cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Monica Cinthya
Contact Email
monicacinthya@unesa.ac.id
Phone
-
Journal Mail Official
monicacinthya@unesa.ac.id
Editorial Address
Gedung A10 Teknik Informatika Kampus Unesa Ketintang Jl. Ketintang Wiyata Gedung A10 Surabaya, Jawa Timur 60231
Location
Kota surabaya,
Jawa timur
INDONESIA
Journal of Emerging Information Systems and Business Intelligence (JEISBI)
Published by Universitas Negeri Surabaya
ISSN : -     EISSN : 27743993     DOI : 10.26740/jeisbi
Core Subject : Science, Education,
Computer Science & IT Decision Sciences, Operations Research & Management Languange, Linguistic, Communication & Media Library & Information Science
Journal of Emerging Information Systems and Business Intelligence (JEISBI) aims to provide scholarly literature focused on studies and research in the fields of Information Systems (IS) and Business Intelligence (BI). This journal also includes public reviews on the development of theories, methods, and applications relevant to these topics. All published works are presented exclusively in English to reach a global audience of readers and researchers. The journal’s scope includes but is not limited to the following fields: Data Mining Generative Artificial Intelligence Big Data Analytics Business Intelligence Enterprise Architecture UI/UX Business Process Management Enterprise System System Development Decision Support System IS/IT Strategy and Planning IT Investment and Productivity IT Project Governance IS Business Value Audit SI/TI Cybersecurity and Risk Management IS/IT Operations and Service Management IT Ethics Organizational and Human Behavior Technology Digital Sociology
Arjuna Subject : Ilmu Komputer (semua kategori) - Sistem Informasi
Articles 34 Documents
 1   2   3   4 
Search results for , issue "Vol. 5 No. 3 (2024)" : 34 Documents clear
USABILITY AND USER EXPERIENCE TESTING OF THE THREADS APPLICATION USING THE SYSTEM USABILITY SCALE (SUS) AND USER EXPERIENCE QUESTIONNAIRE (UEQ): PENGUJIAN USABILITY DAN USER EXPERIENCE APLIKASI THREADS MENGUNAKAN SYSTEM USABILITY SCALE (SUS) DAN USER EXPERIENCE QUESTIONNAIRE (UEQ) Anggraini, Ayu; Suyatno, Dwi Fatrianto
Journal of Emerging Information Systems and Business Intelligence (JEISBI) Vol. 5 No. 3 (2024)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/jeisbi.v5i3.63909

Abstract

Technology now plays an important role in life. So the progress of information technology is also accelerating rapidly. The latest data from the central statistics agency shows a fairly high increase in internet usage in Indonesia which can reflect the openness of the community to new technologies. From people's openness to new technology, mobile apps have become popular, one of which is the Threads application. Meta claims that Threads attracted 100 million users within a week of its launch. However, reports from online research researchers such as Sensor Tower and SimiliarWeb show that the number of Threads users has decreased significantly. On the other hand, usability and user experience are important elements in application development. The use of SUS and UEQ measurement tools allows users to test the usability and user experience of an application from the end user's perspective based on the experience after using the application. Based on the results of data processing using the System Usability Scale (SUS), the results of the calculation in the form of the number of average score values of 54.35 enter the Grade Scale with category D, Adjective Range with category OK, Acceptable with category Marginal, and NPS (Net Promoter Score) with category Ditractor. Based on the results of data processing using the User Experience Questionnaire (UEQ), the value of attractiveness (mean 0.4), perspicuity (mean 0.605), efficiency (mean 0.15), dependability (mean 0.065), stimulation (mean -0.095), and novelty (mean -0.155) has an average value between -0.8 and 0.8, which indicates a neutral evaluation level. Based on the benchmark results, the value obtained on each UEQ variable using the UEQ Data Analysis Tool gets a Bad value on all variables, namely attractiveness, efficiency, perspicuity, dependability, stimulation, and novelty. Overall, based on the user experience after using the Threads application, it is rated less by respondents so it needs to be improved to meet user expectations.
ANALISIS KEPUASAN PENGGUNA TERHADAP E-LEARNING UNIVERSITAS NEGERI SURABAYA: ANALYSIS OF USER SATISFACTION WITH E-LEARNING AT UNIVERSITAS NEGERI SURABAYA Herviyandasari, Jasica Ardana; Nuryana, I Kadek Dwi
Journal of Emerging Information Systems and Business Intelligence (JEISBI) Vol. 5 No. 3 (2024)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/jeisbi.v5i3.64045

Abstract

Pembelajaran daring atau online telah menjadi bagian integral dari pendidikan di Indonesia, termasuk pendidikan tinggi, terutama di masa pandemi COVID-19. Salah satu metode pembelajaran daring yang banyak digunakan adalah E-Learning. Universitas Negeri Surabaya (Unesa) telah mengimplementasikan E-Learning untuk memfasilitasi proses belajar mengajar jarak jauh. Saat ini, mahasiswa dapat mengakses pendidikan e-learning melalui SIDIA(Sinau Digital UNESA). Kepuasan Penggunaan Sistem E-Learning UNESA diukur dengan menggunakan model End User Computing Satisfaction (EUCS) yang mencakup lima dimensi yaitu akurasi, konten, format, kemudahan penggunaan, dan ketepatan waktu. Pengumpulan data dilakukan dengan menyebarkan kuesioner kepada Mahasiswa Sistem Informasi, angkatan 2022 yang mengikuti mata kuliah Literasi Digital yang berjumlah 150 mahasiswa. Teknik analisa yang digunakan adalah analisis deskriptif. Pada penelitian ini dilakukan 3 uji instrumen yaitu Uji Valilditas, Uji Reabilitas, dan Convergen Validity. Hasil penelitian menunjukkan bahwa secara keseluruhan, mahasiswa merasa puas dengan sistem yang digunakan. Nilai yang memiliki interval tertinggi ada pada indikator Timeliness T1(Kecepatan) yaitu 4,08. Sedangkan yang terendah ada pada indikator Content C2 (Manfaat) yaitu 3,90. Mengindikasikan perlunya peningkatan dalam kualitas dan relevansi konten yang disajikan. Meskipun demikian, beberapa area seperti peningkatan interaktivitas konten dan keandalan server masih memerlukan perhatian lebih untuk memastikan pengalaman pengguna yang lebih optimal di masa yang akan datang. Penelitian ini memberikan wawasan yang berharga bagi pengembangan lebih lanjut dari sistem ELearning di Unesa dan institusi pendidikan lainnya.
PENERAPAN METODE K-NEAREST NEIGHBOR (K-NN) UNTUK PREDIKSI PENJUALAN PAKAIAN (STUDI KASUS: UMKM KRESNA) Rahmawati, Lutvia; Indriyanti, Aries Dwi
Journal of Emerging Information Systems and Business Intelligence (JEISBI) Vol. 5 No. 3 (2024)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/jeisbi.v5i3.64064

Abstract

Analisis Sentimen Masyarakat terhadap Kebijakan Iuran Tabungan Perumahan Rakyat (Tapera) pada Platform X Menggunakan Algoritma Naïve Bayes Classifier dan Support Vector Machine Rizqiyah, Anis Maulidatur; Nuryana, I Kadek Dwi
Journal of Emerging Information Systems and Business Intelligence (JEISBI) Vol. 5 No. 3 (2024)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/jeisbi.v5i3.64074

Abstract

Pemerintah Indonesia menetapkan perubahan terhadap PP Nomor 25 Tahun 2020 tentang Penyelenggaraan Tabungan Perumahan Rakyat (Tapera) melalui PP Nomor 21 Tahun 2024. Dalam perubahan tersebut gaji pekerja Indonesia akan dipotong 3% untuk Tapera. Hal tersebut menimbulkan perdebatan dikalangan masyarakat, terutama pengguna platform X. Pada platform tersebut, masyarakat berbagi opini dan pandangan mereka terhadap kebijakan Tapera. Penelitian ini bertujuan untuk mengklasifikasikan tweet terkait kebijakan Tabungan Perumahan Rakyat (Tapera) menggunakan algoritma Naïve Bayes dan Support Vector Machine (SVM), sehingga didapatkan informasi mengenai sentimen masyarakat terhadap kebijakan tersebut. Data sejumlah 1280 tweet didapatkan dari hasil crawling web X. Data tersebut diproses menggunakan library sklearn dan diberikan label menggunakan InSet Lexicon. Data juga diproses menggunakan SMOTE. Klasifikasi dilakukan dengan membagi data ke dalam rasio 80:20, 70:30 dan 60:40. Hasil klasifikasi menggunakan algoritma Naïve Bayes dan SVM kemudian dievaluasi menggunakan confusion matrix dan k-fold cross validation. Dari hasil klasifikasi didapatkan bahwa sentimen masyarakat cenderung kearah negatif terhadap kebijakan Tapera. Didapatkan juga bahwa algoritma SVM memiliki akurasi yang lebih baik dibandingkan dengan algoritma Naïve Bayes. Sebelum SMOTE, SVM memiliki akurasi 84% pada rasio 80:20 dengan kernel linear dan C=2, sedangkan Naïve Bayes memiliki akurasi 81% pada rasio 80:20 dengan model Complement dan alpha 0.01. Setelah SMOTE, SVM memiliki akurasi 93% pada rasio 80:20 dengan kernel rbf dan C=3, sedangkan Naïve Bayes memiliki akurasi 89% pada rasio 60:40 dengan model Complement dan alpha 0.1.

Page 4 of 4 | Total Record : 34

 1   2   3   4 

Filter by Year

2024 2024


Reset
Filter By Issues
All Issue Vol. 7 No. 1 (2026): Vol. 07 Issue 01 Vol. 6 No. 4 (2026): Vol. 06 Issue 04 Vol. 6 No. 3 (2025): Vol. 06 Issue 03 Vol. 6 No. 2 (2025): Vol. 06 Issue 02 Vol. 6 No. 1 (2025) Vol. 5 No. 4 (2024) Vol. 5 No. 3 (2024) Vol. 5 No. 2 (2024) Vol. 5 No. 1 (2024) Vol. 4 No. 4 (2023) Vol. 4 No. 3 (2023) Vol. 4 No. 2 (2023) Vol. 4 No. 1 (2023) Vol. 3 No. 4 (2022) Vol. 3 No. 3 (2022) Vol. 3 No. 2 (2022) Vol. 3 No. 1 (2022) Vol. 2 No. 4 (2021) Vol. 2 No. 3 (2021) Vol. 2 No. 2 (2021) Vol. 2 No. 1 (2021) Vol. 1 No. 1 (2020) More Issue