cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Bahar
Contact Email
bahararahman@gmail.com
Phone
-
Journal Mail Official
puslit.stmikbjb@gmail.com
Editorial Address
-
Location
Kota banjarmasin,
Kalimantan selatan
INDONESIA
Jutisi: Jurnal Ilmiah Teknik Informatika dan Sistem Informasi
Published by Sekolah Tinggi Manajemen Informatika dan Komputer Banjarbaru
ISSN : 20893787     EISSN : 26850893     DOI : -
Core Subject : Science,
Computer Science & IT
Jutisi: Jurnal Ilmiah Teknik Informatika dan Sistem Informasi adalah Jurnal Ilmiah bidang Teknik Informatika dan Sistem Informasi yang diterbitkan secara periodik tiga nomor dalam satu tahun, yaitu pada bulan April, Agustus dan Desember. Redaksi Jutisi: Jurnal Ilmiah Teknik Informatika dan Sistem Informasi menerima sumbangan tulisan hasil penelitian atau atau artikel konseptual bidang Teknik Informatika dan Sistem Informasi.
Arjuna Subject : -
Articles 1,007 Documents
 95   96   97   98   99 
Peningkatan Akurasi Deteksi Penyakit Malaria Menggunakan Transfer Learning pada Arsitektur CNN Wicaksono, Sherif Aji; Utami, Ema
Jutisi : Jurnal Ilmiah Teknik Informatika dan Sistem Informasi Vol 14, No 3: Desember 2025
Publisher : STMIK Banjarbaru

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35889/jutisi.v14i3.3346

Abstract

Malaria is a disease that requires fast and accurate diagnosis. This study compares three CNN architectures VGG16, ResNet50, and InceptionV3 for malaria peripheral blood smear classification using the public NIH dataset. The pipeline includes standardized preprocessing, moderate augmentation, and transfer learning with early stopping (monitoring val_recall). Evaluation on a stratified test set covers accuracy, precision, recall, F1, ROC-AUC, PR-AP, confusion matrix, and paired statistics (McNemar). VGG16 yields the best performance at the 0.50 threshold (AUC 0.9833; AP 0.9846; Recall 0.8955; F1 0.9308) and significantly outperforms InceptionV3 (X2(1)=111.06; p<1x110-24). Bootstrap uncertainty (1.000 resamples) gives Recall mean 0.8956 (95% CI 0.8843–0.9077) and F1 mean 0.9309 (95% CI 0.9239–0.9377). Findings support a VGG16-based model as a feasible pre-screening module in resource-constrained settings, emphasizing sensitivity to reduce false negatives.Keywords: Malaria; Image classification; VGG16; RO-AUC; McNemar AbstrakMalaria merupakan penyakit yang memerlukan diagnosis cepat dan akurat. Penelitian ini membandingkan tiga arsitektur CNN VGG16, ResNet50, dan InceptionV3 untuk klasifikasi citra apusan darah tepi malaria berbasis dataset publik NIH. Pipeline meliputi praproses terstandar, augmentasi moderat, dan transfer learning dengan early stopping (monitor val_recall). Evaluasi dilakukan pada himpunan uji terstratifikasi mengukur akurasi, presisi, recall, F1, ROC-AUC, PR-AP, confusion matrix, serta uji statistik berpasangan (McNemar). VGG16 menunjukkan kinerja terbaik pada ambang 0.50 (AUC 0.9833; AP 0.9846; Recall 0.8955; F1 0.9308) dan unggul signifikan atas InceptionV3(X2(1)=111.06; p<1x110-24). Estimasi ketidakpastian berbasis bootstrap (1.000 ulangan) menghasilkan Recall mean 0.8956 (CI95% 0.8843–0.9077) dan F1 mean 0.9309 (CI95% 0.9239–0.9377). Temuan ini mendukung model berbasis VGG16 sebagai modul pra-skrining otomatis di lingkungan berdaya komputasi terbatas, dengan penekanan pada sensitivitas untuk meminimalkan salah-negatif. 
Klasifikasi Perilaku Konsumen Pasca Boikot Produk Israel Menggunakan Naive Bayes dan SVM Darojat, Wildan Mauli; Siregar, Herbert; Rasim, Rasim; Munir, Munir
Jutisi : Jurnal Ilmiah Teknik Informatika dan Sistem Informasi Vol 15, No 1 (2026): Februari 2026
Publisher : STMIK Banjarbaru

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35889/jutisi.v15i1.3429

Abstract

The ongoing Israel–Palestine conflict has contributed to the rise of consumer boycott movements directed at products associated with Israel. These reactions are prominently articulated on social media platforms and indicate changing patterns in consumer attitudes and behavior. This research seeks to analyze and classify public sentiment in Indonesia regarding the boycott issue by employing Natural Language Processing (NLP) techniques in combination with Machine Learning methods, specifically Naïve Bayes and Support Vector Machine (SVM). The dataset comprises user-generated comments obtained from TikTok and Instagram between October 2023 and September 2024 through web scraping procedures. The data were subsequently subjected to manual annotation, text preprocessing, and feature extraction using the TF-IDF weighting scheme. The dataset was partitioned into 80% training data and 20% testing data, and model performance was assessed using accuracy, precision, recall, and F1-score metrics. Experimental results indicate that the SVM model outperformed Naïve Bayes on the training set, achieving an accuracy of 81% and demonstrating stronger generalization in detecting positive sentiment. In contrast, the Naïve Bayes classifier attained an accuracy of 78%, showing consistent performance and superior capability in identifying negative sentiment. These results underscore the significance of selecting classification algorithms that are well suited to the distributional characteristics of sentiment data derived from social media.Keywords: Text Classification; Support Vector Machine; Naïve Bayes; Boycott; Consumer BehaviorAbstrakKonflik Israel–Palestina yang terus berlangsung telah mendorong munculnya gerakan boikot konsumen terhadap produk-produk yang memiliki keterkaitan dengan Israel. Respons tersebut banyak diekspresikan melalui platform media sosial dan mencerminkan perubahan pola sikap serta perilaku konsumen. Penelitian ini bertujuan untuk menganalisis dan mengklasifikasikan sentimen masyarakat Indonesia terhadap isu boikot tersebut dengan menerapkan teknik Natural Language Processing (NLP) yang dikombinasikan dengan metode Machine Learning (ML), yaitu Naïve Bayes dan Support Vector Machine (SVM). Dataset penelitian terdiri atas komentar pengguna yang dikumpulkan dari platform TikTok dan Instagram selama periode Oktober 2023 hingga September 2024 melalui teknik web scraping. Data selanjutnya melalui proses anotasi manual, praproses teks, serta ekstraksi fitur menggunakan skema pembobotan TF-IDF. Dataset dibagi menjadi 80% data latih dan 20% data uji, dengan kinerja model dievaluasi menggunakan metrik accuracy, precision, recall, dan F1-score. Hasil eksperimen menunjukkan bahwa model SVM menghasilkan performa yang lebih unggul pada data latih dengan tingkat akurasi sebesar 81% serta memiliki kemampuan generalisasi yang lebih baik dalam mendeteksi sentimen positif. Sementara itu, algoritma Naïve Bayes mencapai akurasi sebesar 78% dan menunjukkan kinerja yang konsisten serta lebih efektif dalam mengidentifikasi sentimen negatif. Temuan ini menegaskan pentingnya pemilihan algoritma klasifikasi yang sesuai dengan karakteristik distribusi data sentimen yang bersumber dari media sosial. 
Implementation of a Production Prediction System Using a Combination of Simple Linear Regression and Single Exponential Smoothing Nurdiyansyah, Fahmi Agung; Herwanto, Patah
Jutisi : Jurnal Ilmiah Teknik Informatika dan Sistem Informasi Vol 14, No 3: Desember 2025
Publisher : STMIK Banjarbaru

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35889/jutisi.v14i3.3335

Abstract

Inaccurate production planning can cause losses in food businesses due to overproduction or stock shortages. This study develops a production prediction model for the Moshi Mochi business by combining the Single Exponential Smoothing (SES) method and Simple Linear Regression. SES is used to forecast sales for the next period, while the resulting prediction is used as an input variable in the regression model to estimate production quantity. Model performance is evaluated using RMSE and MAPE. The results show that an alpha value of 0.4 produces an RMSE of 13.31 and a MAPE of 26.24%, which falls into the fairly good category. The predicted sales value of 39 mochi units is then used in the regression model, resulting in a production prediction of 39 units with RMSE and MAPE values of 0%. This zero error indicates that the combined SES and Simple Linear Regression model achieves 100% accuracy and falls into the very good category for historical data with low variation. The model can be effectively implemented in a web-based cashier application.Keywords: Production Prediction; Simple Linear Regression; Single Exponential Smoothing; Moshi Mochi.AbstrakKetidaktepatan jumlah produksi dapat menyebabkan kerugian bagi usaha makanan akibat kelebihan maupun kekurangan stok. Penelitian ini mengembangkan model prediksi produksi pada usaha Moshi Mochi dengan mengombinasikan metode Single Exponential Smoothing (SES) dan Regresi Linier Sederhana. Metode SES digunakan untuk memprediksi penjualan periode berikutnya, sedangkan hasilnya dijadikan variabel input pada model regresi untuk memprediksi jumlah produksi. Evaluasi performa dilakukan menggunakan RMSE dan MAPE. Hasil menunjukkan bahwa nilai alpha = 0,4 menghasilkan RMSE sebesar 13,31 dan MAPE sebesar 26,24%, yang berada pada kategori cukup baik. Nilai prediksi penjualan sebesar 39 buah mochi kemudian digunakan dalam model regresi yang menghasilkan prediksi produksi 39 buah mochi dengan RMSE sebesar 0 dan MAPE sebesar 0%. Nilai kesalahan nol ini menunjukkan bahwa akurasi model prediksi kombinasi SES dan Regresi Linier Sederhana mencapai 100% dan termasuk dalam kategori sangat baik pada data historis dengan variasi rendah. Model ini dapat diimplementasikan secara efektif dalam aplikasi kasir berbasis web.
Perancangan Sistem Informasi Account Officer Berbasis Web Menggunakan Design Science Research Saputra, Antonius Bayu; Tambotoh, Johan Jimmy Carter
Jutisi : Jurnal Ilmiah Teknik Informatika dan Sistem Informasi Vol 14, No 3: Desember 2025
Publisher : STMIK Banjarbaru

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35889/jutisi.v14i3.3202

Abstract

With the continuous evolution of the digital era and the rapid development of modern technology, the need for efficient information systems has become increasingly vital, especially in the banking sector. This study aims to design a web-based Account Officer (AO) information system for BPR Weleri Makmur to enhance the efficiency of lead generation and customer data management. Previously, AOs relied on manual approaches such as brochure distribution and direct visits, which were less effective and time-consuming. The research applies the Design Science Research Methodology (DSRM), consisting of stages including problem identification, goal definition, system design, demonstration, evaluation, and communication. The system includes features for customer data management, visit scheduling, multi-channel communication (WhatsApp, SMS, and email), performance reporting, and data analytics to identify potential clients. Based on blackbox testing, all functionalities operate as expected. The implementation improves AO productivity, speeds up customer analysis, and supports data-driven decision-making, contributing to the advancement of web-based banking information systems.Keywords: Information System; Account Officer; Web Base; Design Science Research MethodologyAbstrakPerkembangan teknologi digital mendorong kebutuhan akan sistem informasi yang efisien, termasuk di sektor perbankan. Penelitian ini bertujuan merancang sistem informasi Account Officer (AO) berbasis web pada BPR Weleri Makmur untuk meningkatkan efektivitas proses pencarian dan pengelolaan data nasabah. Sebelumnya, kegiatan AO masih dilakukan secara manual melalui penyebaran brosur dan kunjungan langsung yang kurang efisien. Metode yang digunakan adalah Design Science Research Methodology (DSRM) dengan tahapan identifikasi masalah, penentuan tujuan, perancangan, demonstrasi, evaluasi, dan komunikasi. Pengujian dilakukan menggunakan metode Blackbox untuk memastikan kesesuaian fungsi sistem. Hasil penelitian menunjukkan bahwa seluruh fitur berjalan dengan baik dan mampu membantu AO dalam mengelola data nasabah, mempercepat proses analisis calon nasabah, serta mendukung pengambilan keputusan berbasis data. Sistem ini berkontribusi dalam peningkatan kinerja perbankan melalui penerapan teknologi informasi berbasis web. 
Implementasi CBAM pada Arsitektur ResNet50 dalam Klasifikasi Penyakit Daun Tanaman Kentang Yanto, Vicky; Rachmat, Nur
Jutisi : Jurnal Ilmiah Teknik Informatika dan Sistem Informasi Vol 15, No 1 (2026): Februari 2026
Publisher : STMIK Banjarbaru

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35889/jutisi.v15i1.3411

Abstract

Potato cultivation is inevitably susceptible to various challenges, particularly leaf diseases. Failure to address these issues effectively can lead to a significant decline in both crop yield and harvest quality. This study aims to implement the Convolution Block Attention Module (CBAM) within the ResNet50 architecture for the classification of potato leaf diseases. The dataset utilized in this research comprises 2,152 images categorized into three classes: 152 healthy leaves, 1,000 early blight leaves, and 1,000 late blight leaves. The data was partitioned into training, validation, and testing sets with a ratio of 80:10:10, respectively. Image augmentation techniques were employed to address the class imbalance by increasing the number of healthy leaf images and enhancing dataset variability. Experimental results demonstrate that the ResNet50+CBAM model achieved the highest accuracy of 92% in both Scenario 1 (Adam optimizer, batch size 16) and Scenario 3 (Adam optimizer, batch size 32). Conversely, Scenario 4 (SGD optimizer, batch size 32) yielded the lowest accuracy at 77%.Keyword: CBAM; Classification; CNN; Potato; ResNet50 AbstrakDalam membudidayakan suatu tanaman kentang pastinya tidak terlepas dari permasalahan yang terjadi dalam tanaman kentang salah satunya yaitu pernyakit pada daun kentang, bila tidak diperhatikan dengan baik maka dapat terjadinya penurunan produksi dan penurunan kualitas pada hasil panen. Peneltian ini bertujuan untuk mengimplementasikan Convolution Block Attention Module (CBAM) pada arsitektur ResNet50 dalam klasifikasi penyakit daun tanaman kentang. Dataset yang digunakan dalam penelitian ini berjumlah 2152 gambar yang terdiri dari 3 kategori yaitu 152 daun sehat, 1000 daun early blight dan 1000 daun late blight yang akan dibagi menjadi 80% data latih, 10% data validasi dan 10% data uji. Penelitian ini menggunakan teknik augmentasi gambar yang bertujuan untuk menambah jumlah gambar daun sehat dan meningkatkan variasi data. Hasil pengujian menunjukkan ResNet50+CBAM pada skenario 1 (optimasi Adam dan batch size 16) dan skenario 3 (optimasi Adam dan batch size 32) menghasilkan akurasi yang sama yaitu 92% dan skenario 4 (optimasi SGD dan batch size 32) menghasilkan akurasi terendah yaitu 77%. 
Analisis Usability eOffice UKSW Menggunakan Technology Acceptance Model Mundung, Alfero Timothy; Fibriani, Charitas
Jutisi : Jurnal Ilmiah Teknik Informatika dan Sistem Informasi Vol 14, No 3: Desember 2025
Publisher : STMIK Banjarbaru

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35889/jutisi.v14i3.3259

Abstract

Perancangan Sistem Informasi Manajemen Kearsipan Digital Kecamatan Belantikan Raya Menggunakan Metode Prototype Ebizeen, Hizkia; Cahyono, Ariya Dwika
Jutisi : Jurnal Ilmiah Teknik Informatika dan Sistem Informasi Vol 14, No 3: Desember 2025
Publisher : STMIK Banjarbaru

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35889/jutisi.v14i3.3359

Abstract

Efficient and effective archive management is a major challenge for many government institutions in the digital era. At the Belantikan Raya Subdistrict Office, the manual archiving system causes issues such as limited storage, difficulty in retrieving documents, and the risk of document damage. This research aims to design a Digital Archival Management Information System to improve archive management efficiency. The research uses the prototype method, including requirement analysis, system design, and prototype development. The Unified Modeling Language (UML) approach is used to illustrate the system’s structure and workflow. Results show that the designed system improves record-keeping, storage, retrieval, and reporting, while reducing data loss, saving storage space, and speeding up administrative processes. The system also significantly contributes to enhancing employee performance and archive management at the Belantikan Raya Subdistrict Office, serving as a foundation for future web-based archiving system development.Keywords: Information System; Digital Archive; Prototype Method; Unified Modeling Language AbstrakPengelolaan arsip yang efisien dan efektif menjadi tantangan besar bagi banyak instansi pemerintah di era digital ini. Di Kantor Kecamatan Belantikan Raya, sistem pengarsipan manual yang masih digunakan menyebabkan berbagai permasalahan, seperti keterbatasan ruang penyimpanan, kesulitan dalam pencarian arsip, dan risiko kerusakan dokumen. Untuk mengatasi masalah tersebut, penelitian ini bertujuan untuk merancang sebuah Sistem Informasi Manajemen Kearsipan Digital yang dapat meningkatkan efisiensi dan efektivitas pengelolaan arsip. Metode yang digunakan dalam penelitian ini adalah prototype, yang mencakup analisis kebutuhan, perancangan sistem, dan pembuatan desain prototype. Pendekatan Unified Modeling Language (UML) digunakan untuk menggambarkan struktur dan alur kerja sistem secara jelas. Hasil penelitian menunjukkan bahwa sistem yang dirancang mampu memperbaiki proses pencatatan, penyimpanan, pencarian, dan pelaporan arsip, serta mengurangi risiko kehilangan data, menghemat ruang penyimpanan, dan mempercepat proses administrasi. Selain itu, sistem ini memberikan kontribusi signifikan terhadap peningkatan kinerja pegawai dan tata kelola arsip di Kantor Kecamatan Belantikan Raya, serta menjadi dasar bagi pengembangan sistem pengarsipan berbasis web di masa depan. 
Rancang Bangun Sistem Jemuran Otomatis dan Monitoring Cuaca berbasis Logika Fuzzy Sasongko, Alexander Ardian Pulung; Nurraharjo, Eddy
Jutisi : Jurnal Ilmiah Teknik Informatika dan Sistem Informasi Vol 15, No 1 (2026): Februari 2026
Publisher : STMIK Banjarbaru

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35889/jutisi.v15i1.3434

Abstract

Weather uncertainty in tropical regions often hinders the drying process and increases the risk of clothes getting wet again due to rain. This study aims to design a smart clothesline system based on the Internet of Things (IoT) with monitoring and adaptive automation capabilities. The methodology applied is prototyping using an ESP32 microcontroller integrated with BME280, BH1750, YL-83, and clothing dryness sensors, as well as utilizing Fuzzy Logic for decision making on the position of the drying rack poles. The main findings show that the environmental sensors have high accuracy with an average error of less than 1%. The Fuzzy algorithm proved effective in executing safety priorities by retracting the drying rack during rain, as well as improving efficiency by automatically retracting the drying rack when clothes are detected as dry by the sensor. It is concluded that this system successfully provides a reliable and efficient autonomous solution for drying management amid dynamic weather conditions.Keywords: Automatic Clothesline; ESP32; Fuzzy Logic; Internet of Things; Weather Monitoring. AbstrakKetidakpastian cuaca di wilayah tropis sering menghambat proses pengeringan dan meningkatkan risiko pakaian basah kembali akibat hujan. Penelitian ini bertujuan merancang sistem jemuran cerdas berbasis Internet of Things (IoT) dengan kemampuan monitoring dan otomasi adaptif. Metodologi yang diterapkan adalah prototyping menggunakan mikrokontroler ESP32 yang terintegrasi dengan sensor BME280, BH1750, YL-83, dan sensor kekeringan pakaian, serta memanfaatkan Logika Fuzzy untuk pengambilan keputusan posisi tiang jemuran. Temuan utama menunjukkan bahwa sensor lingkungan memiliki akurasi tinggi dengan rata-rata error di bawah 1%. Algoritma Fuzzy terbukti efektif menjalankan prioritas keamanan dengan menarik tiang jemuran saat hujan, serta meningkatkan efisiensi dengan menarik jemuran secara otomatis saat pakaian terdeteksi kering oleh sensor. Disimpulkan bahwa sistem ini berhasil memberikan solusi otonom yang andal dan efisien untuk manajemen penjemuran di tengah kondisi cuaca dinamis. 
Intelligent Document Processing Berbasis OCR + Transformers dan CNN untuk Verifikasi Dokumen Bantuan Pangan Santoso, David Bagas; Fachrie, Muhammad
Jutisi : Jurnal Ilmiah Teknik Informatika dan Sistem Informasi Vol 14, No 3: Desember 2025
Publisher : STMIK Banjarbaru

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35889/jutisi.v14i3.3351

Abstract

The rice assistance program is a government initiative to alleviate poverty by distributing rice to low-income households. This study aims to design and implement an Intelligent Document Processing system based on Convolutional Neural Networks (CNN) and hybrid Optical Character Recognition (OCR) to facilitate the verification of social assistance documents. The system integrates the LayoutLMv3 model for text entity extraction and a ResNet-18 CNN for signature-box classification, supported by conventional OCR and TrOCR for challenging text regions. The research methodology covers system design and model development. Experimental results show that the system can successfully convert PDF documents into images and accurately recognize key entities such as names and national ID numbers using LayoutLMv3 (validation accuracy 96.78%). Although ResNet-18 achieves a validation accuracy of 99.04%, it remains biased toward majority classes and is not yet reliable for verification decisions. The proposed system has the potential to accelerate and standardize document verification, with future work focusing on dataset rebalancing and improving the signature classification model. Keywords: LayoutLMv3; ResNet-18; Optical Character Recognition; TrOCR AbstrakProgram bantuan pangan beras merupakan upaya pemerintah dalam menanggulangi kemiskinan melalui distribusi beras kepada masyarakat kurang mampu. Penelitian ini bertujuan merancang dan mengimplementasikan Intelligent Document Processing berbasis Convolutional Neural Network (CNN) dan OCR hibrida untuk mempermudah proses verifikasi dokumen bantuan pangan. Sistem ini mengintegrasikan model machine learning LayoutLMv3 untuk ekstraksi entitas teks serta CNN ResNet-18 untuk klasifikasi tanda tangan, dengan dukungan Optical Character Recognition (OCR) dan TrOCR. Metode penelitian mencakup perancangan sistem dan pengembangan perangkat. Hasil pengujian menunjukkan bahwa sistem mampu mengekstraksi dokumen PDF menjadi citra, mengenali entitas seperti nama dan NIK dengan akurasi tinggi menggunakan LayoutLMv3 (val_accuracy 96,78%), serta mengklasifikasikan kotak tanda tangan dengan ResNet-18 (val_accuracy 99,04%). Namun, ResNet-18 masih bias terhadap kelas mayoritas sehingga belum dapat dianggap andal untuk keputusan verifikasi. Sistem yang diusulkan berpotensi mempercepat pemeriksaan dokumen bantuan pangan, sementara pengembangan lanjut difokuskan pada penyeimbangan data dan penyempurnaan model klasifikasi tanda tangan. 
Evaluasi Penerimaan Pengguna Terhadap E-Commerce Shopee Melalui Pendekatan UTAUT 2 Purnomo, Tommy Cahya; Chernovita, Hanna Prillysca
Jutisi : Jurnal Ilmiah Teknik Informatika dan Sistem Informasi Vol 14, No 3: Desember 2025
Publisher : STMIK Banjarbaru

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35889/jutisi.v14i3.3315

Abstract

Electronic Commerce (E-commerce) has become a significant phenomenon in modern commerce, expanding the way buying and selling transactions are conducted through online platforms. To understand user acceptance of E-commerce, this study uses the UTAUT 2 (Unified Theory of Acceptance and Use of Technology 2) Method. The UTAUT 2 method explores the factors that influence user acceptance of technology by integrating variables such as ease of use, perceived benefits, social norms, and other factors. Using this framework, this study aims to analyze users' attitudes, perceptions, and intentions towards E-commerce, as well as to identify factors that influence the acceptance and use of E-commerce in the context of today's digital marketplace. Through the UTAUT 2 approach, it is expected that the results of this study can provide valuable insights for E-commerce platform developers to improve user experience and increase widespread adoption of E-commerce.Keyword: E-Commerce; UTAUT 2; User Acceptance AbstrakElectronic Commerce (E-commerce) telah menjadi fenomena yang signifikan dalam perdagangan modern, memperluas cara transaksi jual beli dilakukan melalui platform daring. Untuk memahami penerimaan pengguna terhadap E-commerce, penelitian ini menggunakan Metode UTAUT 2 (Unified Theory of Acceptance and Use of Technology 2). Metode UTAUT 2 mengeksplorasi faktor-faktor yang memengaruhi penerimaan pengguna terhadap teknologi dengan mengintegrasikan variabel-variabel seperti kemudahan penggunaan, manfaat yang dirasakan, norma sosial, dan faktor-faktor lainnya. Dengan menggunakan kerangka kerja ini, penelitian ini bertujuan untuk menganalisis sikap, persepsi, dan niat pengguna terhadap E-commerce, serta untuk mengidentifikasi faktor-faktor yang memengaruhi penerimaan dan penggunaan E-commerce dalam konteks pasar digital saat ini. Melalui pendekatan UTAUT 2, diharapkan hasil penelitian ini dapat memberikan wawasan yang berharga bagi pengembang platform E-commerce untuk meningkatkan pengalaman pengguna dan meningkatkan adopsi E-commerce secara luas. 

Page 97 of 101 | Total Record : 1007

 95   96   97   98   99 

Filter by Year

2013 2026


Reset
Filter By Issues
All Issue Vol 15, No 1 (2026): Februari 2026 Vol 14, No 3: Desember 2025 Vol 14, No 2: Agustus 2025 Vol 14, No 1: April 2025 Vol 13, No 3: Desember 2024 Vol 13, No 2: Agustus 2024 Vol 13, No 1: April 2024 Vol 12, No 3: Desember 2023 Vol 12, No 2: Agustus 2023 Vol 12, No 1: April 2023 Vol 11, No 3: Desember 2022 Vol 11, No 2: Agustus 2022 Vol 11, No 1: April 2022 Vol 10, No 3: Desember 2021 Vol 10, No 2: Agustus 2021 Jutisi Vol. 10, No. 1, April 2021 JUTISI Vol. 9, No. 3, Desember 2020 JUTISI Vol. 9, No. 2, Agustus 2020 JUTISI Vol. 9, No. 1, April 2020 JUTISI Vol. 8, No. 3, Desember 2019 JUTISI Vol. 8, No. 2, Agustus 2019 JUTISI Vol. 8, No. 1, April 2019 Vol 7, No 3: Desember 2018 Vol 7, No 2: Agustus 2018 Vol 7, No 1: April 2018 Vol 6, No 3: Desember 2017 Vol 6, No 2: Agustus 2017 Vol 6, No 1: April 2017 Vol 5, No 3: Desember 2016 Vol 5, No 2: Agustus 2016 Vol 5, No 1: April 2016 Vol 4, No 3: Desember 2015 Vol 4, No 2: Agustus 2015 Vol 4, No 1: April 2015 Vol 3, No 3: Desember 2014 Vol 3, No 2: Agustus 2014 Vol 3, No 1: April 2014 Vol 2, No 1: April 2013 More Issue