Claim Missing Document
Check
Articles

Found 2 Documents
Search

Perancangan UI/UX Website Pemesanan Tiket Bus iBus Menggunakan Figma dengan Metode Design Thinking Kurniawan, Angelina Isabella; Ardi, Afifah Risti; Deni, Deni; Susilowati, Stephany Cinta; Voutama, Apriade
JOINS (Journal of Information System) Vol. 10 No. 1 (2025): Edisi Mei 2025
Publisher : Fakultas Ilmu Komputer, Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33633/joins.v10i1.12572

Abstract

Penelitian ini bertujuan untuk merancang UI/UX website pemesanan tiket bus iBus menggunakan metode Design Thinking dan aplikasi Figma. Metode Design Thinking diterapkan melalui lima tahapan, yaitu Empathize, Define, Ideate, Prototype, dan Test, untuk memastikan desain yang dihasilkan berpusat pada kebutuhan pengguna. Pengujian usability dilakukan untuk mengevaluasi efektivitas, efisiensi, dan kepuasan pengguna terhadap desain yang dihasilkan. Hasil pengujian menunjukkan tingkat keberhasilan rata-rata sebesar 90,33% dengan waktu penyelesaian rata-rata 37,5 detik per tugas. Pengguna memberikan umpan balik positif terhadap kemudahan registrasi, pencarian tiket, pemilihan kursi, dan akses e-tiket. Namun, ditemukan beberapa area yang memerlukan perbaikan, seperti penambahan fitur filter pada halaman pencarian tiket, peningkatan visualisasi pada pemilihan kursi, dan penambahan opsi pembayaran yang lebih fleksibel. Penelitian ini menyimpulkan bahwa metode Design Thinking efektif dalam menghasilkan desain UI/UX yang intuitif dan relevan dengan kebutuhan pengguna
Visualisasi Data untuk Analisis Musik Digital Menggunakan Power BI pada Data Spotify Ardi, Afifah Risti; Voutama, Apriade
Journal of Students‘ Research in Computer Science Vol. 6 No. 1 (2025): Mei 2025
Publisher : Program Studi Informatika Fakultas Ilmu Komputer Universitas Bhayangkara Jakarta Raya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31599/qpm0x949

Abstract

The development of digital technology has transformed the music industry with the emergence of streaming platforms such as Spotify. This study analyzes digital music data on Spotify using Power BI to identify music trends and user consumption patterns. The dataset consists of 6,300 songs with attributes such as artists, Genres, duration, popularity, and explicit status. Data visualization is employed to determine the artists with the most songs, the most popular Genres, the distribution of song duration, and the proportion of explicit and non-explicit songs. The results show that Metallica has the most songs, rock is the most popular Genre, most songs last between 2 and 6 minutes, and non-explicit songs are dominant. These findings provide insights for musicians, record labels, and streaming platform developers in designing music strategies aligned with listener preferences.