Hasil Pencarian  ::  Simpan CSV :: Kembali

"Di masa pandemi covid-19, hampir seluruh sektor ekonomi terkena dampaknya. Salah satu sektor yang bisa bertahan kuat adalah industri transportasi dan logistik online. Industri ini bisa kuat menghadapi resistensi dampak dari pandemi dikarenakan kapabilitasnya bisa menghubungkan banyak orang dengan berbagai macam kebutuhan dengan minim kontak fisik. Selanjutnya, situasi pascapandemi kemudian membuat mobilitas masyarakat semakin masif dan pesat setelah pemerintah Indonesia secara resmi mencabut aturan pembatasan sosial yang selama ini menghambat pertumbuhan ekonomi. Melihat hal tersebut, Gojek sebagai operator layanan aplikasi transportasi online terbesar di Indonesia menyampaikan rencana visi dan misi mereka di acara tahunan Gojek Outlook 2023. Perubahan strategi secara besar akan dilakukan perlahan-lahan oleh Gojek dengan mengurangi biaya promosi yang selama ini mereka keluarkan dan mengalihkannya ke dalam peningkatan pelayanan maupun optimisasi berbagai keputusan bisnis yang mendukung Gojek dalam mendapatkan profitabilitas. Untuk itu, penelitian ini dilakukan untuk menganalisis bagaimana pengaruh customer review sebagai variabel yang mencerminkan pendapat konsumen mengenai layanan Gojek saat ini terhadap variabel customer satisfaction dan customer loyalty ditambah dengan brand image sebagai moderasi. Penelitian dengan jenis kuantitatif ini menggunakan metode survei yang disebarkan pada bulan November-Desember 2023 pada masyarakat Generasi Z dan Milenial di Jabodetabek dan mendapatkan 153 responden. Sementara itu data text mining juga dilakukan untuk data kualitatif pada aplikasi Gojek dan mendapatkan 45.273 dataset. Data yang didapatkan kemudian diolah menggunakan software SPSS, Smart PLS 3.0, dan Orange. Hasil penelitian ini menunjukan bahwa beberapa dimensi customer review berpengaruh secara positif dan signifikan terhadap customer satisfaction. Lalu brand image dan customer satisfaction yang berpengaruh secara positif dan signifikan terhadap customer loyalty. Begitupun dengan peran brand image sebagai moderasi terhadap customer loyalty. Namun, tidak ada satupun dimensi customer review yang berpengaruh secara signifikan terhadap customer loyalty diikuti beberapa dimensi customer review terhadap customer satisfaction.

---

During the Covid-19 pandemic, nearly all economic sectors were affected. One sector that can remain robust is the online transportation and logistics industry. This industry can sustain itself in facing the impact of the pandemic due to its capability to connect many people with various needs with minimal physical contact. Furthermore, the post-pandemic situation made people's mobility even more massive and rapid after the Indonesian government officially lifted the social restrictions that had hampered economic growth. Observing this trend, Gojek, as the largest online transportation application service operator in Indonesia, presented its vision and mission plan at the annual Gojek Outlook 2023 event. Gojek aims to make significant strategic changes gradually by reducing the promotional costs they have been incurring and redirecting them to improve services and optimize various business decisions that support Gojek in achieving profitability. For this reason, this research was conducted to analyze the influence of customer reviews as a variable that reflecting consumers opinions on current Gojek services. The study focused on the variables of customer satisfaction and customer loyalty, with brand image considered as a moderating factor. This quantitative research employed a survey method distributed in November-December 2023 among Generation Z and Millennial communities in Jabodetabek, with 153 respondents. Additionally, text mining data was conducted for qualitative data on the Gojek application, resulting in 45,273 datasets. The collected data was then processed using SPSS, Smart PLS 3.0, and Orange software. The research results indicate that several dimensions of customer reviews have a positive and significant effect on customer satisfaction. Moreover, brand image and customer satisfaction positively and significantly influence customer loyalty, with brand image playing a role as a moderator of customer loyalty. However, none of the customer review dimensions show a significant effect on customer loyalty, followed by several customer review dimensions on customer satisfaction."

"Di tengah transformasi digital, perusahaan perlu mengoptimalkan proses bisnis salah satunya melalui pengintegrasian teknologi digital Artificial Intelligence (AI). AI marketing efforts yang meliputi interaction, information, accessibility, customization, dan entertainment menjadi salah satu upaya seabgai jenis baru komunikasi pemasaran media sosial yang didukung oleh teknologi berbasis AI. AI marketing efforts mampu mempengaruhi respons pelanggan dan pengalaman pengguna secara keseluruhan. Pengalaman baru yamg didapat akan mengarah pada kepuasaan pelanggan dan preferensi merek mereka. Dari sisi perusahaan, perusahaan harus mendalami serta mengoptimalkan peran dari marketing efforts berbasis AI dalam segi bisnis dan operasionalnya agar dapat memaksimalkan pengalaman pengguna sehingga terciptanya preferensi merek di benak pengguna. Penelitian ini bertujuan untuk menganalisis pengaruh AI marketing efforts terhadap brand preference yang dimediasi oleh brand experience. Penelitian menggunakan pendekatan kuantitatif melalui penyebaran kuesioner melalui teknik penarikan sampel purposive sampling terhadap pengguna aplikasi TikTok di DKI Jakarta. Data yang diperoleh dari penelitian ini sejumlah 155 responden dan dianalisis menggunakan analisis data SEM-PLS (Structural Equation Modelling – Partial Least Square). Pengolahan data menggunakan aplikasi software IBM SPSS Statistics 29 dan SmartPLS 3.2.9. Hasil dari penelitian ini menunjukkan bahwa brand experience mampu memediasi hubungan antara AI marketing efforts dan brand preference secara positif. Telerbih lagi, ditemukan pula pengaruh positif antar variabel dalam penelitian ini.

---

During digital transformation, a company should optimize its business process by integrating digital technology such as artificial intelligence (AI). AI marketing efforts - interaction, information, accessibility, customization, entertainment-are one of the new types of social media marketing communication supported by AI technology. The new experience gained by customers will lead to customer satisfaction and brand preference. This study aimed to analyze the influence of AI marketing efforts on brand preferences mediated by brand experience. The research employs a quantitative approach by distributing questionnaires through a purposive sampling technique to TikTok’s users at DKI Jakarta a total of 155 respondents. The findings of this study demonstrate that brand experience can mediate the relationship between AI marketing efforts and brand preference positively. In addition, there is a positive relationship among the variables used in this study."

"ABSTRAKPerkembangan teknologi informasi telah memberikan pengaruh terhadap dunia pendidikan khususnya dalam pembelajaran. Peran teknologi informasi dan sistem informasi di bidang pendidikan tinggi salah satunya dapat dilihat dalapenggunaan media ajar di dalam ruang perkuliahan, pemanfaatan laboratorium, dan sistem informasi akademik yang dapatmemperlancar pelaksanaan kegiatan akademik. Penelitian ini bertujuan untuk melihat apakah implementasi sistem informasi/ teknologi informasi (SI/TI) berpengaruh terhadap kualitas pembelajaran di perguruan tinggi, dengan studi kasus pada Politeknik Negeri Jakarta khususnya jurusan Teknik Elektro. Penelitian ini menggunakan metodologi penelitian kualitatif dengan analisis statistik infrensial untuk menggambarkan korelasi implementasi sistem informasi dan media ajar terhadap kualitas pembelajaranKeyword : Implementasi SI/TI, Media Ajar"

"Suara merupakan suatu hal yang penting pada diri manusia, dengan suara manusia bisa berkomunikasi dengan mudah. Selain itu, melalui suara kita bisa mengenali orang tersebut tanpa perlu melihat wajahnya. Hal itu disebabkan karena setiap suara manusia memiliki karakteristiknya masing-masing. Akan tetapi jika melalui perantara, misalnya melalui rekaman atau melalui pesawat telepon, suara yang dihasilkan kadang berbeda dengan suara aslinya tanpa melalui perantara. Hal ini dikarenakan tiap-tiap alat tersebut memiliki sample rate frekuensi yang berbeda. Oleh karena itu, perlu dikembangkan suatu sistem untuk identifikasi suara manusia dalam berbagai variasi sampling frekuensi. Dataset yang digunakan pada penelitian ini merupakan data rekaman dari empat orang dengan sample rate 8000Hz, 16000Hz, 32000Hz dan 48000Hz. Untuk melakukan identifikasi data tersebut, dibutuhkan metode ekstraksi fitur dan klasifikasi yang tepat untuk berbagai jenis data tersebut. Pada penelitian ini dilakukan penggabungan tiga fitur untuk identifikasi suara manusia dalam berbagai jenis sampling frekuensi yaitu fitur akustik MFCC, frekuensi formant, dan fitur prosodik dinamis. Proses klasifikasi dari fitur-fitur terebut dan penggabungan fitur menggunakan Deep Neural Network (DNN). Hasil eksperimen menunjukkan bahwa penggabungan ketiga fitur dengan Deep Neural Network memperoleh f1-score yang lebih baik dibandingkan penggabungan fitur dengan menggunakan klasifikasi Support Vector Machine (SVM). Nilai f1-score yang didapatkan pada penggabungan fitur dengan menggunakan DNN pada data suara berdurasi 3 detik, 5 detik, dan 10 detik berturut-turut adalah 97.89%, 98.51%, 99.83%.

---

Voice is an essential thing in humans; with voice, humans can communicate easily. In addition, through voice, we can recognize the person without seeing his/her face. This is because every human voice has its characteristics. However, if through an intermediary, for example, through a recording device or a telephone, sometimes the sound or voice that is produced is different from the original sound without going through an intermediary. This is because each of these devices has a different sample rate of frequency. Therefore, it is necessary to develop a system for identifying the human voice in a variety of sampling frequencies. The dataset that is used in this study is recorded data from four people with sample rates of 8000Hz, 16000Hz, 32000Hz, and 48000Hz. To identify the data, the appropriate feature extraction and classification methods are needed for these various types of data. In this study, three features will be combined to identify the human voice in various types of frequency sampling, namely MFCC acoustic features, formant frequencies, and dynamic prosodic features. The process of classifying these features and combining features using Deep Neural Network (DNN). The experimental results show that combining the three features with Deep Neural Network obtain a better f1-score compared with Support Vector Machine (SVM). The f1-score value obtained by combining those features with DNN on sound data with 3 seconds, 5 seconds, and 10 seconds duration are 97.89%, 98.51%, and 99.83%, respectively.

"

"ABSTRAK Sistem evaluasi pembelajaran berbasis soal esai mempunyai kelemahan misalnyamembutuhkan waktu yang lama bagi pengajar untuk membaca serta menilaisemua jawaban. Solusi dari kendala tersebut adalah suatu sistem penilai jawabanesai otomatis. Metode yang menganalisis makna semantik seperti Latent SemanticAnalysis (LSA) telah digunakan sebagai metode dalam sistem penilai esaiotomatis. Metode lain yang menganalisis makna semantik seperti BEAGLE(Bound Encoding of the Aggregate Language Environment) mencakup informasiurutan kata sebagai tambahan dari informasi konteks. Pembelajaran padaBEAGLE terdiri dari pembelajaran berbasis konteks, pembelajaran berbasisurutan kata, maupun campurannya (berbasis konteks dan urutan kata). Penelitianini membandingkan efektifitas tiga macam pembelajaran pada BEAGLE untukmenilai jawaban esai serta membandingkan efektifitas BEAGLE dan LSA untukmenilai jawaban dalam bentuk esai. Uji coba dilakukan dengan 14 soal esaidengan sifat soal subjektif maupun objektif. Berdasarkan penelitian ini, rata-ratakorelasi nilai BEAGLE-manusia (0,36) lebih tinggi dari LSA-manusia (0,22).

---

ABSTRACT Learning evaluation system based on essay has disadvantages such as it takes along time for teachers to read and score all the student’s answers. The solution ofthis problem is an automatic essay scoring. Method like Latent Semantic Analysis(LSA) which analyze the semantic meaning, is often used as a method ofautomatic essay scoring. Another method which analyze the semantic meaning,BEAGLE (Bound Encoding of the Aggregate Language Environment) includesorder information as additional information of context information. Learningprocess on BEAGLE consist of context-based learning, order-based learning, orcomposite learning (context-based and order-based). This study compare theeffectiveness of this learning methods on BEAGLE to score student’s essay andcompared the effectiveness between BEAGLE and LSA to score student’s essay.There are 14 essays with subjective and objective questions tested on this study.Based on this study, the average correlation value of BEAGLE-human (0.36) ishigher than LSA-human (0.22)."

"ABSTRAKMasalah kemacetan di Jakarta merupakan kumulasi dari berbagai masalah lalulintas. Polda Metro Jaya selaku penegak hukum dan pelaksana manajemen lalulintas membuat TMC sebagai wadah untuk penyebaran informasi lalu lintas.Namun pada kenyataannya, TMC belum terbukti dapat membantu penggunajalan dalam menghadapi lalu lintas. Penelitian ini menganalisis apakahpenyebaran informasi oleh TMC Polda Metro Jaya di media sosial berdampakterhadap pengambilan keputusan pengguna jalan, terutama ketika berhadapandengan kemacetan. Metode pengambilan data dari penelitian ini menggunakansurvey dengan waktu pengambilan sampel cross section yang disebar padafollower akun Twitter dan Facebook TMC Polda Metro Jaya. Hasil surveyyang diperoleh dianalisis menggunakan piranti lunak olah data statistik denganuji regresi linear berganda. Dari 624 responden, diperoleh hasil bahwa faktorfungsional, bauran pemasaran, dan kualitas informasi dari TMC Polda MetroJaya berpengaruh terhadap keputusan pengguna jalan.

---

ABSTRACTThe principal objective of this paper is to analyze the impact of informationsharing done by Jakarta Metropolitan Police Headquarter’s TrafficManagement Centre (TMC) with the road users’ decision making process. Theimpact of TMC is hoped to enease road users handling traffic congestion.Traffic congestion has always been main problem for any metropolitan cities,including Jakarta. This paper research how information sharing involvinginteraction, trust, online marketing mix, information quality and service qualityimpacts the road users’ decision making process. Research method used in thisresearch is cross sectional, where questionaires were shared among theFacebook and Twitter followers of TMC. A total of 624 respondents repliedthe questionaires and the data then processed using statistical software packagewith linear regression analysis. The result of this research proves thatfunctionality, online marketing mix, and information quality of TMC impactsignificantly on road users’ decision making."

"E-Procurement merupakan kegiatan mengadakan barang dan jasa oleh suatu organisasi yang dilakukan secara elektronik. E-Procurement di pemerintahan Indonesia bertujuan untuk meningkatkan efisiensi, efektivitas, transparansi, persaingan sehat, dan akuntabilitas di bidang pengadaan barang/jasa pemerintah. Penerapan e-Procurement di Kementerian Keuangan merupakan amanat dari Menteri Keuangan yang dicanangkan sejak tahun 2008. Jumlah paket yang dilaksanakan melalui sistem pengadaan secara elektronik (SPSE) mengalami peningkatan dari tahun ke tahun. Namun demikian, masih terdapat paket pengadaan yang tidak dilaksanakan secara elektronik. Salah satu hal yang menjadi kendala adalah tingkat penerimaan SPSE oleh pengguna.Tujuan dari penelitian ini adalah mengetahui tingkat penerimaan pengguna terhadap SPSE dengan menggunakan pendekatan Technology Acceptance Model 2 (TAM2). Penelitian ini mengguunakan teknik survey dengan melibatkan 185 responden, dalam hal ini panitia pengadaan barang/jasa, yang ada di kantor pusat Kementerian Keuangan. Pengujian model dan pengolahan data hasil survey dengan menggunakan Structural Equation Modeling (SEM).Hasil penelitian ini membuktikan bahwa dari 11 hipotesis yang dikembangkan, 9 hipotesis diterima dan 2 hipotesis ditolak. Variabel yang terbukti signifikan dalam penerimaan pengguna terhadap SPSE, yaitu: (a) Job Relevance; (b) Output Quality; (c) Result Demonstrability; (d) Perceived Ease of Use; (e) Perceived Usefulness; (f) Employee Training; dan (g) Infrastructure Support.

---

E-Procurement is an electronic procuring activity that held by an organization. In Indonesian government e-Procurement aimed to improve efficiency, effectiveness, transparency, healthy competition and accountability in Procurement. E-Procurement enforcement in Ministry of Finance is the mandate from Finance Minister that has been run since 2008. The number of package executed by e-Procurement has increase from year to year/year by year. However, there are several Procurement that is still executed in conventional way/cannot be executed by e-Procurement because of several constraints, one of the them is the level of user’s e-Procurement acceptance.

The goal of this research is to know the user’s e-Procurement acceptance using Technology Acceptance Model 2 approachment (TAM2), with research methodology that involving 186 respondents, (in this case procurement committees in Ministry of Finance head office) and Structural Equation Modeling (SEM) in examining the survey result.

This research find that out of 11 developed hypothesis 9 as the accepted hypothesis and 2 as rejected hypothesis. Variables influencing user’s e-Procurement acceptance, namely: (a) Job Relevance; (b) Output Quality; (c) Result Demonstrability; (d) Perceived Ease of Use; (e) Perceived Usefulness; (f) Employee Training; and (g) Infrastructure Support."

"Di era kemajuan teknologi yang pesat, pembelajaran daring semakin populer terutama setelah COVID-19. Namun, tunarungu sering menghadapi kesenjangan dalam memahami video pembelajaran. Salah satu solusi yang dapat membantu adalah dengan menyediakan subtitle dalam bahasa isyarat, khususnya Sistem Isyarat Bahasa Indonesia (SIBI). Untuk mengembangkan subtitle ini, diperlukan teks input dari video pembelajaran. Namun, teks input seringkali terlalu panjang dan mengandung banyak kata yang tidak ada dalam kamus bahasa isyarat SIBI. Metode yang ada sekarang pun menghasilkan animasi SIBI secara kata demi kata, yang mengakibatkan animasi bergerak cepat dan sulit diikuti oleh pengguna tunarungu. Penelitian ini membahas integrasi translasi teks dalam pengembangan subtitle animasi isyarat SIBI untuk aplikasi Moodle, menggunakan machine learning. Penelitian ini bertujuan untuk mengembangkan solusi yang lebih efektif dengan menerapkan terjemahan teks. Penelitian ini mengusulkan penggunaan dua model pretrained, yaitu mBART50 dan NLLB200 sebagai baseline model dan model yang akan di-finetuning. Eksperimen ini menggunakan dataset yang dikumpulkan dari 12 video pembelajaran. Kemudian data ini diproses, dianotasi oleh guru Sekolah Luar Biasa (SLB), dan digunakan untuk training, validation, serta testing dan dataset ini dinamakan SIBIVID-MP12. Eksperimen dilakukan dengan membandingkan model baseline dengan model yang sudah di-finetuning. Finetuning dilakukan dengan dan tanpa custom loss function yang merupakan inovasi pada penelitian ini. Custom loss function menambahkan SIBIDictLoss pada total loss model, sehingga akan memaksa model untuk hanya menggunakan kata yang ada pada kamus SIBI. Hasil eksperimen menunjukkan bahwa dengan adanya finetuning, model mBART50 dan NLLB200 mengalami peningkatan performa dibandingkan model baseline-nya tanpa finetuning dalam melakukan terjemahan teks Bahasa Indonesia ke dalam SIBI. Model NLLB200 FT+CL dengan varian batch size 4, penggunaan weighting varian kedua, ukuran weight 0,2, dan besaran penalti 0,1 menjadi varian dengan nilai evaluasi tertinggi dengan peningkatan nilai sacreBLEU sebesar 71% , nilai chrF++ sebesar 9,79% , nilai METEOR 22,92% , dan nilai ROUGE-L 14,55% dibandingkan dengan model baseline. Ini menunjukkan bahwa mengintegrasikan model terjemahan teks dapat meningkatkan inklusivitas dan aksesibilitas platform pembelajaran daring bagi komunitas tunarungu di Indonesia.

---

In the era of rapid technological advancement, online learning has become increasingly popular, particularly following the COVID-19 pandemic. However, the deaf community often faces challenges in comprehending educational videos. One potential solution is to provide subtitles in sign language, specifically the Indonesian Sign Language System (SIBI). Developing these subtitles requires text input from educational videos. However, the input text is often too lengthy and contains many words that do not exist in the SIBI dictionary. Current methods generate SIBI animations word by word, resulting in fast-moving animations that are difficult for deaf users to follow. This research discusses the integration of text translation in the development of SIBI animated subtitles for the Moodle application, using machine learning. The study aims to develop a more effective solution by implementing text translation. The research proposes the use of two pretrained models, mBART50 and NLLB200, as baseline models and models for fine-tuning. The experiment utilizes a dataset collected from 12 educational videos. This data is processed, annotated by Special Education (SLB) teachers, and used for training, validation, and testing, and is named SIBIVID-MP12. Experiments were conducted by comparing the baseline models with the fine-tuned models. Fine-tuning was performed with and without a custom loss function, which is an innovation in this study. The custom loss function adds SIBIDictLoss to the total model loss, thereby compelling the model to use only words present in the SIBI dictionary. The experimental results show that with fine-tuning, both mBART50 and NLLB200 models demonstrated improved performance compared to their baseline models in translating Indonesian text into SIBI. The NLLB200 FT+CL model, with a batch size variant of 4, the second weighting variant, a weight size of 0.2, and a penalty size of 0.1, achieved the highest evaluation scores, with an increase in sacreBLEU score by 71%, chrF++ score by 9.79%, METEOR score by 22.92%, and ROUGE-L score by 14.55% compared to the baseline model. This indicates that integrating text translation models can enhance the inclusivity and accessibility of online learning platforms for the deaf community in Indonesia."

"Legal reasoning merupakan metode yang digunakan untuk menerapkan aturan atau Undang-Undang terhadap fakta yang dimiliki dengan tujuan untuk memperoleh argumentasi hukum. Salah satu metode legal reasoning adalah dengan penalaran induktif, yaitu didasarkan pada kasus-kasus terdahulu. Mahkamah Agung di Indonesia melalui situs Direktori Putusan Pengadilan, yang menyediakan dokumen hasil proses pengadilan yang saat ini menampung jumlah dokumen yang sangat besar. Kumpulan dokumen tersebut dapat dimanfaatkan untuk melakukan aktivitas legal reasoning, seperti klasifikasi jenis tindak pidana (criminal offense). Pada penelitian ini, penulis mengusulkan metode deep learning untuk mengklasifikasikan jenis tindak pidana. Hal ini dapat berguna untuk memberikan efisiensi dan referensi kepada praktisi hukum maupun memudahkan masyarakat untuk memahami dasar hukum dari suatu kasus. Secara spesifik, salah satu rancangan model yang diusulkan adalah dengan penerapan model LEAM (Label Embedding Attentive Model) dengan penambahan sejumlah keyword pada label embedding. Model ini secara konsisten memberikan performa yang baik dalam eksperimen, termasuk pada imbalanced dataset dengan perolehan f1-score 68%.

---

Legal reasoning is a sequence of activities to identify law rules and obtain legal arguments. One of the method in legal reasoning is by using inductive reasoning, which analyzes previous decided cases. Indonesia’s Supreme Court stores the court decision documents online in a large sum. These collections can be utilized to perform legal reasoning, where in this research we focus on the classification of criminal offense. We performed pre-processing tasks including conversion of document to text and cleaning text. We then compared deep learning models, such as LSTM, BiLSTM, CNN+LSTM, and LEAM (Label Embedding Attentive Model). Instead of using only the label name in LEAM, we also carried out experiments by adding related keywords for each label. The LEAM model with additional keywords obtained the best result in an imbalanced dataset with 68% macro average f1-score."

"Mobility as a Service (MaaS) merupakan sebuah model layanan mobilitas yang telah digunakan perusahaan hingga pemerintah di berbagai negara. MaaS berperan sebagai perantara antara perusahaan atau pemerintah dengan pengguna dalam menyediakan berbagai layanan transportasi yang komprehensif. Implementasi MaaS di Indonesia telah dilakukan oleh Provinsi DKI Jakarta untuk meningkatkan layanan informasi transportasi umum bagi masyarakatnya. Salah satu platform MaaS yang tersedia di Jakarta adalah Trafi. Dengan pengguna terbanyak dibandingkan platform MaaS lainnya di Jakarta, Trafi menjadi platform MaaS yang sangat diandalkan oleh para pengguna transportasi umum di Jakarta. Sayangnya, user research yang dilakukan Trafi di Jakarta terakhir berlangsung pada tahun 2016. Hal ini menjadi salah satu pendorong dibutuhkannya evaluasi usability pada aplikasi untuk menemukan permasalahan yang dialami pengguna dan menentukan solusi dalam bentuk desain alternatif yang dapat meningkatkan user experience (UX). Metode yang digunakan pada penelitian ini adalah metode kuantitatif berupa survei daring dan metode kualitatif berupa user interview. Hasil yang ditemukan meliputi masalah usability sehingga diperlukan perbaikan pada fitur yang sudah ada, dan perancangan fitur baru untuk meningkatkan usability. Setelah rancangan desain yang baru diusulkan, dilakukan evaluasi usability testing (UT). Secara keseluruhan, diperoleh hasil evaluasi yang positif secara kuantitatif dan kualitatif. Hasil UT yang didapat adalah rata- rata sebesar 91,11% untuk tingkat keberhasilan tugas yang diuji dan rata-rata sebesar 85,02% untuk tingkat keberhasilan setiap pengguna. Hasil evaluasi juga menunjukkan bahwa pengguna mendapatkan kesan yang baik dan memberikan umpan balik positif terhadap rancangan desain alternatif.

---

Mobility as a Service (MaaS) is a mobility service model that has been used by companies to governments in various countries. MaaS acts as an intermediary between companies or governments and end-users in providing a variety of comprehensive transportation services. The implementation of MaaS in Indonesia has been carried out by the Province of DKI Jakarta to improve public transportation information services for the community. One of the available MaaS platforms in Jakarta is Trafi. Having the most users compared to other MaaS platforms in Jakarta, Trafi is a MaaS platform that is highly relied on by public transport users in Jakarta. Unfortunately, the last user research conducted by Trafi in Jakarta took place in 2016. This has become one of the drivers of the need for usability evaluation on the application to find problems the users encounter and determine solutions in the form of alternative designs that can improve user experience (UX). The methods used in this research are quantitative methods, specifically online survey, and qualitative methods, specifically user interview. The result includes usability issues which conclude the need for improvements on existing features and design development on new features to improve usability. After the new design is proposed, it is then evaluated using usability testing (UT) method. Overall, a positive result was found, both on the quantitative and qualitative evaluation. The results were an average of 91.11% for the success rate of the tested tasks and an average of 85.02% for the success rate of each user. Evaluation results also show that users had a good impression and give positive feedback on the proposed alternative design. "