Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
Banyaknya ulasan aplikasi Info BMKG yang belum pernah diolah menyulitkan pengembang aplikasi dalam mengembangkan fitur berdasarkan masukan pengguna. Ulasan pengguna aplikasi terdapat informasi penting yang dapat dijadikan rujukan oleh pengembang untuk meningkatkan kualitas layanan aplikasi. Penelitian ini bertujuan untuk membuat model klasifikasi terbaik terhadap ulasan pengguna aplikasi Info BMKG. Dataset yang digunakan berasal dari ulasan pengguna aplikasi Info BMKG di Google Play Store sebanyak 10.286 data. Klasifikasi ulasan dibagi ke dalam dua label, yaitu label relevansi dan label kategori. Label relevansi terdiri atas kelas relevan dan tidak relevan. Untuk label kategori terbagi empat kelas yaitu bug report, user request, weather information performance (layanan cuaca), dan earthquake information performance (layanan gempa bumi). Algoritme klasifikasi yang digunakan adalah Naïve Bayes, Support Vector Machine (SVM), Logistic Regression, dan Random Forest. Penelitian ini menghasilkan dua model untuk klasifikasi relevansi dan klasifikasi kategori. Hasil pemodelan klasifikasi terbaik untuk relevansi diraih oleh SVM dengan nilai akurasi sebesar 92,61%. Sedangkan untuk klasifikasi kategori, hasil pemodelan terbaik diraih oleh Random Forest dengan nilai akurasi sebesar 87,69%. Kedua model terbaik melalui teknik over-sampling pada dataset dan normalisasi koreksi ejaan pada tahap prapemrosesan. Untuk ekstraksi fitur terbaik pada model klasifikasi relevansi menggunakan unigram dengan TF-IDF dan panjang teks. Sementara pada model klasifikasi kategori hanya menggunakan unigram dengan TF-IDF saja. ......A large number of unprocessed Info BMKG app reviews makes it difficult for app developers to develop features based on user input. App user reviews contain important information that can be used as a reference by developers to improve the service quality of the app. This study aims to create the best classification model for user reviews of the Info BMKG app. Dataset used comes from user reviews of the Info BMKG app on the Google Play Store of 10,286 data. Review classification is divided into two labels, namely the relevance label and the category label. The relevance label consists of relevant and irrelevant classes. Category labels are divided into four classes, namely bug reports, user requests, weather information performance (weather services), and earthquake information performance (earthquake services). The classification algorithm used is Naïve Bayes, Support Vector Machine (SVM), Logistic Regression, and Random Forest. This research produces two models for relevance classification and category classification. Best classification modeling results for relevance were achieved by SVM with an accuracy value of 92.61%. For category classification, the best modeling results were achieved by Random Forest with an accuracy value of 87.69%. The two best models are over-sampling techniques on the dataset and normalization of spelling corrections at the pre-processing stage. The best feature extraction in the relevance classification model was carried out with the TF-IDF unigram and text length. Meanwhile, the category classification model only uses the TF-IDF unigram.

Abstrak :
Informasi teknologi dan bidang kesehatan sudah tidak dapat dipisahkan lagi di masa sekarang. Ditambah dengan adanya era pandemi Coronavirus Disease 2019 (COVID-19) di Indonesia, membuat masyarakat Indonesia semakin sulit untuk melakukan pengobatan secara langsung. Dengan keadaan masyarakat yang tidak bisa bertemu secara langsung membuat teknologi menjadi jembatan antara masyarakat dengan tenaga medis. Untuk mengetahui bagaimana peranan teknologi dalam membantu masyarakat Indonesia dalam bidang kesehatan, perlu dilakukan analisis lebih lanjut mengenai pengalaman pengguna selama menggunakan aplikasi kesehatan khususnya pada platform mobile. Penelitian ini menggunakan metode convergent mixed-method design secara paralel. Data kualitatif dikumpulkan dengan menggunakan kajian oleh ahli menggunakan 10 heuristic oleh Jacob Nielsen. Sedangkan data kuantitatif dikumpulkan menggunakan kuesioner SUPR-Q yang diterjemahkan ke dalam bahasa Indonesia menggunakan metode cross-cultural adaptation. Data kuantitatif ini akan memberikan penilaian pengalaman pengguna diukur dari beberapa dimensi yaitu usability, trust, appearance, dan loyalty.  Berdasarkan kajian ahli dan kuesioner, penggabungan kedua data tersebut menunjukan bahwa faktor 10 heuristic yaitu  help users recognize, diagnose, and recover from errors memiliki severity score yang cukup tinggi berkaitan dengan pengalaman pengguna pada dimensi appearance yang bernilai rendah. Hasil penelitian ini diharapkan dapat menjadi acuan bagi pengembang aplikasi-aplikasi kesehatan di Indonesia supaya memberikan pengalaman pengguna yang baik dari segi usability guna meningkatkan kualitas pelayanan kesehatan di Indonesia. ......Information technology and the health sector are inseparable nowadays. Within the era of the Coronavirus Disease 2019 (COVID-19) pandemic in Indonesia, it is increasingly difficult for Indonesian people to take treatment directly. With this condition of people who cannot meet in person, technology becomes a bridge between the community and medical personnel. To find out the role of technology in helping the Indonesian people in the health sector, it is necessary to carry out further analysis of user experience while using health applications, especially on mobile platforms. This study uses a convergent mixed-method design method. Qualitative data was collected using a study by experts using 10 heuristics by Jacob Nielsen. Meanwhile, quantitative data was collected using the SUPR-Q questionnaire which was translated into Indonesian using the cross-cultural adaptation method. This quantitative data will provide an assessment of user experience measured from several dimensions, namely usability, trust, appearance, and loyalty. Based on expert studies and questionnaires, the combination of the two data shows that the 10 heuristic factors, namely help users recognize, diagnose, and recover from errors, have a fairly high severity score related to user experience on the appearance dimension which is of low value. The results of this study are expected to be a reference for developers of health applications in Indonesia in order to provide a good user experience in terms of usability in order to improve the quality of health services in Indonesia.

Abstrak :
Penyebaran COVID-19 yang tak henti-hentinya di Jabodetabek semakin diperparah dengan masih tingginya mobilitas penduduk dan kurangnya kepatuhan terhadap tindakan kesehatan. Dalam situasi tanpa lockdown seperti ini, teknologi informasi dapat dimanfaatkan untuk mengurangi risiko infeksi COVID-19 terutama di tempat umum; lebih khususnya, merancang solusi digital dalam bentuk aplikasi seluler sebagai platform di mana pengguna dapat diinformasikan tentang tindakan kesehatan di lokasi untuk menghindari paparan terhadap situasi berisiko tinggi infeksi. ......The unrelenting spread of COVID-19 in the Greater Jakarta Area is further worsened by the still-high mobility of people and a lack of adherence to health measures. In a no-lockdown situation like this, information technology can be leveraged to reduce the risk of COVID-19 infection especially in public places; more specifically, designing a digital solution in the form of mobile application as a platform on which users can be informed of health measures in locations to avoid exposing themselves to high-infection-risk situations.

Abstrak :
Dewasa muda adalah kelompok usia dengan penggunaan tertinggi aplikasi seluler. Penelitian sebelumnya menunjukkan bahwa aplikasi seluler mengurangi kesejahteraan psikologis orang dewasa muda. Penelitian ini ingin melihat pengaruh dukungan sosial orangtua terhadap anak muda yang kesejahteraan psikologisnya menurun karena aplikasi seluler. Penelitian ini menggunakan pendekatan kuantitatif dan kuesioner kepada 99 responden. Hasil penelitian menunjukkan bahwa meskipun orang dewasa muda yang stres karena aplikasi mobile telah menerima dukungan sosial dari orang tua mereka, tingkat kesejahteraan psikologis mereka tetap rendah. Hasil analisis menunjukkan bahwa tidak ada korelasi antar variabel. ......Young adults are the age group with the highest usage of mobile app. Previous studies have shown that mobile apps are decreasing the psychological wellbeing of young adults. This study wanted to see the effect of parent rsquo s social support on young adults whose psychological wellbeing has decreased because of the mobile app. This study uses a quantitative approach and questionnaires to 99 respondents. The results showed that although young adults who were stressed because the mobile app have received social supports from their parents, their level of psychological well being remained low. The results of the analysis shows that there were no correlation among variables.