilayah yang unggul, ditunjukkan dengan nilai Silhouette Coefficient sebesar 0,5371 dan Davies-Bouldin Index sebesar 0,7173 untuk lima klaster. Pendekatan Hierarchical Clustering menghasilkan nilai Silhouette Coefficient sebesar 0,4976 dan Davies-Bouldin Index sebesar 0,7607. Dengan demikian, metode K-Means direkomendasikan untuk menggambarkan wilayah dalam distribusi bantuan sosial pangan. 
Analisis Sentimen Deepseek Berdasarkan Ulasan Google Play Store Menggunakan Metode Naïve Bayes Al Mas Ud, Khalid; Fieldi, Muhammad Izzan; Al-Farisy, M. Hadi; Alfarizi, M.; Fathoni, Fathoni; Ibrahim, Ali Ibrahim
Jutisi : Jurnal Ilmiah Teknik Informatika dan Sistem Informasi Vol 14, No 2: Agustus 2025
Publisher : STMIK Banjarbaru

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35889/jutisi.v14i2.2778

Abstract

The advancement of artificial intelligence technologies, including the Deepseek application, has increasingly emphasized the importance of user experience. User reviews on the Google Play Store serve as a key source for evaluating application quality. However, the large volume of reviews presents challenges for effective sentiment analysis. This study investigates user sentiment toward Deepseek by applying the Naïve Bayes algorithm, combined with the Term Frequency-Inverse Document Frequency (TF-IDF) weighting technique. The dataset, obtained from Kaggle, contains 15,124 reviews categorized into positive, neutral, and negative sentiments. Model evaluation was conducted using 5-Fold Cross Validation. Results indicate that the model achieved an average accuracy of 87%, with the highest performance observed in the positive sentiment category. These findings may serve as a valuable reference for developers aiming to improve the overall quality and user satisfaction of the Deepseek application.Key words: Data Mining; Sentiment Analysis; Naïve Bayes; Deepseek  AbstrakPerkembangan teknologi kecerdasan buatan, termasuk aplikasi Deepseek, semakin menekankan pentingnya pengalaman pengguna. Ulasan pengguna di Google Play Store menjadi sumber data utama dalam mengevaluasi kualitas aplikasi. Namun, banyaknya ulasan yang tersedia menyulitkan proses analisis sentimen secara manual. Penelitian ini menganalisis sentimen pengguna terhadap Deepseek dengan menggunakan algoritma Naïve Bayes yang dikombinasikan dengan metode pembobotan Term Frequency-Inverse Document Frequency (TF-IDF). Dataset yang digunakan berasal dari Kaggle, terdiri dari 15.124 ulasan dan diklasifikasikan ke dalam tiga kategori sentimen: positif, netral, dan negatif. Validasi model dilakukan menggunakan metode 5-Fold Cross Validation. Hasil menunjukkan model memiliki akurasi rata-rata sebesar 87%, dengan performa tertinggi pada kategori sentimen positif. Temuan ini diharapkan dapat menjadi acuan bagi pengembang dalam meningkatkan kualitas layanan dan kepuasan pengguna aplikasi Deepseek secara berkelanjutan. 
Co-Authors Al Mas Ud, Khalid Al-Farisy, M. Hadi Alfarizi, M. Alfitrah, Intan Aidita Ali Ibrahim Anadia, Qothrunnada Wafi Epriyanti, Nadia Fieldi, Muhammad Izzan Gultom, Gina Destia Ibrahim, Ali Ibrahim Khairani, Annisa Mariska, Inneke Via Nur'Aini, Risma Saputra, Marco