Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
Adhitya, Dito Bayu
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Education Electrical & Electronics Engineering Engineering

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Studi Kualitas Code Generation Chatgpt Pada Antarmuka Aplikasi Mobile Web Dengan Pendekatan Mobile-First Adhitya, Dito Bayu; Pinandito, Aryo
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 9 No 12 (2025): Desember 2025
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Pengembangan antarmuka mobile-first kini bertransformasi melalui alur kerja rapid prototyping menggunakan Generative AI seperti ChatGPT. Metode Out Of The Box (OOTB) yang memanfaatkan Content Delivery Network (CDN) tanpa proses build semakin relevan, namun perbandingan performa antara Bootstrap dan Tailwind CSS dalam skenario berbasis Artificial Intelligence  (AI) ini masih terbatas. Penelitian ini bertujuan menganalisis efisiensi generasi Artificial Intelligence  (AI) dan performa teknis kedua framework tersebut saat diimplementasikan oleh ChatGPT. Metode yang digunakan adalah eksperimen kuantitatif dengan ChatGPT-5 untuk menghasilkan kode dari 30 desain acuan melalui single prompt. Analisis difokuskan pada waktu generasi, akurasi visual, dan performa teknis. Hasil penelitian menunjukkan tidak ada perbedaan signifikan pada waktu generasi dan akurasi visual antara kedua framework. Namun, terdapat perbedaan performa teknis yang mencolok. Bootstrap secara konsisten mengungguli Tailwind CSS dengan Largest Contentful Paint (LCP) yang lebih cepat dan konsumsi memori yang jauh lebih rendah. Sebaliknya, penggunaan Content Delivery Network (CDN) Tailwind tanpa proses purge memberikan beban performa yang berat. Disimpulkan bahwa untuk rapid prototyping OOTB berbasis Artificial Intelligence (AI), Bootstrap merupakan pilihan yang lebih tepat untuk menjaga performa teknis.
Co-Authors Aryo Pinandito