JTRISTE

Analisis Usability Pada Website Pantau Jalan Untuk Pengaduan Masyarakat Menggunakan Metode Think Aloud

Bill Clay Mordan Rehatta — 2026-10-31

Penelitian ini bertujuan menganalisis website PantauJalan, platform berbasis lokasi untuk pengaduan masyarakat yang melayani warga Makassar, dengan menggunakan metode Think Aloud. Melalui pendekatan ini, pengalaman pengguna dievaluasi guna mengidentifikasi isu-isu yang terdapat pada antarmuka. Uji coba melibatkan delapan responden berusia 20 sampai 40 tahun yang diminta menyelesaikan lima skenario utama: mengakses halaman utama, menemukan fitur pelaporan, menandai posisi pada peta, mengisi formulir dan mengirim pengaduan. Temuan menunjukkan rata-rata tingkat keberhasilan mencapai 85 persen. Kendala dominan terjadi pada penandaan lokasi (62,5 persen keberhasilan) dan pada tahap menemukan fitur pelaporan (75 persen). Selain itu, responden menyarankan penyediaan umpan balik visual yang lebih jelas setelah laporan dikirim. Rekomendasi pem-baikan antara lain penguatan desain navigasi peta, penekanan pada kewajiban mengunggah foto, dan penambahan notifikasi pasca-unggah. Hasil analisis ini diharapkan menjadi acuan untuk memperbaiki desain dan fungsi website PantauJalan agar lebih ramah pengguna.

Identifikasi Barang Secara Otomatis Pada E-Thrift Warshop Menggunakan Deep Learning

Christofer Reynaldy Wijaya — 2026-10-31

Penelitian ini bertujuan untuk mengimplementasikan teknologi deep learning dalam pengenalan barang pada aplikasi e-thrift Warshop, yang merupakan platform jual beli barang bekas. Masalah utama yang dihadapi adalah identifikasi barang yang sering kali subjektif dan tidak akurat dalam proses manual. Dengan menggunakan teknologi machine learning berbasis Convolutional Neural Networks (CNN) dan MobileNet V1, penelitian ini mencoba mengatasi tantangan tersebut. Metode yang digunakan meliputi pengunggahan gambar oleh pengguna, pemrosesan gambar oleh model MobileNet yang di-host di jsDelivr, dan penyimpanan hasil klasifikasi di Airtable untuk ditampilkan di situs web Warshop. Hasil penelitian menunjukkan bahwa model yang diterapkan berhasil mencapai akurasi sebesar 75.5%, presisi 100%, dan recall 77.5%.Kesimpulan dari penelitian ini adalah bahwa teknologi deep learning dapat meningkatkan keakuratan dalam pengenalan barang, meskipun ada kebutuhan untukmemperluas dataset dan memperbarui model secara berkala. Fitur feedback dari pengguna juga disarankan untuk meningkatkan akurasi dan kepuasan pengguna.

Pengujian Black Box pada Aplikasi AUBOOK berbasis WEB dengan Teknik Equivalence Partitioning

Fernandi Julian Winardi — 2026-10-31

Penelitian ini membahas pengujian kualitas pada aplikasi berbasis web AUBOOK yang dirancang sebagai media penyedia layanan buku audio. Permasalahan yang diangkat adalah bagaimana memastikan bahwa fitur-fitur utama aplikasi berjalan sesuai harapan pengguna serta bagaimana performa aplikasi ketika diakses oleh sejumlah pengguna secara bersamaan. Penelitian ini bertujuan untuk mengevaluasi fungsionalitas dan performa aplikasi agar dapat memenuhi standar kualitas perangkat lunak. Metode pengujian yang digunakan adalah Black Box Testing dengan teknik Equivalence Partitioning untuk menguji fungsionalitas, sedangkan pengujian performa dilakukan menggunakan Google Lighthouse dan Apache JMeter. Hasil pengujian menunjukkan bahwa dari empat belas fitur yang diuji, sebelas fitur berjalan sesuai dengan fungsinya, sedangkan tiga fitur tidak berfungsi sebagaimana mestinya. Pengujian performa menunjukkan bahwa aplikasi memiliki waktu respons yang baik sesuai dengan standar Web Core Vitals, baik pada kondisi sibuk maupun tidak sibuk, dengan hasil uji pada sepuluh, lima puluh, hingga seratus pengguna masih berada dalam kategori yang dapat diterima. Simpulan dari penelitian ini adalah aplikasi AUBOOK secara umum telah memenuhi aspek fungsionalitas dan performa, meskipun beberapa fitur masih perlu dilakukan perbaikan agar kualitas aplikasi dapat ditingkatkan.

Redesign UI/UX Aplikasi Tutorising Menggunakan Metode User Centered Design

Nicholas Irvin Wongso — 2026-10-31

Aplikasi Tutorising adalah aplikasi pembelajaran daring yang mendukung kegiatan belajar. Namun, ada masalah dengan tingkat kemudahan penggunaan dari aplikasi ini, yang dinyatakan dengan skor awal hanya 50,25 berdasarkan System Usability Scale (SUS). Skor ini tergolong rendah, yang dapat menyebabkan pengguna mengalami frustrasi, kesulitan dalam menavigasi, dan pada akhirnya mengurangi efektivitas pembelajaran. Permasalahan ini harus diatasi untuk memberi pengalaman belajar yang lebih baik dan mendukung tujuan pendidikan. Dalam penelitian ini, pendekatan digunakan untuk masalah tersebut dengan merancang ulang antarmuka (UI/UX) melalui metode User Centered Design (UCD) yang memprioritaskan kebutuhan pengguna. Dengan melakukan survei, wawancara, serta evaluasi desain, sebuah prototipe baru telah dibuat. Hasilnya, skor usabilitas aplikasi melonjak drastis menjadi 85,75 yang dapat dikelompokkan dalam kategori "Excellent". Peningkatan ini menunjukkan bahwa penerapan metode UCD berhasil menciptakan desain yang lebih intuitif, fungsional, dan sesuai dengan kebutuhan pengguna, sehingga secara efektif meningkatkan pengalaman belajar di aplikasi Tutorising.

Model Machine Learning Untuk Klasifikasi Kemiripan Komik Menggunakan Jaccard Similarity Dan Logistic Regression

Richie Theodore — 2026-11-05

TeenToon is a mobile-based digital comic platform that provides digital comics that incorporate Christian values. As the number of available comics continues to grow, the platform faces the challenge of information overload, making it difficult for users to discover comics that match their preferences. This study aimed to develop a comic recommendation feature for TeenToon using a Content-Based Filtering approach by applying Jaccard Similarity and Logistic Regression. The similarity between comics was calculated based on genre and tag attributes, and the recommendations were presented as the Top 5 recommendations. The study utilized 25 comic titles, which were paired to generate 300 data pairs. Each pair was labeled by three validators based on subjective assessments of comic similarity, considering both the storyline and the similarity of genre and tag attributes. The final labels were determined using majority voting. The Jaccard Similarity score was then calculated and used as an input feature for the Logistic Regression classification model, which was subsequently implemented on the comic detail page of the TeenToon application. The results showed that the Logistic Regression model achieved an accuracy of 88.46% and a precision of 71.43%. These findings indicate that Logistic Regression is effective for developing an attribute-similarity-based recommendation system for the TeenToon application.