Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :

Perawatan Metode Kanguru (PMK) terhadap Bayi Berat Lahir Rendah (BBLR) di Indonesia belum diterapkan sesuai dengan yang dianjurkan oleh WHO. Hal ini disebabkan oleh kurangnya dukungan dari pihak rumah sakit dalam memberikan pengetahuan dan keterampilan untuk melakukan PMK. Dalam Tugas Akhir ini, dikembangkan aplikasi bernama Hug-a-Baby untuk memberikan edukasi kepada Ibu dengan Bayi Berat Lahir Rendah (BBLR) dalam melakukan Perawatan Metode Kanguru (PMK). Proses pengembangan aplikasi ini menerapkan konsep agile development. Untuk merancang fitur-fitur yang sesuai dengan kebutuhan ibu pasien BBLR, dilakukan analisis kebutuhan pengguna dengan metode User Centered Design. Evaluasi rancangan fitur aplikasi dilakukan dengan usability testing. Revisi dilakukan berdasarkan hasil usability testing. Setelah rancangan desain difinalisasi, pengembangan aplikasi dilakukan berdasarkan kebutuhan pengguna yang sudah diperoleh melalui pendekatan Cross-compiler Application Development dengan React Native Expo framework. Hasil pengembangan aplikasi diuji dengan Alpha Testing sebagai bagian dari User Acceptance Testing dengan menggunakan pendekatan pembuatan studi kasus Requirement Based. Hasil pengujian User Acceptance Testing menyatakan bahwa aplikasi yang telah dikembangkan sesuai dengan kebutuhan pengembangan produk dan siap digunakan oleh pengguna. ......Kangaroo Mother Care (KMC) for Low Birth Weight Babies (LBW) in Indonesia has not been implemented as recommended by WHO. This is due to the lack of support from the hospital in providing knowledge and skills to carry out PMK. In this Final Project, an application called Hug-a-Baby is developed to educate mothers with Low Birth Weight Babies (LBW) in carrying out Kangaroo Mother Care (KMC). This application development process applies the concept of agile development. To design features that suit the needs of mothers with LBW patients, user needs are analyzed using the User Centered Design method. Evaluation of the application feature design is carried out by usability testing. Revisions were made based on the results of usability testing. After the design has been finalized, the application is developed based on user needs with Cross-compiler Application Development approach using React Native Expo framework. The application is tested by Alpha Testing as part of User Acceptance Testing using a Requirement Based case study approach. The results of the User Acceptance Testing test state that the applications that have been developed are in accordance with the product requirement and ready to use by users.

Abstrak :
Pada tahap awal desain kapal, optimasi dimensi utama memiliki dampak yang signifikan dalam menentukan kinerja kapal dan total cost of ownership. Penelitian ini berfokus pada pendekatan multi-objective optimization (MOP) dengan surrogate model untuk tahap awal desain kapal. Penelitian ini menerapkan pendekatan ensemble dari 3 surrogate model: PR (Polynomial Regression), Kriging, dan BPNN-PSO (Backpropagation Neural Networks – Particle Swarm Optimizer) dan adaptive switching metamodeling (ASM) framework pada MOP. Framework ini didapatkan dari taksonomi surrogate model berdasarkan bagaimana fungsi objective dan constraint dimodelkan secara independen atau agregat. Hasil akurasi surrogate model menunjukkan ensemble surrogate model mempunyai performa terbaik dengan Mean Absolute Error (MAE) 10.75 dan R2 0.98. Kemudian, hasil optimization menunjukkan kombinasi Kriging dengan ASM memberikan performa terbaik dengan nilai Inverted Generational Distance (IGD) paling kecil dan hypervolume paling besar dibandingkan kombinasi lainnya. Di sisi lain, framework dengan fungsi objective dan constraint dioptimalkan secara independen (framework M1-2), mendapatkan performa IGD yang paling baik untuk ensemble maupun individual surrogate model. Varian solusi desain dari kombinasi Kriging dan ASM framework memberikan nilai objective kebutuhan daya 60% lebih kecil dan berat baja 7% lebih kecil (dengan waktu desain 300 kali lebih cepat), jika dibandingkan dengan hasil desain oleh desainer kapal. ......In the early stages of ship design, optimization of main ship dimensions significantly impacts ship performance and the total cost of ownership. This research focuses on the Multi-Objective Optimization (MOP) approach with the surrogate model for the early stages of ship design. This study applies an ensemble approach of 3 surrogate models: PR (Polynomial Regression), Kriging, and BPNN-PSO (Backpropagation Neural Networks - Particle Swarm Optimizer) and Adaptive Switching Metamodeling (ASM) framework on MOP. This framework is obtained from the surrogate model taxonomy based on how the objective and constraint functions are modeled independently or in aggregate. The results of the surrogate model accuracy show that the ensemble surrogate model has the best performance with a Mean Absolute Error (MAE) of 10.75 and R2 of 0.98. Then the optimization results show that the combination of Kriging with the ASM framework has the best performance with the smallest IGD value and the largest hypervolume compared to other combinations. Meanwhile, frameworks with objective and constraint functions optimized independently (framework M1-2) have the best IGD performance for both ensemble and individual surrogate models. The design solution variant of the Kriging and ASM framework has objective values of 60% less effective power and 7% less steel weight requirements (with design time 300 times faster), when compared to the original design by the expert/ship designer.

Abstrak :
Riset terdahulu menunjukkan adanya misrepresentasi identitas agama pada media Indonesia. Menurut studi sebelumnya, misrepresentasi identitas marjinal pada dataset dan word embedding untuk natural language processing dapat merugikan identitas marjinal tersebut, dan karenanya harus dimitigasi. Riset ini menganalisis keberadaan bias agama pada beberapa dataset dan word embedding NLP berbahasa Indonesia, dampak bias yang ditemukan pada downstream performance, serta proses dan dampak debiasing untuk dataset dan word embedding. Dengan menggunakan metode uji Pointwise Mutual Information  (PMI ) untuk deteksi bias pada dataset dan word similarity untuk deteksi bias pada word embedding, ditemukan bahwa dua dari tiga dataset, serta satu dari empat word embedding yang digunakan pada studi ini mengandung bias agama. Model machine learning yang dibentuk dari dataset dan word embedding yang mengandung bias agama memiliki dampak negatif untuk downstream performance model tersebut, yang direpresentasikan dengan allocation harm dan representation harm. Allocation harm direpresentasikan oleh performa false negative rate (FNR) dan false positive rate (FPR) model machine learning yang lebih buruk untuk identitas agama tertentu, sedangkan representation harm direpresentasi oleh kesalahan model dalam mengasosiasikan kalimat non-negatif yang mengandung identitas agama sebagai kalimat negatif. Metode debiasing pada dataset dan word embedding mampu memitigasi bias agama yang muncul pada dataset dan word embedding, tetapi memiliki performa yang beragam dalam mitigasi allocation dan representation harm. Dalam riset ini, akan digunakan lima metode debiasing: dataset debiasing dengan menggunakan sentence templates, dataset debiasing dengan menggunakan kalimat dari Wikipedia, word embedding debiasing dengan menggunakan Hard Debiasing,  joint debiasing dengan sentence templates, serta joint debiasing menggunakan kalimat dari Wikipedia. Dari lima metode debiasing, joint debiasing dengan sentence templates memiliki performa yang paling baik dalam mitigasi allocation harm dan representation harm. ......Previous research has shown the existence of misrepresentation regarding various religious identities in Indonesian media. Misrepresentations of other marginalized identities in natural language processing (NLP) resources have been recorded to inflict harm against such marginalized identities, and as such must be mitigated. This research analyzes several Indonesian language NLP datasets and word embeddings to see whether they contain unwanted bias, the impact of bias on downstream performance, the process of debiasing datasets or word embeddings, and the effect of debiasing on them. By using the Pointwise Mutual Test (PMI) test to detect dataset bias and word similarity to detect word embedding bias, it is found that two out of three datasets and one out of four word embeddings contain religion bias. The downstream performances of machine learning models which learn from biased datasets and word embeddings are found to be negatively impacted by the biases, represented in the form of allocation and representation harms. Allocation harm is represented by worse false negative rate (FNR) and false positive rate (TPR) of models with respect to certain religious identities, whereas representation harm is represented by the misprediction of non-negative sentences containing religious identity terms as negative sentences. Debiasing at dataset and word embedding level was found to correctly mitigate the respective biases at dataset and word embedding level. Nevertheless, depending on the dataset and word embedding used to train the model, the performance of each debiasing method can vary highly at downstream performance. This research utilizes five debiasing methods: dataset debiasing using sentence templates, dataset debiasing using sentences obtained from Wikipedia, word embedding debiasing using Hard Debiasing, joint debiasing using sentence templates, as well as joint debiasing using sentences obtained from Wikipedia. Out of all five debiasing techniques, joint debiasing using sentence templates performs the best on mitigating both allocation and representation harm.

Abstrak :
Pengelolaan proposal tugas akhir untuk program sarjana Fakultas Ilmu Komputer Universitas Indonesia (Fasilkom UI) masih menggunakan media eksternal, seperti Excel, forum Student Centered E-Learning Environment (SCELE) Fasilkom UI, Google Form, dan sebagainya. Dengan demikian, pengelolaan proposal menjadi tidak terstruktur dan tidak terintegrasi. Untuk menangani masalah ini, sudah ada inisiatif pengembangan sistem informasi untuk mengelola tugas akhir yang dinamakan SISKRIPSI. Namun, fitur SISKRIPSI ini perlu dievaluasi dan dikembangkan lebih lanjut dengan melakukan requirements gathering bersama tim dosen tugas akhir Fasilkom UI agar fitur aplikasi sesuai dengan kebutuhan. Selain dari segi fitur, desain antarmuka dari SISKRIPSI juga perlu dievaluasi agar dapat memenuhi standar desain aplikasi. Hasil aplikasi yang telah dikembangkan ini dinamakan Sistem Pengelolaan Tugas Akhir (SIPETA). Pengembangan SIPETA menerapkan metode User Centered Design dan Feature Driven Development. Aplikasi SIPETA dibangun dengan arsitektur decoupled, frontend dikembangkan menggunakan framework React JS sedangkan backend dikembangkan menggunakan framework Django Rest Framework. Selain itu, SIPETA diintegrasi dengan Sistem Informasi Sidang Tugas Akhir (SISIDANG). Setelah dilakukan pengembangan, aplikasi dievaluasi dengan metode Usability Testing, System Usability Scale, User Acceptance Test dan Lighthouse Testing. Hasil evaluasi dari SIPETA menyatakan SIPETA sudah layak untuk digunakan. ......The management of final year project proposals of the undergraduate study programs at the Faculty of Computer Science, Universitas Indonesia (Fasilkom UI) still uses external media, such as Excel, Student Centered E-Learning Environment (SCELE) Fasilkom UI’s forum, Google Form, etc. Thus, proposal management becomes unstructured and unintegrated. To handle this problem, there was already an inisiative to develop an information system to manage final year projects named SISKRIPSI. However, the features of SISKRIPSI needs to be evaluated and developed further by conducting a requirements gathering with the Fasilkom UI final year project committee so that the application features match the needs. Apart from the features, the interface design of SISKRIPSI also needs to be evaluated so that it can fulfill the application design standards. The result of the developed application is called Sistem Pengelolaan Tugas Akhir (SIPETA). Development of SIPETA applies User Centered Design and Feature Driven Development method. SIPETA was build on decoupled architecture, frontend was build using React JS framework and backend was build using Django Rest Framework. Besides that, SIPETA was also integrated with Sistem Informasi Sidang Tugas Akhir (SISIDANG). After the development process, the application was evaluated using Usability Testing, System Usability Scale, User Acceptance Test and Lighthouse Testing methods. The evaluation results of SIPETA states that SIPETA is ready to use.

Abstrak :
Sistem informasi penugasan pengajaran dosen (Sirando) adalah salah satu sistem informasi manajemen sumber daya manusia berkaitan dengan penugasan pengajaran dosen Fasilkom UI. Sistem ini dibutuhkan oleh manajemen Fasilkom UI untuk mengelola tugas pengajaran dosen sesuai dengan beban yang dimiliki setiap dosen. Namun, selama penggunaan sistem tersebut terdapat beberapa masalah pada aplikasi seperti pemeliharaan aplikasi yang sulit untuk dikembangkan lebih lanjut dikarenakan pengembangan kode tanpa standar dan desain antarmuka aplikasi Sirando yang kurang user-friendly dan inkonsisten. Kedua permasalahan berhubungan erat dengan maintainability dan usability sehingga kedua aspek tersebut menjadi fokus pada penelitian ini. Peningkatan usability dilakukan dengan penerapan user-centered­ design (UCD) pada aplikasi. Sementara itu, aspek maintainability ditingkatkan melalui evaluasi dan implementasi ulang aplikasi. Model waterfall digunakan sebagai basis proses pengembangan arsitektur aplikasi. Hasil penerapan kedua pendekatan penelitian tersebut diuji menggunakan metode evaluasi kualitatif seperti group usability testing serta metode evaluasi kuantitatif seperti system usability scale (SUS), static code analysis, dan mean time to repair (MTTR). Group usability testing dan SUS diikuti oleh manajemen akademik Fasilkom UI, sedangkan MTTR diikuti oleh mahasiswa Fasilkom UI. Hasil evaluasi menunjukkan bahwa skor SUS dari aplikasi Sirando versi baru adalah 69,15 untuk tampilan desktop dan 66,68 untuk tampilan mobile yang termasuk dalam adjective rating “OK”. Hasil static code analysis dan pengujian MTTR juga menunjukkan maintainability aplikasi yang lebih baik pada versi baru aplikasi, yaitu berhasil mencapai 98% line coverage, penurunan signifikan terhadap technical debt, dan nilai MTTR yang lebih baik. ......Information system for teaching assignments of lecturers (Sirando) is one of the management information system related to teaching assignments of lecturers in Fasilkom UI. The system helps the management of Fasilkom UI manage the teaching assignments of lecturers according to the teaching load of each lecturer. However, during the use of the system there were several problems in the application such as difficulty in maintaining the web application to develop further because of unstandardized code development and interface design that is not user-friendly and inconsistent. Both problems are closely related to maintainability and usability of web applications so these two aspects are the focus of this research. The usability of the application is improved by applying user-centered design (UCD), whereas the maintainability aspect is improved through re-evaluation of Sirando’s architecture and implementation. The waterfall model is used as the basis for the application architecture development process. Both results of the research approaches are tested using qualitative evaluation methods such as group usability testing as well as quantitative evaluation methods such as system usability scale (SUS), static code analysis, and mean time to repair (MTTR). Group usability testing and SUS are followed by academic management of Fasilkom UI, while MTTR is followed by student of Fasilkom UI. The evaluation shows that the SUS score of the newly developed version of Sirando is 69,15 for the desktop display and 66,68 for the mobile display which has the adjective rating “OK”. The evaluation using a static code analysis tool and MTTR shows that the maintainability aspect of the newly developed version of Sirando is better than the past version, achieving 98% line coverage, a significant reduction in technical debt, and a better MTTR value.

Abstrak :
Machine Learning (ML) sebagai bagian dari Artificial Intelligence (AI) telah membuat komputer mampu melakukan hal-hal yang membutuhkan kecerdasan manusia secara otomatis. Binarized Neural Network (BNN) merupakan arsitektur ML modern yang memiliki keunggulan yakni penggunaan memori yang efisien dan performa yang baik. Namun, seperti neural network pada umumnya, BNN juga merupakan black-box model yang memiliki kesulitan dalam menjelaskan prediksi yang dihasilkan. Penelitian ini menggunakan teknik abduction untuk memperoleh minimal explanations, dalam bentuk himpunan pasangan fitur dan nilainya, dari hasil prediksi BNN. BNN dimodelkan sebagai model Mixed-Integer Linear Programming (MILP) dan selanjutnya disederhanakan menjadi model Integer Linear Programming (ILP) yang merupakan bentuk formal agar dapat dilakukan teknik abduction. Hasil penelitian menunjukkan bahwa teknik abduction dapat digunakan untuk menjelaskan hasil prediksi BNN. Penelitian ini juga menerapkan teknik abduction untuk menghasilkan penjelasan subset-minimal pada hasil prediksi BNN untuk beberapa dataset. ......Machine Learning (ML) as part of Artificial Intelligence (AI) has enabled computers to do things that require human intelligence automatically. Binarized Neural Network (BNN) is a modern ML architecture that has some advantages: efficient use of memory and good performance. However, like other neural networks in general, BNN is also a black-box model that has difficulties in explaining the resulting predictions. This research employs the abduction technique to obtain minimal explanations, that is a set of pairs of features and its values, from a BNN prediction. BNN is modeled as a Mixed-Integer Linear Programming (MILP) model and then further simplified into an Integer Linear Programming (ILP) model which is a suitable formalism for finding explanations using abduction. This research shows that the abduction technique can be used to explain BNN predictions. Furthermore, this research applies the abduction technique to produce subset-minimal explanations on BNN predictions for several datasets.

Abstrak :
Pemanfaatan Artificial Intelligence (AI) terutama Machine Learning (ML) semakin banyak ditemui dalam berbagai hal termasuk pengambilan keputusan. Hal ini menimbulkan kebutuhan untuk memperoleh explanation dari prediksi model ML sebagai akuntabilitas dan kepercayaan terhadap sistem AI. Penelitian ini menggunakan abduction yang terdapat pada pendekatan logika untuk memperoleh minimal explanations yang valid secara formal dari suatu prediksi model Artificial Neural Network (ANN) berbasiskan Rectified Linear Unit (ReLU). Peneli- tian ini melakukan implementasi terhadap algoritma subset-minimal dan algoritma cardinality-minimal yang telah ada sebelumnya. Selain itu, penelitian ini mengajukan algoritma randomized-subset-minimal sebagai bentuk pengembangan dari kedua algoritma. Eksperimen menunjukkan bahwa algoritma randomized-subset- minimal dapat menghasilkan explanation dengan ukuran yang lebih kecil daripada algoritma subset-minimal, dengan waktu komputasi yang jauh lebih efisien daripada algoritma cardinality-minimal. Abstrak Berbahasa Inggris: ......Artificial Intelligence (AI), especially Machine Learning (ML) is prevalent today in many donations, including for decision making. It raises the need for explanations of predictions by ML models to guarantee the accountability and trust of the AI system. This research exploits abduction from logic for obtaining minimal explanations of predictions by Artificial Neural Network (ANN) with rectifier activation function. This research implements both subset-minimal and cardinality-minimal algorithms for finding those explanations. Furthermore, this research proposes randomized subset-minimal algorithm for improving the algorithms. The experiment shows that the proposed algorithm is able to give explanations with a smaller size than the subset-minimal algorithm with computation time that much efficient than the cardinality-minimal algorithm.

Abstrak :
Pemilihan adalah proses keputusan penting yang dapat mempengaruhi kehidupan kita secara signifikan. Penghitungan suara di pemilihan tidak bebas dari kesalahan manusia atau kesalahan mesin. Audit berfungsi untuk memverifikasi hasil pemilihan. Sebuah audit dengan batasan risiko memastikan audit memiliki peluang tinggi untuk mengonfirmasikan pemenang yang dilaporkan (jika pemenang yang dilaporkan memang betul) sebagai pemenang sesungguhnya dan mengoreksi hasil pemilihan (jika pemenang yang dilaporkan salah). Ballot-polling Risk-limiting Audits to Verify Outcomes (BRAVO) adalah audit dengan batasan risiko yang menguji sampel per kertas suara individu yang diambil secara acak (dari hasil pemungutan suara). Riset ini mendefinisikan prosedur audit pada pemungutan suara dengan batasan risiko untuk seleksi pemenang Condorcet. Riset ini melakukan eksperimen yang menunjukkan kalau BRAVO bisa digunakan untuk seleksi pemenang Condorcet. Riset ini juga menunjukkan efektivitas dan efisiensi dari prosedur audit. Selain itu, riset ini menunjukkan efek dari batasan risiko dan terhadap banyak kertas suara yang diperlukan di prosedur audit. ......Election is a crucial decision-making process that can affect significantly our lives. The outcome of an election must be accurate. Tallying in election is not free from human errors or machine errors. Therefore, a corrective measure is necessary to verify the election outcome. This is the role of an audit. A risk-limiting audit ensures that the audit has a high chance to confirm a correct reported winner and correct any erroneous reported winner. BRAVO is a risk-limiting audit that examines samples per randomly-drawn individual ballot (ballot-polling). This research defines the ballot-polling risk-limiting audit procedure for the selection of Condorcet winner. This research conducts an experiment that shows BRAVO can be used for the selection of Condorcet winner

Abstrak :
Causality berperan penting dalam menjelaskan hubungan causal pada kehidupan seharihari. Causality terbagi menjadi dua gagasan, yakni general causality untuk hubungan sebab-akibat dan actual causality untuk accountability suatu kejadian. Terdapat beberapa upaya untuk memodelkan actual causality secara formal, salah satunya adalah pemodelan menggunakan causal calculus yang diperkenalkan oleh Bochman, walaupun tidak dijelaskan bagiamana pemodelan ini diimplementasikan secara konkret. Dalam tugas akhir ini, dirancang sebuah pemodelan actual causality dalam pemrograman logika menggunakan suatu pengembangan dari abduction, yaitu contextual abduction. Abduction adalah sebuah penalaran yang mana seseorang mengambil penjelasan terbaik dari semua kemungkinan penjelasan sehingga masuk akal dalam menjelaskan suatu observasi. Contextual abduction adalah pengembangan dari abduction yang mana dapat menerima konteks masukan untuk mencari penjelasan yang sesuai dengan konteks. Pemodelan actual causality dengan contextual abduction ini diimplementasikan menggunakan TABDUAL oleh Saptawijaya dan Pereira menjadi suatu prototipe, yang dapat melakukan pencarian actual cause. Prototipe ini diuji terhadap berbagai contoh yang menggambarkan kasus permasalahan actual causality yang mengkonfirmasi hasil pemodelan dengan causal calculus oleh Bochman. ......Causality has a big role in explaining causal relationships in a daily life. Causality is split into two notions, general causality, which describes relationships between cause and effect, and actual causality, which describes accountability of a certain event. There are a few attempts to formally represent actual causality, one of which uses causal calculus, introduced by Bochman, although it is not explained how to concretely implement this representation. In this final project, a formal representation of actual causality is formulated in logic programming using an extension of abduction, viz., contextual abduction. Abduction is a type of reasoning in which one picks the best explanation from all possible explanations such that it explains a given observation. Contextual abduction is an extension of abduction that takes into account an input context and find an explanation that is suitable to the context. This representation of actual causality with contextual abduction is implemented with TABDUAL of Saptawijaya and Pereira into a prototype that is able to search for actual causes. This prototype is tested against various examples that illustrate actual causality problems, confirming Bochman’s formal representation through causal calculus.

Abstrak :
Sistem informasi penugasan pengajaran dosen (Sirando) adalah salah satu sistem informasi manajemen sumber daya manusia berkaitan dengan penugasan pengajaran dosen Fasilkom UI. Sistem ini dibutuhkan oleh manajemen Fasilkom UI untuk mengelola tugas pengajaran dosen sesuai dengan beban yang dimiliki setiap dosen. Namun, selama penggunaan sistem tersebut terdapat beberapa masalah pada aplikasi seperti pemeliharaan aplikasi yang sulit untuk dikembangkan lebih lanjut dikarenakan pengembangan kode tanpa standar dan desain antarmuka aplikasi Sirando yang kurang user-friendly dan inkonsisten. Kedua permasalahan berhubungan erat dengan maintainability dan usability sehingga kedua aspek tersebut menjadi fokus pada penelitian ini. Peningkatan usability dilakukan dengan penerapan user-centered design (UCD) pada aplikasi. Sementara itu, aspek maintainability ditingkatkan melalui evaluasi dan implementasi ulang aplikasi. Model waterfall digunakan sebagai basis proses pengembangan arsitektur aplikasi. Hasil penerapan kedua pendekatan penelitian tersebut diuji menggunakan metode evaluasi kualitatif seperti group usability testing serta metode evaluasi kuantitatif seperti system usability scale (SUS), static code analysis, dan mean time to repair (MTTR). Group usability testing dan SUS diikuti oleh manajemen akademik Fasilkom UI, sedangkan MTTR diikuti oleh mahasiswa Fasilkom UI. Hasil evaluasi menunjukkan bahwa skor SUS dari aplikasi Sirando versi baru adalah 69,15 untuk tampilan desktop dan 66,68 untuk tampilan mobile yang termasuk dalam adjective rating “OK”. Hasil static code analysis dan pengujian MTTR juga menunjukkan maintainability aplikasi yang lebih baik pada versi baru aplikasi, yaitu berhasil mencapai 98% line coverage, penurunan signifikan terhadap technical debt, dan nilai MTTR yang lebih baik. ......Information system for teaching assignments of lecturers (Sirando) is one of the management information system related to teaching assignments of lecturers in Fasilkom UI. The system helps the management of Fasilkom UI manage the teaching assignments of lecturers according to the teaching load of each lecturer. However, during the use of the system there were several problems in the application such as difficulty in maintaining the web application to develop further because of unstandardized code development and interface design that is not user-friendly and inconsistent. Both problems are closely related to maintainability and usability of web applications so these two aspects are the focus of this research. The usability of the application is improved by applying user- centered design (UCD), whereas the maintainability aspect is improved through re- evaluation of Sirando’s architecture and implementation. The waterfall model is used as the basis for the application architecture development process. Both results of the research approaches are tested using qualitative evaluation methods such as group usability testing as well as quantitative evaluation methods such as system usability scale (SUS), static code analysis, and mean time to repair (MTTR). Group usability testing and SUS are followed by academic management of Fasilkom UI, while MTTR is followed by student of Fasilkom UI. The evaluation shows that the SUS score of the newly developed version of Sirando is 69,15 for the desktop display and 66,68 for the mobile display which has the adjective rating “OK”. The evaluation using a static code analysis tool and MTTR shows that the maintainability aspect of the newly developed version of Sirando is better than the past version, achieving 98% line coverage, a significant reduction in technical debt, and a better MTTR value.