AbstrakMasa lansia merupakan suatu masa dimana kondisi fisik, kesehatan bahkan kognitif dari individu mulai mengalami penurunan. Dengan menurunnya kondisi kesehatan lansia, maka dibutuhkan perawatan kesehatan yang intensif dan cepat serta mudah untuk membantu lansia. Belakangan ini muncul banyak aplikasi kesehatan yang berfungsi sebagai pengingat maupun sebagai dokter online bagi lansia. Peranan ikon tentu sangat berpengaruh dalam pembuatan aplikasi kesehatan ini. Namun dalam penggunaannya, banyak ikon yang tidak efektif karena tidak dapat dimengerti maknanya secara cepat dan sukar untuk dikenali oleh penggunanya. Pengguna yang dalam hal ini adalah lansia terkadang mengalami kebingungan karena ikon tidak didesain secara baik sehingga menimbulkan kemiripan makna atau fungsinya. Berangkat dari permasalahan tersebut maka penelitian ini bertujuan untuk merancang ikon pada antarmuka aplikasi kesehatan untuk lansia. Subjek dari penelitian ini adalah lansia yang berumur 60 tahun ke atas. Pembuatan ikon dilakukan dengan pendekatan metode User Centered Design dengan mewawancara responden untuk mendapatkan desain ikon yang paling nyaman digunakan. Selanjutnya dilakukan pengujian terhadap desain ikon yang dibuat dengan melakukan performance test menggunakan dua buah parameter (completion rate dan task time). Hasil penelitian ini menunjukkan bahwa responden lebih memahami dan cepat mengenali fungsi suatu ikon ketika ikon didesain dengan jenis exemplar ikon, dengan bentuk 3 dimensi dan berwujud konkret yang dibuat dalam ukuran xhdpi dengan tingkat keberhasilan di atas 70%. Kata kunci: ikon, perancangan berbasis pengguna, lansia AbstractAging is a period when physical health and cognitive abilities begin to decline. Therefore, elderly need help in maintaining their physical health. Technology development has made it possible and more affordable for many people to manage their health using their smartphones. Currently, there are many mobile applications that can be used to help users take care of their heath, such as healthy lifestyle, and online doctor. However, not many elderly take advantage of these applications. Some of them undergo technological leap, and lack confidence in their shavvines. Therefore, it is necessary to design an application that is easy to use and less intimidating to the elderly. One way to do this is by designing icons that are easily understood by the elderly. This research studied different design approaches that are suitable for the elderly, using a user centered design approach. The study found that respondents could better understand icons that were designed using the exemplar approach, represented in concrete and 3D form, and has xhdpi size with success rate above 70%.
Abstract-Duta Wacana Christian University Library has many collection of book. The book are neatly organized on the shelves and labeled but there are still many people who put the book on the wrong shelves. This research aims to create an application that can identify whether a book is misplaced or not with help of Moment Invariant and K-Nearest Neighbor method. Moment invariant is an extraction method that produce 7 features and this features is used to identify an object. While K-Nearest Neighbor is a method to classify object based on training data or template. The system receives input in form of image that contain row of books. This image will go through several processes. The processes are Region of Interest process to obtain book label, Histogram Approach process to obtain character from each label, thinning process to obtain skeleton of each character, and then Moment invariant for extraction method to obtain features that will be classified using K-nearest neighbor based on template. The research gave out two result and both of them use k=1 and 100x100 for character size. The first one has a result of 85.39% accuracy by using 30 test images where templates taken from the test images.The second result has 81.54% accuracy by using 20 test image where no template taken from the test images. Intisari-Perpustakaan Universitas Kristen DutaWacana(UKDW) memiliki koleksi buku yang cukup banyak dan beragam. Buku-buku tersebut sudah disusun rapi pada rak-rak buku yang ada dan diberi label. Akan tetapi masih banyak peminjam yang meletakkan buku pada rak yang salah. Penelitian ini bertujuan untuk membuat aplikasi yang dapat mengetahui apakah sebuah buku salah letak atau tidak dengan menggunakan metode Moment Invariant dan K-Nearest Neighbor. Moment invariant merupakan sebuah metode ekstraksi fitur yang menghasilkan 7 fitur yang digunakan untuk mengenali sebuah obyek. Sedangkan K-Nearest Neighbor merupakan metode klasifikasi yang digunakan untuk mengklasifikasikan obyek berdasarkan data latih yang ada. Citra input berupa citra yang berisi deret buku. Citra ini akan melalui beberapa proses yaitu proses Region of Interest untuk mendapatkan label buku, proses segmentasi Histogram Approach untuk mendapatkan citra karakter tiap labelnya, proses thinning yang digunakan untuk mendapatkan kerangka tiap karakter, kemudian proses ekstraksi fitur Moment Invariant yang akan menghasilkan fitur dari citra karakter dan fitur-fitur tersebut akan diklasifikasikan menggunakan KNearest Neighbor sesuai dengan template yang ada seghingga citra karakter dapat dikenali. Dari penelitian yang telah dilakukan dapat disimpulkan bahwa sistem berhasil mengimplementasikan metode Moment Invariant dan KNearest Neighbor sehingga berhasil dalam mengenali karakakter pada label buku perpustakaan UKDW dengan menggunakan K=1 dan ukuran citra karakter sebesar 100x100. Terdapat 2 hasil persentase keakuratan yaitu sebesar 85.39% dengan menggunakan 30 citra uji yang didalamnya terdapat beberapa citra karakter yang digunakan sebagai template dan sebesar 81.54...
Pertanyaan merupakan metode terbaik dan termudah untuk menggali sebuah informasi. Menurut aturan 5W1H, terdapat enam bentuk dasar pertanyaan yang dapat digunakan untuk memperoleh informasi, yaitu: what, where, when, why, who, how. Banyak jurnalis yang menggunakan metode ini, karena dapat diimplementasikan dengan cepat dan mudah untuk membangun sebuah pertanyaan. Untuk membuat sebuah sistem yang dapat memahami sebuah pertanyaan, misalnya seperti pada chatbot, terdapat metode khusus yang harus diterapkan untuk dapat membedakan keenam jenis pertanyaan yang ada. Penelitian ini mencoba untuk melakukan klasifikasi terhadap dokumen pertanyaan berdasarkan aturan 5W1H, dengan menggunakan tokenisasi dan stemming pada tahap pra-pemrosesan, kemudian K-Nearest Neighbors (K-NN) untuk mengklasifikasikan pertanyaan. Berdasarkan hasil pengujian, nilai akurasi tertinggi adalah 70.27% untuk k = 5.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
hi@scite.ai
10624 S. Eastern Ave., Ste. A-614
Henderson, NV 89052, USA
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.