JIEET (Journal of Information Engineering and Educational Technology)

Optimizing Segmentation and Purchase Forecasting in Credit Card Transactions: A PSO-enhanced k-means and ANN Approach

2023-12-22T11:22:08+07:00

In the rapidly evolving landscape of data-driven marketing, machine learning has emerged as a pivotal tool for analyzing complex consumer behaviors and enhancing strategic decision-making. This paper introduces a novel approach to optimize customer segmentation and purchase forecasting in credit card transactions through the synergistic integration of Particle Swarm Optimization (PSO)-enhanced k-means clustering and Artificial Neural Networks (ANN). The proposed methodology refines customer segmentation by leveraging PSO, resulting in more defined clusters. In the predictive modeling phase, an ANN outperforms conventional methods, providing superior accuracy in purchase forecasting. The study demonstrates the effectiveness of advanced algorithms in enhancing insights from credit card transaction data, offering valuable implications for improved decision-making in the financial domain.

Sistem Rekomendasi Topi Berbasis Website Menggunakan Transfer Learning Pre-trained Model Residual Network

2023-12-22T11:24:31+07:00

Topi merupakan aksesoris penting di negara tropis karena topi berfungsi sebagai pelindung kepala baik dikala panas ataupun hujan. Sehingga, keberadaan sistem rekomendasi topi sangat diperlukan. Namun, penelitian tentang system rekomendasi topi masih sedikit dilakukan. Oleh karena itu, Penelitian ini dilakukan untuk membantu pengguna dalam menentukan topi yang sesuai dengan jenis wajahnya.

Hasil pengujian dari sistem rekomendasi topi menunjukkan bahwa sistem rekomendasi topi berbasis website menggunakan metode transfer learning pretrained model residual network memberikan hasil yang baik dengan rata-rata 0,826 pada pengujian pertama dan rata-rata 0,924 pada pengujian kedua, sehingga sistem rekomendasi topi ini diharapkan dapat membantu pengguna dalam memilih jenis topi yang disesuaikan dengan jenis wajah pengguna.

Kata Kunci— Sistem, Rekomendasi, Topi, Website, Transfer Learning.

Analisis Usability pada Website Narasi.tv Menggunakan Metode Unmoderated Remote Usability Testing dan User Experience Questionnaire (UEQ)

2023-07-28T23:13:55+07:00

Kebutuhan manusia dalam pemanfaatan teknologi informasi dan komunikasi di era saat ini sudah sampai dalam lingkup yang sangat luas. Website adalah salah satu contoh media yang sering digunakan oleh manusia untuk memfasilitasi interaksi mereka untuk memenuhi kebutuhannya. Salah satu website yang menyediakan beragam informasi seputar kejadian terkini, baik yang sedang terjadi di Indonesia maupun yang sedang terjadi di berbagai negara adalah Narasi.tv milik PT. Narasi Citra Sahwahita. Tercatat pada website SimilarWeb, terdapat sebanyak 81.600 pengguna yang telah mengunjungi website Narasi.tv per April 2022. Hal tersebut membuktikan bahwa pemanfaatan suatu website sebagai sumber informasi memegang peran yang penting untuk keberhasilan suatu perusahaan. Akan tetapi, dalam pemanfaatannya masih banyak website yang mengalami suatu kendala sehingga menyebabkan kurangnya rasa puas yang dialami oleh pengguna saat mengunjungi website tersebut. Untuk itu, perlu dilakukan upaya pengujian usability guna mengetahui tingkat usability pada website Narasi.tv. Penelitian ini menggunakan Unmoderated Remote Usability Testing sebagai metode pengujian dan untuk upaya perhitungan tingkat usability yaitu User Experience Questionnaire (UEQ). Tujuan penelitian ini adalah untuk mengukur tingkat usability pada website Narasi.tv serta memberikan rekomendasi desain kepada perusahaan berdasarkan hasil pengukuran. Teknik uji yang digunakan pada penelitian ini adalah menggunakan One Sample T Test yang dihitung menggunakan SPSS. Hasil perhitungan pada kuesioner UEQ menghasilkan skor pada kategori Attractiveness (daya tarik) sebesar 1,344. Kategori Perspicuity (kejelasan) menghasilkan skor rata-rata 1,408. Kategori Efficiency (efisiensi) menghasilkan skor rata-rata 1,358. Kategori Dependability (ketepatan) menghasilkan skor rata-rata 1,308. Kategori Stimulation (stimulasi) menghasilkan skor rata-rata 1,375. Serta pada kategori Novelty (kebaruan) menghasilkan skor rata-rata 0,475.

Deteksi Penggunaan Safety Helmet Menggunakan YOLOv5

2023-12-22T11:29:10+07:00

Abstrak— Keselamatan kerja di industri konstruksi merupakan hal yang sangat penting untuk mencegah kecelakaan dan cedera. Namun, masih sering terjadi pelanggaran dalam penggunaan helm keselamatan. Oleh karena itu, penelitian ini bertujuan untuk mengembangkan sistem deteksi penggunaan helm keselamatan di area konstruksi menggunakan metode YOLO (You Only Look Once). Dataset yang digunakan dalam penelitian ini terdiri dari 694 gambar yang diambil menggunakan smartphone dan sumber internet. Gambar-gambar tersebut menampilkan orang-orang yang menggunakan berbagai jenis penutup kepala dan model rambut, baik yang menggunakan helm keselamatan maupun yang tidak. Metode yang digunakan dalam penelitian ini adalah YOLO (You Only Look Once), sebuah teknologi deteksi objek real-time yang menggunakan deep neural network. YOLO digunakan untuk melakukan anotasi pada setiap gambar dataset dengan gambar objek, diikuti oleh beberapa lapisan yang terhubung sepenuhnya. Selanjutnya, kinerja model diukur menggunakan beberapa metode, yaitu Recall, Precision, F1, Intersection over Union, mean Average Precision, dan Accuracy. Hasil penelitian menunjukkan bahwa sistem deteksi penggunaan safety helmet yang dikembangkan dapat mencapai tingkat akurasi yang tinggi, dengan nilai Precision sebesar 0,95 dan Recall sebesar 0,93. Dengan demikian, sistem ini dapat membantu meningkatkan keselamatan kerja di area konstruksi dengan memberikan pengawasan yang lebih efektif terhadap penggunaan safety helmet oleh para pekerja.

User Experience Analysis of LinkedIn Social Media Using Usability Metric for User Experience (UMUX)

2023-07-02T00:58:42+07:00

This article presents a user experience analysis of LinkedIn using the Usability Metric for User Experience (UMUX). The study aims to assess the usability and user satisfaction of LinkedIn, identify areas for improve-ment, and propose hypotheses for future research. The problem addressed in this research is the need to evalu-ate the user experience of LinkedIn, a popular professional networking platform. The solution offered is to uti-lize the UMUX metric as a comprehensive tool for assessing usability and user satisfaction. The objectives of the study are to measure the effectiveness, efficiency, satisfaction, and overall usability of LinkedIn, as well as to identify specific areas for improvement. Data were collected through online questionnaires from LinkedIn users. The UMUX scores were calculated, indicating a moderate level of user satisfaction and perceived usa-bility of LinkedIn. These findings suggest that LinkedIn is perceived as a useful platform for professional goals, but there is room for improvement in terms of efficiency and overall user satisfaction. Hypotheses for future research include enhancing efficiency to improve satisfaction, improving overall satisfaction for in-creased engagement and retention, and optimizing the mobile experience. The study provides valuable insights for LinkedIn to enhance user satisfaction, engagement, and usability. Further research can explore additional usability metrics and investigate the impact of implemented improvements.