📚 Eksplorasi & Komparasi Topik Dokumen
Pencarian topik
Hasil Dokumen
Ditemukan: 101,300 dokumenPERANCANGAN DESAIN INTERAKSI MOBILE INTERFACE FITUR PERBANDINGAN PRODUK PADA E-COMMERCE UNTUK MEMINIMALKAN COGNITIVE LOAD PENGGUNA
Fitur perbandingan produk menjadi aspek penting dalam proses pengambilan keputusan pengguna di platform e-commerce, namun saat ini masih banyak dilakukan secara manual yang tidak efisien dan membebani beban kognitif pengguna. Hasil studi awal menunjukkan bahwa proses perbandingan produk yang tersedia saat ini belum optimal, ditandai dengan tingginya kebingungan pengguna dalam memahami perbedaan produk serta pengalaman yang tidak efisien. Untuk mengatasi permasalahan tersebut, penelitian ini merancang ulang fitur perbandingan produk menggunakan pendekatan User-Centered Design (UCD), yang mencakup tahapan user research, specify requirements, perancangan solusi, serta usability testing dalam dua iterasi. Solusi akhir berupa high-fidelity prototype pada antarmuka mobile yang menyajikan informasi perbandingan produk secara ringkas, terstruktur, dan mudah dipahami. Evaluasi dilakukan dengan usability testing menggunakan metrik SUS, SEQ, NPS, time on task, serta pengukuran beban kognitif menggunakan NASA-TLX. Hasil evaluasi menunjukkan peningkatan signifikan dalam efektivitas, efisiensi, dan kemudahan pemahaman, serta penurunan beban kognitif pengguna. Temuan ini menunjukkan bahwa pendekatan desain berpusat pada pengguna dapat meningkatkan kualitas pengalaman pengguna secara menyeluruh dan mendukung pengambilan keputusan pembelian yang lebih tepat dan nyaman.
PENANGANAN DATA IMBALANCE PADA DATASET DAISEE UNTUK ENGAGEMENT RECOGNITION MENGGUNAKAN METODE GENERATIVE ADVERSARIAL NETWORK
Dalam pembelajaran daring, interaksi antara pengajar dan pelajar memegang peranan penting dalam menentukan kualitas pembelajaran. Oleh karena itu, penelitian ini berupaya untuk membantu pengajar dalam mengidentifikasi tingkat emotional engagement pelajar selama pembelajaran daring melalui pengembangan model engagement recognition. Model tersebut telah dikembangkan pada berbagai penelitian sebelumnya, namun peningkatan kinerjanya terbatasi oleh kondisi ketidakseimbangan data yang ekstrem. Untuk itu, penelitian ini berfokus dalam menangani ketidakseimbangan data pada dataset DAiSEE melalui metode oversampling menggunakan Generative Adversarial Network (GAN). Teknologi ini akan menghasilkan sampel gambar sintetis dari kelas minoritas. Metode oversampling umum yaitu SMOTE juga diterapkan sebagai perbandingan untuk metode GAN. Dalam pemodelan, penelitian ini menggunakan dua model yaitu stack-LSTM dan CNN-BiLSTM. Hasil evaluasi dan pengujian menunjukkan kinerja model stack-LSTM lebih meningkat melalui metode oversampling GAN dengan f1-score kelas minoritas 0,1391, akurasi keseluruhan 54,99%, dan AUC 0,5961. Sementara itu, kinerja model CNN-BiLSTM lebih meningkat melalui metode oversampling SMOTE dengan f1-score kelas minoritas 0,1515, akurasi keseluruhan 52,18%, dan AUC 0,6073. Berdasarkan perbandingan antara keduanya, CNN-BiLSTM dengan SMOTE memiliki kinerja yang lebih baik akibat sampel sintetis SMOTE yang langsung memperkaya representasi di ruang fitur. Sementara itu, meskipun teknologi GAN juga dapat meningkatkan kinerja kelas minoritas, peningkatannya masih lebih rendah. Hal ini diakibatkan oleh sampel sintetis yang bersifat kompleks dan non-linier sehingga fitur-fitur halusnya memiliki kemungkinan dikenali model sebagai noise.
PERBANDINGAN METODE SAMPLING UNIFORM, EVENT-BASED, DAN RANDOM SEEK UNTUK MENGATASI DATA IMBALANCE PADA DATASET SOCCERNET MENGGUNAKAN LSTM (STUDI KASUS: DETEKSI AKSI DALAM KONTEKS SMART FOOTBALL)
Video pertandingan sepak bola mengandung beragam aksi yang bersifat penting seperti gol, pelanggaran, dan tendangan bebas. Namun, aksi-aksi tersebut cenderung jarang terjadi dibandingkan latar belakang non-aksi sehingga menyebabkan ketidakseimbangan kelas (class imbalance) yang signifikan pada data. Ketidakseimbangan ini berdampak negatif terhadap performa model action recognition yang dilatih menggunakan arsitektur LSTM. Oleh karena itu, penelitian ini bertujuan untuk mengevaluasi efektivitas berbagai metode sampling dalam menangani masalah tersebut. Beberapa metode yang diujikan mencakup uniform sampling, event-based sampling, dan random seek yang diusulkan dalam penelitian ini. Dataset yang digunakan adalah hasil ekstraksi fitur video pertandingan sepak bola yang telah dilabeli berdasarkan jenis aksi yang kemudian dilakukan sampling berdasarkan ketiga metode yang diujikan. Kemudian data dilatih menggunakan LSTM dan dievaluasi berdasarkan metrik mean average precision (mAP) dan F1-score per kelas aksi. Hasil eksperimen menunjukkan bahwa metode random seek secara konsisten meningkatkan performa model pada kelas-kelas minoritas tanpa menurunkan performa secara keseluruhan. Kesimpulannya, pemilihan strategi sampling yang tepat berperan krusial dalam meningkatkan kemampuan model dalam mendeteksi aksi-aksi penting pada video sepak bola, terutama pada skenario dengan distribusi kelas yang tidak merata.
PERANCANGAN ENTERPRISE ARCHITECTURE PADA RUMAH SAKIT GIGI DAN MULUT BERBASIS INSTITUSI NEGARA UNTUK OTOMATISASI LAYANAN ADMINISTRASI MEDIS
Administrasi medis merupakan komponen vital dalam penyelenggaraan layanan rumah sakit, mencakup pendaftaran pasien, pengaturan antrean, pencatatan rekam medis elektronik, hingga pelaporan kedinasan. Kompleksitas semakin meningkat pada Rumah Sakit Gigi dan Mulut (RSGM) berbasis institusi negara karena adanya kewajiban melayani masyarakat umum sekaligus memenuhi standar institusional. Penelitian ini bertujuan merancang Enterprise Architecture yang mampu mengintegrasikan berbagai proses administrasi medis agar lebih efisien, konsisten, dan sesuai regulasi kedinasan. Pendekatan penelitian menggunakan Design Science Research Methodology (DSRM) untuk menghasilkan artefak arsitektur yang teruji secara akademis maupun praktis. Kerangka TOGAF ADM diterapkan sebagai panduan penyusunan arsitektur bisnis, data, aplikasi, dan teknologi melalui tahapan sistematis dan iteratif. Evaluasi rancangan dilakukan melalui pendekatan expert judgement dan consistency check artefak terhadap kebutuhan arsitektur. Hasil penelitian berupa rancangan arsitektur yang terdiri atas subsistem pendaftaran, antrean, rekam medis, dan laporan, dengan entitas utama pasien, tenaga medis, serta staf administrasi. Rancangan ini diharapkan menjadi pedoman strategis dalam pengembangan Enterprise Architecture rumah sakit berbasis institusi negara agar layanan administrasi medis dapat lebih adaptif, terintegrasi, dan berkelanjutan.
PEMBUATAN RATING PADA VIDEO GAME BERBASIS ANALISIS SENTIMEN PADA ULASAN PERMAINAN DI STEAM MENGGUNAKAN MODEL DEEP LEARNING
Steam merupakan salah satu platform distribusi permainan terbesar saat ini yan memiliki lebih dari 100.000 permainan yang dijual maupun diberikan secara gratis. Steam saat ini hanya memiliki sistem ulasan biner yang berpotensi belum memberikan kemudahan kepada pengguna dalam mengeksplorasi permainan dan membuat keputusan pembelian. Untuk mengatasi permasalahan tersebut, penelitian ini merancang dan mengimplementasikan sebuah sistem analisis sentimen berbasis aspek untuk menghasilkan rating per aspek (gameplay, story, visual, audio) secara otomatis dari ulasan pengguna. Hal ini dapat memudahkan pengguna dalam mengeksplorasi permainan, memberikan informasi yang lebih mendalam kepada pengembang permainan terkait umpan balik permainannya, dan mengoptimalkan sistem rekomendasi Steam. Metode yang digunakan terdiri dari dua model BERT yang terspesialisasi untuk tugas deteksi aspek dan klasifikasi sentimen aspek. Tantangan utama kelangkaan data latih berlabel diatasi dengan pendekatan supervisi lemah menggunakan kerangka kerja Snorkel untuk membuat data latih secara terprogram. Hasil evaluasi sistem menunjukkan performa yang baik. Model deteksi aspek berhasil mencapai f1-score hingga 0,829 sementara model klasifikasi sentimen mencapai f1-score hingga 0,735. Pembuatan rating dilakukan dengan menghitung rasio jumlah sentimen positif dengan jumlah total sentimen. Penelitian ini menyimpulkan bahwa kombinasi supervisi lemah dengan arsitektur pipeline berbasis BERT merupakan solusi yang efektif dan valid untuk mengekstraksi informasi dari data ulasan tekstual.
APLIKASI MOBILE PEMANTAUAN JEJAK KARBON TRANSPORTASI DI INSTITUT TEKNOLOGI BANDUNG
Isu perubahan iklim mendorong pentingnya pemantauan jejak karbon yang dihasilkan dari aktivitas transportasi sehari-hari. Di lingkungan Institut Teknologi Bandung (ITB), belum tersedia sistem yang memungkinkan warga ITB untuk melacak dan memahami kontribusi emisi karbon personal dari perjalanan mereka, maupun kolektif emisi karbon transportasi di lingkungan kampus. Untuk menjawab permasalahan tersebut, penelitian ini menghasilkan sebuah aplikasi mobile bernama Greenzy yang dikembangkan menggunakan pendekatan iterative and incremental. Pendekatan ini digunakan karena kelebihannya dalam kemudahan penyesuaian dengan masukan pengguna. Aplikasi ini juga memiliki fitur gamifikasi untuk mendorong motivasi penggunaan aplikasi dan perubahan perilaku yang lebih ramah lingkungan. Sisi frontend aplikasi dikembangkan menggunakan React Native dan Expo. Pada sisi backend, aplikasi ini menggunakan Firebase yang terkoneksi dengan Google Cloud Platform sebagai layanan fungsionalitas aplikasi. Pengujian aplikasi dilakukan dalam tiga tahap: unit testing untuk memastikan fungsionalitas logika utama, system testing untuk mengevaluasi integrasi komponen dan keberhasilan tiap fitur, dan user acceptance testing (UAT) untuk mengukur penerimaan pengguna terhadap aplikasi. Hasil pengujian menunjukkan bahwa aplikasi telah memenuhi kebutuhan fungsional dan non-fungsional, dengan skenario pada unit testing dan system testing dinyatakan lulus 100%. Evaluasi melalui UAT menunjukkan tingkat keberhasilan tugas yang tinggi serta peningkatan skor System Usability Scale (SUS) dari 73 menjadi 88. Peningkatan ini menandakan aplikasi dapat digunakan dengan baik oleh pengguna. Penilaian kontribusi aplikasi juga menunjukkan efektivitas aplikasi dalam meningkatkan kesadaran pengguna terhadap jejak karbon transportasi di lingkungan kampus.
PENANGANAN BIAS BUDAYA PADA DATASET DAISEE DAN DIPSEER UNTUK ENGAGEMENT RECOGNITION MENGGUNAKAN ARSITEKTUR MULTIMODEL
Engagement recognition berbasis visual menjadi bidang penting dalam pengembangan sistem pembelajaran adaptif maupun pengamatan perilaku pengguna. Namun, sebagian besar dataset yang tersedia bersifat tertutup atau tidak merepresentasikan variasi budaya, sehingga memunculkan bias pada model yang dikembangkan. Penelitian ini bertujuan untuk menangani bias budaya pada sistem engagement recognition dengan menggunakan dua dataset terbuka yang memiliki konteks budaya berbeda, yaitu DaiSEE dan DIPSEER. Dua arsitektur model dasar yang digunakan adalah MLP-Mixer dan Convolutional Bi-LSTM. Hasil evaluasi silang menunjukkan bahwa model yang dilatih pada DIPSEER hanya mampu mencapai akurasi rata-rata 35.5% ketika diuji pada DaiSEE. Sebaliknya, model yang dilatih pada DaiSEE mencapai akurasi rata-rata 33.5% ketika diuji pada DIPSEER. Untuk mengatasi bias budaya, diterapkan pendekatan ensemble learning. Metode stacked ensemble menghasilkan akurasi tertinggi sebesar 75,40% pada pengujian dengan data test DIPSEER dan 58.79% pada pengujian dengan data test DaiSEE. Penelitian ini menyimpulkan bahwa metode ensemble dapat menjadi strategi yang lebih baik untuk sistem engagement recognition yang lebih inklusif terhadap variasi budaya. Penelitian ini juga merekomendasikan pemilihan frame yang lebih selektif, penyeimbangan dataset sejak tahap awal, serta eksplorasi hyperparameter untuk peningkatan kinerja model di masa mendatang.
INFORMATION SYSTEM FOR OPTIMIZING LIGHTNING DETECTION SENSOR PLACEMENT
Lightning, particularly Cloud-to-Ground (CG) strikes, poses a significant threat to infrastructure and electronic systems. Lightning Locating Systems (LLS) have been developed to monitor and determine lightning strike locations in real-time; however, the effectiveness of these systems is highly dependent on the optimal placement of sensors. Currently, sensor placement is generally conducted manually based on technician intuition, which is inefficient and prone to inaccuracies. This study aims to design an automated system capable of providing recommendations for optimal sensor placement within an LLS. The system is implemented as a webbased application that leverages historical lightning strike data, including coordinates and sensor coverage, to generate spatial analysis-based recommendations. Key features include interactive visualization of the sensor network, strike simulation, detection efficiency evaluation, and location accuracy assessment. Functional testing and User Acceptance Testing (UAT) with technical users were conducted to evaluate system performance. Results indicate that the system effectively provides visualization for sensor placement, identifies redundant sensors, and suggests new locations to improve coverage and network configuration.
DESAIN INTERAKSI APLIKASI KUIS ANATOMI 3D DENGAN ELEMEN GAMIFIKASI MENGGUNAKAN PENDEKATAN PLAYER-CENTERED DESIGN
Pembelajaran anatomi seringkali dianggap sulit karena membutuhkan visualisasi detail dan motivasi belajar yang tinggi, di mana platform digital yang ada saat ini terkadang memiliki desain yang rumit dan kurang menarik. Penelitian ini bertujuan untuk mengatasi permasalahan tersebut dengan menghasilkan prototipe high fidelity dari desain interaksi aplikasi kuis anatomi 3D yang menerapkan elemen gamifikasi. Metode yang digunakan adalah pendekatan Player-Centered Design yang berfokus pada pemahaman pemain (persona), penetapan misi pembelajaran, analisis motivasi, dan perancangan komponen gamifikasi seperti poin, level, badge, dan leaderboard untuk menciptakan pengalaman yang memotivasi. Prototipe dievaluasi melalui dua iterasi usability testing dengan lima partisipan menggunakan metrik kuantitatif dan kualitatif. Hasil evaluasi iterasi kedua menunjukkan pencapaian tujuan secara signifikan. Completion Rate mencapai 100% yang menunjukkan desain sangat efektif. Rata-rata skor System Usability Scale (SUS) meningkat menjadi 97,5, Intrinsic Motivation Inventory (IMI) untuk minat/kesenangan naik menjadi 6,7, dan User Retention Analysis mencapai 4,8. Kesimpulan dari penelitian ini adalah bahwa penerapan elemen gamifikasi melalui pendekatan Player-Centered Design terbukti berhasil menciptakan desain interaksi aplikasi pembelajaran anatomi yang tidak hanya memenuhi tujuan kebergunaan (usability goals) seperti efektif dan mudah dipelajari, tetapi juga tujuan pengalaman pengguna (user experience goals) yaitu memuaskan dan sangat memotivasi.
PENGEMBANGAN ALGORITMA ORDER-PRESERVING ENCRYPTION UNTUK MENINGKATKAN KEAMANAN DAN PERFORMA BASIS DATA TERSTRUKTUR PADA SERVER BERSPESIFIKASI RENDAH
Enkripsi basis data penting untuk menjaga keamanan informasi, tetapi sering kali mengorbankan performa, terutama pada server berspesifikasi rendah. Enkripsi konvensional seperti AES memperlambat kueri noneksak karena memerlukan dekripsi penuh, sedangkan order-preserving encryption (OPE) sebagai alternatif enkripsi data numerik memiliki kerentanan terhadap analisis pola dan frekuensi. Penelitian ini merancang algoritma OPE baru yang aman dan efisien, yaitu Block Metadata-Driven Order-Preserving Encryption (BMDOPE), menggunakan pendekatan Design Science Research Methodology (DSRM). BMDOPE bekerja secara nondeterministik dengan pemrosesan per blok, mekanisme key reshuffling, dan enkripsi metadata yang memanfaatkan AES-CBC dengan IV acak untuk mencegah serangan berbasis frekuensi. Hasil evaluasi pada lingkungan server berspesifikasi rendah menunjukkan bahwa BMDOPE secara signifikan lebih unggul dari algoritma pembanding. BMDOPE lebih cepat dibanding AES maupun OPE Boldyreva dengan waktu pengambilan data hampir linear terhadap jumlah hasil, serta penggunaan memori yang efisien. Ketika diterapkan dalam sistem degradasi waktu respons akibat enkripsi juga masih dalam batas toleransi. Dari sisi keamanan, algoritma ini menunjukkan avalanche effect rata-rata 34,24 persen, lulus 14 dari 16 uji keacakan NIST, dan memenuhi standar IND-OCPA. Dari sisi performa, Meskipun memiliki keterbatasan pada difusi bit dan pengurutan leksikografis untuk data variabel, BMDOPE terbukti mampu menyeimbangkan keamanan dan efisiensi performa pada basis data terenkripsi di server berspesifikasi rendah.
PERANCANGAN APLIKASI MOBILE PENDUKUNG MANAJEMEN JADWAL WISATA DENGAN VALIDASI ADAPTIF
Perencanaan wisata merupakan proses yang kompleks dan memerlukan pertimbangan berbagai faktor. Hasil survei menunjukkan bahwa 74% wisatawan memanfaatkan aplikasi wisata dalam proses perencanaan, tetapi 36,5% di antaranya memerlukan waktu lebih dari tiga jam untuk menyusun jadwal. Meskipun aplikasi seperti Travaa, Wanderlog, dan PlanBuddy telah tersedia untuk membantu penyusunan jadwal wisata, wawancara dengan 13 responden menyatakan bahwa 9 di antaranya masih lebih memilih metode manual dibandingkan aplikasi penyusun jadwal wisata otomatis. Dalam survei dengan 68 responden, 49,2% menggunakan spreadsheet untuk mengatur jadwal, menjadikannya jenis aplikasi paring seling digunakan, terutama karena aplikasi khusus wisata yang ada kurang fleksibel dalam menerima perubahan dan memiliki antarmuka yang sulit dipahami. Penelitian ini bertujuan memahami kebutuhan wisatawan secara menyeluruh dan membangun sistem berdasarkan kebutuhan-kebutuhan tersebut. Penelitian mengidentifikasi masalah utama berupa keterbatasan informasi yang ditampilkan dan kurang sesuainya beberapa fitur, seperti tidak adanya fitur informasi cuaca dan chatbot, dan fitur pengubahan jadwal wisata yang belum mendukung validasi berkelanjutan. Penelitian mengusulkan sistem perencana wisata otomatis dengan validasi adaptif berbasis forward checking dan global constraints untuk meningkatkan pengalaman tanpa mengurangi kuasa pengguna. Sistem diuji menggunakan feature testing dan penilaian pengguna melalui demonstrasi visual aplikasi yang menghasilkan penilaian SUS senilai 88,125. Hasil menunjukkan pendekatan validasi adaptif dengan pengubahan minimal dapat menjaga konsistensi jadwal sekaligus memberikan kendali penuh kepada pengguna. Pengembangan lebih lanjut dengan semua kegunaan dan integrasi model atau algoritma khusus penyusunan jadwal wisata dapat memvalidasi temuan ini secara lebih lanjut.
IMPLEMENTASI DAN EVALUASI KINERJA MODEL MACHINE LEARNING DALAM PREDIKSI PENJUALAN RETAIL
Tugas Akhir ini bertujuan untuk mengevaluasi dan menentukan algoritma forecasting yang paling optimal dalam memprediksi penjualan harian. Dalam hal ini, peramalan penjualan yang akurat merupakan kunci dalam mendukung manajemen inventori yang efisien guna menghindari kelebihan maupun kekurangan stok serta menekan biaya penyimpanan. Tiga algoritma pembelajaran mesin dan statistik yang dibandingkan dalam studi ini adalah Long Short-Term Memory, Seasonal AutoRegressive Integrated Moving Average, dan Extreme Gradient Boosting. Ketiganya dimodelkan dengan menggunakan data historis penjualan harian yang diperkaya dengan beragam fitur tambahan seperti promosi, kategori produk, dan variabel eksternal lainnya. Evaluasi kinerja dilakukan dengan menggunakan metrik mean absolute error, mean ebsolute percentage error, dan symmetric MAPE. Hasil evaluasi menunjukkan bahwa model LSTM memberikan kinerja terbaik dengan nilai kesalahan prediksi yang paling rendah dibandingkan dua algoritma lainnya. Temuan ini mengindikasikan bahwa LSTM lebih unggul dalam menangkap pola temporal dan dinamika data penjualan harian.
PENGEMBANGAN SISTEM PERHITUNGAN INDEKS KONDISI PERKERASAN PADA SISTEM SURVEI KONDISI PERKERASAN JALAN MENGGUNAKAN PENDEKATAN REGRESI
Dinas Bina Marga dan Penataan Ruang Provinsi Jawa Barat berkolaborasi dengan Sekolah Tinggi Elektro dan Informatika Institut Teknologi Bandung (STEI ITB) pada tahun 2021 untuk menciptakan sebuah aplikasi bernama survei kondisi perkerasan jalan (SKPJ) dengan tujuan untuk mempermudah proses survei kondisi jalan. Analisis kondisi jalan yang dilakukan di Indonesia menggunakan nilai indeks kondisi perkerasan (IKP). Perhitungan IKP dapat dilakukan pada aplikasi SKPJ versi 1.0 menggunakan metode linear interpolation untuk translasi grafik buatan manusia, namun metode tidak cocok untuk keperluan perhitungan. Pendekatan regresi dapat mengestimasi persamaan matematika dari grafik sehingga memenuhi kekurangan dari metode linear interpolation. Regresi dapat dilakukan dalam bahasa pemrograman Python dengan menggunakan fungsi scipy.curve_fit pada library SciPy. Regresi mengestimasi persamaan matematika dalam bentuk fungsi linear, kuadratik, dan logaritmik. Selain regresi biasa, pengujian dilakukan dengan metode piecewise regression. Model regresi yang menggunakan piecewise regression menghasilkan estimasi yang lebih mendekati grafik orisinal. Sistem perhitungan IKP kemudian diintegrasikan dengan aplikasi SKPJ agar nilai IKP dan penentuan tindak lanjut dapat ditampilkan dalam aplikasi SKPJ menggunakan data kerusakan masukan pengguna. Untuk setiap jenis kerusakan, jenis fungsi yang paling cocok untuk digunakan pada pembuatan model regresi dapat bervariasi dan perlu pengujian lapangan oleh seorang petugas survei untuk menentukan alternatif terbaik.
RANCANGAN SISTEM PEMESANAN TIKET KENDARAAN UMUM SEBAGAI SOLUSI KEMUDAHAN PEMESANAN TIKET BERBASIS MOBILE APPLICATION (STUDI KASUS : KOTA BANDUNG)
Kemacetan yang terjadi di Kota Bandung merupakan dampak dari rendahnya penggunaan transportasi umum oleh masyarakat. Salah satu penyebab utama adalah tidak tersedianya sistem informasi yang terintegrasi mengenai rute, jadwal, dan tiket moda transportasi publik yang tersedia. Tugas akhir ini bertujuan untuk merancang sebuah sistem pemesanan tiket kendaraan umum berbasis aplikasi mobile yang terintegrasi dengan informasi rute, estimasi waktu kedatangan, dan interaksi suara melalui teknologi voice bot. Metodologi yang digunakan adalah design thinking. Pada tahap desain solusi, perancangan model bisnis menggunakan framework Business Model Canvas (BMC), dan desain sistem menggunakan pendekatan Unified Modeling Language (UML) seperti use-case diagram, class diagram, sequence diagram, hingga deployment diagram. Evaluasi dilakukan dengan metode System Usability Scale (SUS) yang menunjukkan nilai rata-rata sebesar 82,12 yang dikategorikan sangat baik (grade A). Hasil validasi terhadap 152 responden menunjukkan bahwa sistem ini berpotensi meningkatkan frekuensi penggunaan transportasi umum, sehingga mampu menjadi solusi digital yang mendukung pengurangan kemacetan di Kota Bandung.
PERANCANGAN ANTARMUKA APLIKASI WEB UNTUK SEISMIC VULNERABILITY ASSESSMENT DENGAN PENDEKATAN USER CENTERED DESIGN
Gempa bumi merupakan bencana alam yang berpotensi menimbulkan kerugian besar baik dari segi materiel maupun korban jiwa. Salah satu langkah penting untuk mengurangi risiko tersebut adalah melakukan mitigasi. Salah satu langkah dalam mitigasi gempa adalah analisis terhadap tipologi bangunan, karena setiap bangunan memiliki karakteristik yang berbeda ketika merespons gempa. Namun, proses mitigasi berbasis tipologi bangunan yang ada saat ini masih dilakukan dengan cara manual dan menggunakan berbagai antarmuka. Untuk menjawab permasalahan tersebut, penelitian ini dilakukan untuk merancang antarmuka aplikasi web untuk seismic vulnerability assessment dengan pendekatan user centered design (UCD) yang mengintegrasikan seluruh proses mitigasi berbasis tipologi bangunan dalam satu antarmuka. Penelitian ini menggunakan pendekatan UCD yang dimulai dari analisis kebutuhan stakeholder melalui survei, dilanjutkan dengan perancangan prototipe low fidelity dan high fidelity, serta dilakukan pengujian menggunakan metode usability testing dengan metrik success rate, system usability scale (SUS), single ease question (SEQ), intrinsic motivation inventory (IMI), dan time on task. Hasil evaluasi menunjukkan bahwa desain yang dirancang dapat mengintegrasi proses dalam mitigasi gempa berbasis tipologi bangunan dengan memenuhi aspek usability goals dan user experience goals seperti effective to use, having a good utility, easy to learn, serta helpful