cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Brave A. Sugiarso
Contact Email
brave@unsrat.ac.id
Phone
+6282195447295
Journal Mail Official
ejournal.informatika@gmail.com
Editorial Address
Program Studi Teknik Informatika Fakultas Teknik Unsrat, Jl. Kampus Unsrat Bahu, Kec. Malalayang, Manado 95115
Location
Kota manado,
Sulawesi utara
INDONESIA
Jurnal Teknik Informatika
Published by Universitas Sam Ratulangi
ISSN : 23018364     EISSN : 26856131     DOI : https://doi.org/10.35793/jti
Core Subject : Science, Engineering,
Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Library & Information Science
Rekayasa Perangkat Lunak, IoT, Big Data, Cyber Security, Cloud Computing, Multimedia, Grafika Komputer
Arjuna Subject : Teknik (semua kategori) - Teknik (Lain-Lain)
Articles 452 Documents
 42   43   44   45   46 
Analisis dan Perancangan Ulang UI/UX LMS Universitas Sam Ratulangi Berbasis Gamifikasi: Analysis and Redesign of UI/UX LMS Sam Ratulangi University Based on Gamification Vicaristo Rammang; Rizal Sengkey; Daniel Sengkey
Jurnal Teknik Informatika Vol. 20 No. 2 (2025): Jurnal Teknik Informatika
Publisher : Universitas Sam Ratulangi

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

Abstract

Abstract — Sam Ratulangi University, a progressive higher education institution, has implemented a Learning Management System (LMS) to support distance learning and enhance accessibility for students. As this development progresses, attention to the quality of UI/UX in the LMS becomes increasingly crucial. A strong understanding of how users interact with this platform and how far online learning experiences can be optimized is key to improving learning effectiveness. This research aims to analyze user needs regarding the existing UI/UX of the Sam Ratulangi University LMS and redesign it based on gamification elements to enhance user engagement and motivation. The research employs the Design Thinking method's five stages: Empathize, Define, Ideate, Prototype, and Testing. The outcome is a prototype of the Sam Ratulangi University LMS, with user satisfaction measured using the System Usability Scale (SUS), resulting in an average score of 72.1. Recommendations include collaborating with stakeholders to ensure applicable designs and developing accessibility and responsiveness in the design. Keywords — Gamification; Learning Management System (LMS) User Interface; User Experience; Sam Ratulangi University.   Abstrak — Universitas Sam Ratulangi memperkenalkan Learning Management System (LMS) untuk mendukung pembelajaran jarak jauh dan meningkatkan aksesibilitas mahasiswa. Perhatian terhadap kualitas UI/UX LMS semakin penting seiring perkembangan ini. Pemahaman yang baik tentang interaksi pengguna dengan platform dan optimasi pengalaman pembelajaran online menjadi kunci efektivitas pembelajaran. Penelitian ini bertujuan menganalisis kebutuhan pengguna terhadap UI/UX LMS Universitas Sam Ratulangi, serta merancang ulang berbasis gamifikasi untuk meningkatkan keterlibatan dan motivasi pengguna. Metode Design Thinking dengan tahapan Emphatize, Define, Ideate, Prototype, dan Testing digunakan dalam penelitian ini. Hasilnya berupa prototype LMS Universitas Sam Ratulangi dengan nilai kepuasan pengguna diukur menggunakan System Usability Scale (SUS) mencapai skor rata-rata 72,1. Saran penelitian termasuk kolaborasi aktif dengan pihak terkait untuk memastikan desain relevan dengan kebutuhan pengguna, meningkatkan aksesibilitas dan responsivitas desain, serta melakukan pemantauan dan evaluasi berkelanjutan untuk memastikan keberlanjutan penggunaan LMS yang efektif. Dengan demikian, diharapkan LMS dapat menjadi sarana pembelajaran yang lebih efektif dan efisien bagi mahasiswa. Selain itu, LMS juga dapat membantu meningkatkan kualitas pembelajaran, meningkatkan kemampuan mahasiswa, dan meningkatkan kepuasan pengguna. Oleh karena itu, perlu dilakukan upaya untuk meningkatkan kualitas LMS dan memastikan bahwa LMS dapat memenuhi kebutuhan pengguna. Kata kunci — Gamifikasi; Learning Management System (LMS); User Interface; User Experience; System Usability Scale (SUS).
Analisis Sentimen Berbasis Aspek Ulasan Produk Menggunakan CNN dan Bidirectional LSTM: Aspect-Based Sentiment Analysis Product Review Using CNN and Bidirectional LSTM Obedient Putro; Agustinus Jacobus; Feisy Kambey
Jurnal Teknik Informatika Vol. 20 No. 2 (2025): Jurnal Teknik Informatika
Publisher : Universitas Sam Ratulangi

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

Abstract

 Abstract — The COVID-19 pandemic has transformed consumer lifestyles in Indonesia, notably increasing the use of e-commerce platforms due to social restrictions. This shift has influenced how consumers evaluate product quality, making consumer reviews a crucial element in purchasing decisions. Traditional sentiment analysis falls short in providing detailed insights into product aspects, making Aspect-Based Sentiment Analysis (ABSA) a promising solution. Deep learning models like Convolutional Neural Network (CNN) and Bidirectional Long Short-Term Memory (BiLSTM) offer high accuracy in sentiment analysis. This study analyzes consumer sentiment towards e-commerce product aspects in Indonesia by applying ABSA, addressing the challenges of implementation in the Indonesian language, and measuring the accuracy and effectiveness of the hybrid CNN Bi-LSTM model. The methodology includes dataset preprocessing, aspect extraction and sentiment classification, data training and prediction, and model evaluation. The results show that the CNN Bi-LSTM model achieves an average accuracy of 90% for aspect extraction and 92% for sentiment classification. In conclusion, despite dataset limitations, optimal data preparation and the hybrid model effectively facilitate ABSA.   Key Word — ABSA; CNN; Bi-LSTM; Accuracy; Hybrid Model   Abstrak — Pandemi COVID-19 telah mengubah gaya hidup konsumen di Indonesia, terutama melalui peningkatan penggunaan platform e-commerce akibat pembatasan sosial. Perubahan ini mempengaruhi cara konsumen menilai kualitas produk, menjadikan ulasan konsumen elemen kunci dalam keputusan pembelian. Analisis sentimen tradisional tidak memadai untuk memberikan pemahaman mendetail tentang aspek produk, sehingga Aspect-Based Sentiment Analysis (ABSA) menjadi solusi yang menjanjikan. Model deep learning seperti Convolutional Neural Network (CNN) dan Bidirectional Long Short-Term Memory (Bi-LSTM) menawarkan akurasi tinggi dalam analisis sentimen. Penelitian ini menganalisis sentimen konsumen terhadap aspek produk e-commerce di Indonesia dengan menerapkan ABSA, menghadapi tantangan implementasi dalam bahasa Indonesia, dan mengukur akurasi serta efektivitas model hybrid CNN Bi-LSTM. Metodologi meliputi preprocessing dataset, aspect extraction dan sentiment classification, data training dan prediction, serta evaluasi model. Hasil menunjukkan model CNN Bi-LSTM memiliki akurasi rata-rata 90% untuk aspect extraction dan 92% untuk sentiment classification. Kesimpulannya, data preparation optimal meskipun ada keterbatasan dataset, dan model hybrid efektif untuk ABSA.   Kata kunci — ABSA; CNN; Bi-LSTM; Akurasi; Hybrid Model

Page 46 of 46 | Total Record : 452

 42   43   44   45   46 

Filter by Year

2012 2025


Reset
Filter By Issues
All Issue Vol. 20 No. 2 (2025): Jurnal Teknik Informatika Vol. 19 No. 04 (2024): Jurnal Teknik Informatika Vol. 19 No. 03 (2024): Jurnal Teknik Informatika Vol. 19 No. 02 (2024): Jurnal Teknik Informatika Vol. 19 No. 01 (2024): Jurnal Teknik Informatika Vol. 18 No. 4 (2023): Jurnal Teknik Informatika Vol. 18 No. 3 (2023): Jurnal Teknik Informatika Vol. 18 No. 2 (2023): Jurnal Teknik Informatika Vol. 18 No. 1 (2023): Jurnal Teknik Informatika Vol. 17 No. 4 (2022): Jurnal Teknik Informatika Vol. 17 No. 3 (2022): Jurnal Teknik Informatika Vol 17, No 1 (2022): Jurnal Teknik Informatika Vol 16, No 4 (2021): JURNAL TEKNIK INFORMATIKA Vol 16, No 3 (2021): JURNAL TEKNIK INFORMATIKA Vol 16, No 2 (2021): JURNAL TEKNIK INFORMATIKA Vol 16, No 1 (2021): Jurnal Teknik Informatika Vol 15, No 4 (2020): Jurnal Teknik Informatika Vol 15, No 3 (2020): Jurnal Teknik Informatika Vol 15, No 2 (2020): JURNAL TEKNIK INFORMATIKA Vol 15, No 1 (2020): JURNAL TEKNIK INFORMATIKA Vol 14, No 4 (2019): Jurnal Teknik Informatika Vol 14, No 3 (2019): Jurnal Teknik Informatika Vol 14, No 2 (2019): Jurnal Teknik Informatika Vol 14, No 1 (2019): Jurnal Teknik Informatika Vol 13, No 4 (2018): Jurnal Teknik Informatika Vol 13, No 3 (2018): Jurnal Teknik Informatika Vol 13, No 2 (2018): Jurnal Teknik Informatika Vol 13, No 1 (2018): Jurnal Teknik Informatika Vol 12, No 1 (2017): Jurnal Teknik Informatika Vol. 12 No. 1 (2017): Jurnal Teknik Informatika Vol 11, No 1 (2017): Jurnal Teknik Informatika Vol 10, No 1 (2017): Jurnal Teknik Informatika Vol 9, No 1 (2016): Jurnal Teknik Informatika Vol 8, No 1 (2016): Jurnal Teknik Informatika Vol 7, No 1 (2016): Jurnal Teknik Informatika Vol 6, No 1 (2015): Jurnal Teknik Informatika Vol 5, No 2 (2015): Jurnal Teknik Informatika Vol 5, No 1 (2015): Jurnal Teknik Informatika Vol 4, No 2 (2014): Jurnal Teknik Informatika Vol 4, No 1 (2014): Jurnal Teknik Informatika Vol 3, No 1 (2014): Jurnal Teknik Informatika Vol 2, No 2 (2013): Jurnal Teknik Informatika Vol 2, No 1 (2013): Jurnal Teknik Informatika Vol 1, No 2 (2012): Jurnal Teknik Informatika Vol 1, No 1 (2012): Jurnal Teknik Informatika More Issue