Idea:

Membuat aplikasi untuk mengintegrasikan semua proses yang terjadi di kosan, seperti kegiatan laundry, pengambilan paket, pelacakan penggunaan listrik, penjadwalan pencucian AC dan lain-lain. Penggunaan AI akan dilakukan dalam bentuk chatbot untuk penghuni kos dimana chatbot akan menjawab informasi yang dipersonalisasi.

Di samping itu, AI juga digunakan untuk melakukan prediksi kapan penjadwalan maintenance fasilitas di dalam kosan harus dilakukan berdasarkan data history pemakaian fasilitas untuk memastikan fasilitas tetap berfungsi dengan baik. AI akan memberikan notifikasi kepada pemilik kos agar maintenance dapat segera dilakukan.

Priority:

• Planning

• User requirement gathering

• Observation

• Development

• Testing

• Deployment

• Evaluation

Collect data: Interview dengan penghuni kos, penjaga kos, dan pemilik kos

Idea: Web Management System Apotik yang membantu apoteker & owner untuk mengelola stok dan menganalisis prediktif penjualan.

Collect data:

Qualitative - Interview Owner Apotek

Priority:

• Memudahkan apoteker untuk mengelola stock inventory yang masih ada

• Memudahkan apoteker untuk mengetahui hasil dari analisis prediktif penjualan dari bantuan AI.

• Memudahkan apoteker untuk mengetahui produk obat yang sudah kadaluarsa.

AI:

• AI untuk Deteksi Anomali dalam Stok dan Permintaan Obat

• AI untuk Deteksi Obat Kedaluwarsa

  
  

Ide AI : Kuup Mobile Application

Perusahaan: KUUP Board Game

Ide: - Membuat aplikasi untuk board game

• Reservasi/booking meja

• Melihat dan memesan Menu

• Memberikan informasi mengenai board game yang dimiliki dan cabangnya

• AI gamemaster yang menjelaskan cara bermain board gamenya

  
  

Goals :

• Meningkatkan efektivitas dalam proses bisnis(reservasi dan penjelasan board game)

• Cost effective dalam rangka perusahaan tidak perlu merekrut game master lebih

• Meningkatkan user satisfaction

• Memberi continuous feedback improvement kepada pemilik toko

Cara collect data : interview, requirement gathering

Priority :

• Interview

• SDLC

AI : AI gamemaster yang menjelaskan cara bermain board gamenya (menggunakan chatbot), Guide (untuk mengetahui rekomendasi game)

• Latar belakang: 35 tahun, Manajer kafe dengan pengalaman 10 tahun, Mengawasi operasional harian dan membuat perencanaan.

• Pain point: Sulit untuk mendapatkan gambaran umum tentang kinerja kafe, Merasa sulit mengidentifikasi tren dan pola dalam data penjualan, Menghabiskan terlalu banyak waktu untuk menyusun laporan.

• Gain point: dapat menggunakanteknologi, menggunakan smartphone dan laptop setiap hari, Familiar dengan analisis data dasar di Excel.

• Goals: Meningkatkan profit cafe, Membuat operasional lebih efisien, Membuat keputusan berdasarkan data.

  
  

  
  

Ide AI: Warung Binus

Ide: Membuat aplikasi yang dapat mengola data sales atau stock. Dan juga dipakai sebagai analytical tools.

Goals: Untuk membantu pembukuan, Menganalysis data, dan membantu restocking

Cara Collect Data: Menggunakan data sales dan data supply

Priority: Planning, Interview / Observation, Data collecting, Design, Develop, Testing, Deploy, Evaluation

• Chatbot untuk membantu user dalam menjawab pertanyaan pertanyaan seputar produk atau tentang perusahaan

• Sales Analitical untuk melihat pergerakan barang ( fast / slow moving) serta menghasilkan insight penjualan dari data tersebut

2. Idea:

   Enterprise Application dimana kita akan membuat website untuk mendigitalisasikan proses bisnis antar B2B sehingga antar website tersebut dapat merequest quotation dan dapat melakukan transaksi secara langsung pada website tersebut

3. Collect Data:

   kita menggunakan metode qualitative dan beruba interview kepada perusahaan yang akan kita analisis.

4. Priority:

   • Observe business

   • Interview

   • Analize & requirements gathering

   • SDLC

   • Evaluation

Ide: Kami ingin mengembangkan aplikasi mobile yang meningkatkan pengalaman pelanggan di restoran atau gerai F&B. Aplikasi ini memungkinkan pembayaran yang lebih mudah dan efisien melalui teknologi pemindaian menggunakan AI. Cara kerjanya sederhana: pelanggan menempatkan makanan yang mereka pilih di atas wadah, AI akan membaca dan mengidentifikasi jenis makanan tersebut, kemudian aplikasi akan menampilkan rincian biaya secara otomatis, lengkap dengan total biaya yang harus dibayar.

Pengumpulan Data: Kami akan melakukan interview pada pemilik bisnis dan juga pelanggan.

Prioritas: Prioritas utama kami adalah memudahkan pembayaran bagi pelanggan yang lebih menyukai metode cashless.

Bambang

Apoteker

35 Tahun

Jakarta Timur

Characteristics

- Indonesia

- ⁠Bachelor Pharmacy

System Use

- casual : only check certain features like cashier

Pain Points

- kesulitan deketeksi anomali stok

- ⁠kesulitan deteksi angka permintaan obat

- ⁠kesulitan deteksi obat kadaluarsa dalam stok obat

Gain Points

• Ai untuk deteksi anomali stok dan penjualan obat

• AI untukdeteksi obat kadaluwarsa

Data: Data yang kita akan gunakan adalah data sales dan data supply.

Environment: Mobile App, Restaurant, Asynchroned Data.

User: Restaurant / Warung

Usability: Ease of Usage, Decision Making

User Experience: Membantu pembukaan, Analysis penjualan, membantu restocking

• Characteristics: 30 tahun, Owner restaurant baru dengan pengalaman 3 tahun. Dia mengatur pembukuan restaurant dan perputaran supply.

• Pain poin: Kesulitan untuk mengatur stock karena terlalu banyak yang harus di atur. Menghabiskan kebanyakan waktu dan sering membuat kesalahan dalam pembukuan dan restocking.

• Gain point: Dia lumayan mahir menggunakan teknologi. Cepat belajar.

• Goals: Membuat pembukuan dan restoking lebih effisien dan cepat.

Deadline: 17 September 16:00

Mia (manager)

Scenario 1: Morning performance check.

Pada jam 9 pagi, mia baru saja tiba di cafe. Dia langsung login kedalam dashboard untuk melihat overview dari performance di hari sebelumnya dan membuat goals untuk hari ini.

Actions:

1. Login Dashboard

2. Melihat summary sales kemarin

3. Membandingkan dengan hari yang sama di minggu lalu

4. Melihat level inventory

5. Membuat target untuk hari ini

6. Memberi tugas untuk staff sesuai projectsi hari ini

Scenario 2: Monthly Report Preperation.

Di hari jumat sore, mia membuat persiapan untuk mengirimkan monthly report kepada owner.

Actions:

1. Mengakses modul report

2. Menghasilkan sales report perbulan

3. Menganalisa item dengan penjualan tertinggi

4. Review performance staff metrics

5. cek inventory rate

6. Memberi rekomendasi dan masukan

7. Export hasil report bulanan dan mengirimkan hasil report ke owner.

• AI Chatbot

• Product catalogue

• Request for quotation

• Sales order Creation

• CRUD Product (admin)

• Manage customer’s RFQ (admin)

• Content Management System (admin)

2. Data

• product data

• Customer data

• RFQ Data

• Sales order data

• Chatbot Data

• Admin Data

  
  

3. Environment

• Frontend

• Backend

• E-commerce framework

• Hosting

4. User

• employee perusahaan

• Customer

• Admin users

5. Usability

• Simple and intuitive navigation

• AI chatbot should be userfriendly

• Easy product search and filtering

• Quick and easy order placement

• RFQ and sales order workflows

6. User experience

• consistency

• Engagement

• Transparency

• Trust

• Accessibility

• 
  

Latar belakang: 25 tahun, software engineer yang sudah memiliki 4 tahun pengalaman kerja, berdomisili di Jakarta Selatan

Characteristics: Wibu, cheerful, Introvert

System use: dapat mengintegrasikan stock pada toko dan mempermudah user memilih frame yang sesuai dengan bentuk mukanya

Goals: mengganti frame kacamata yang patah dan memilihnya tanpa harus pergi ke toko

Pain points:

*sulit untuk mengatur waktu dengan baik, *sangat picky terhadap style kacamata

Gain Point:

*dapat menggunakan AI untuk mencoba pilihan kacamata yang tersedia pada toko

*Memproyeksikan frame menggunakan AI dan AR

Pada hari itu, Rachel mendapat kerjaan mendadak untuk memperbaiki bug pada aplikasi di perusahaannya. Saat sudah menyelesaikan dia lupa melepas kacamatanya, sehingga saat ia terbangun, kacamatanya pecah.

Hal ini membuat rachel kesal karena dia sangat penyendiri tetapi ingin memilih frame kacamata yang sesuai dengan bentuk mukanya. Hal ini membuat dia ingin pergi ke aplikasi untuk mencoba pilihan kacamata

Actions

1. Login / sign up dari landing page

2. Pilih menu glasess

3. Berikan akses ke kamera untuk melakukan scan muka

4. System menentukan bentuk wajah user, sehingga bisa merekomendasikan pilihan kacamata yang sesuai dengan bentuk wajah

5. User mencoba berbagai opsi kacamata yang sudah direkomendasikan pada filter

6. User memilih kacamata

Virtual Try-On   

-  Data:

Data Produk

Data Pengguna

Data Pembelian

-  Environtment:

Mobile Application

-  User:

Customer

- Usability:

Interface yang ramah pengguna.

Feedback fitur AI Try-On yang akurat dan instan.

-  UX:

Fitur Virtual Try-On memberikan pengalaman bagi pengguna untuk mencoba produk secara digital sebelum membeli pakaian.

2. Data requirement: data harus up-to-date dan akurat serta database dapat menampung ukuran data yang sedang hingga besar. Data dapat berubah2 setiap minggu.

3. Environment: Kuup mobile application dapat berjalan di smartphone user yang berfungsi sebagai user support dan communication structure yang menjembatani customer dengan Kuup Cafe.

4. User: Kuup mobile application ditujukan untuk customer dari Kuup Cafe, serta feedback untuk Kuup Cafe itu sendiri.

5. Usability: AI dilatih dengan data-data board game yang sudah ditentukan agar dapat menjelaskan peraturan dan cara bermainnya.

6. User Experience: Melakukan digitalisasi proses bisnis Kuup Cafe sehingga customer dapat mereservasi, memesan, dan bertanya secara online melalui smartphone sehingga proses bisnisnya lebih efisien dan efektif. Kuup Cafe juga mendapatkan bisa mendapatkan feedback sehingga dapat meningkatkan kualitas atau kuantitas dari produk yang ada.

• mendeteksi bentuk muka menggunakan AI dan AR

• merekomendasikan frame yang cocok

Data :

• bentuk muka mayoritas orang Indonesia

• bentuk frame

• tingkat minat orang yang peduli terhadap style frame kacamata

Environment : compatible pada Mobile Apps berbasis Android /iOS

User:

• Pengguna Kacamata

• Staff Toko

• Superadmin

  
  

Usability : Decision Making bagi apra user

User Experience : Analisis bentuk wajah, Analisis frame kacamata

Lily Woodsen, 28 tahun, Manager

Lily merupakan seorang perempuan berusia 28 tahun yang bekerja sebagai manager suatu perusahaan. Lily tinggal sendiri dan mempunyai 2 hewan peliharaan yaitu anjing bernama chuck dan blair. Lily sangat peduli terhadap hewan peliharaannya, namun terkadang dia bingung memikirkan tentang makanan yang baik untuk hewan peliharaannya.

Pain point :

• Sulit membeli makanan hewan yang organic dan sehat untuk hewan peliharaannya.

• Sulit menemukan waktu untuk membuat makanan sehat dan organik untuk hewan peliharaan.

Gain Point :

• Dapat membeli makanan hewan peliharaan yang terjamin organik dan sehat dengan mudah melalui aplikasi.

• Dapat meng-custom makanan hewan peliharaan dengan mudah dan bisa melihat referensi makanan hewan dari pemilik hewan yang lain.

Goals :

• Agar dengan mudah mendapatkan dan membeli makanan yang sehat untuk hewan peliharaan

Data: Data yang kita gunakan adalah data product dan data sales

Environment: Mobile App

Usability: Kemudahan dalam melakukan scan product dan keakuratan dalam melakukan scan.

User Experience: Pengguna akan melakukan transaksi lebih mudah dan juga meminimalisir kecurangan terhapat pembelian apabila dilakukan dengan cara manual.

• Nina, seorang wanita berusia 30 tahun yang sibuk bekerja di bidang perbankan, sering kesulitan menemukan waktu untuk berbelanja pakaian dan aksesoris secara langsung. Ia sering merasa kecewa karena produk yang dibeli secara online tidak sesuai dengan ekspektasi, baik dari segi ukuran, warna, maupun kesesuaian gaya. Nina mendengar tentang sebuah aplikasi baru yang menggunakan teknologi AI untuk memfasilitasi "virtual try-on," yang memungkinkan pengguna mencoba pakaian dan aksesoris secara digital sebelum membeli.

ACTIONS

1. Registrasi dan Profil Pengguna

2. Menemukan Produk

3. Virtual Try-On

4. Rekomendasi AI

Perbankan

22 Tahun

Karakteristik: Ramah, Fun, Fashionable, Detail-oriented

System Use: Menggunakan AR dan AI untuk melakukan personalisasi produk (pakaian).

Goals: Meningkatkan pengalaman berbelanja pakaian dengan memberikan simulasi virtual sehingga pengguna dapat mencocokkan pakaian yang ingin dibeli secara langsung tanpa harus repot dengan mengambil & mencoba baju serta mengantri di Fitting Room

Pain Point: Pengguna memiliki kekhawatiran akan ketidakakuratan ukuran

Gain Point: Merasa lebih percaya diri dan nyaman dalam membeli pakaian tanpa perlu mencoba langsung,

mengurangi frekuensi pengembalian barang, menghemat waktu dalam memilih pakaian

- Age: 32

- Occupation: Manajer Pengadaan di Perusahaan Kemasan

- Characteristics:

• Analitis dan Teliti

• Memperhatikan Waktu

• Berorientasi pada Hubungan

-Pain Points:

• Proses Penawaran yang Rumit

• Kurangnya Transparansi

• Respons yang Terlambat

-Gain Points:

• Pengajuan RFQ yang Cepat dan Jelas

• Pelacakan yang Lancar

• Dukungan Pelanggan yang Andal

  
  

- Goals:

• Menemukan pemasok yang dapat diandalkan yang menawarkan ukuran dan bahan kotak yang dapat disesuaikan.

• Meminta penawaran dengan cepat dan efisien, menghemat waktu.

• Melacak pesanan dengan mudah dan memastikan pengiriman tepat waktu.

Persona 2: Daniel Wong

- Age: 27

- Occupation: Pemilik Usaha Kecil

-Characteristics:

• Praktis dan Sensitif terhadap Waktu

• Berorientasi pada Biaya

• Fokus pada Merek

  
  

-Pain Points:

• Sistem Pemesanan yang Kompleks

• Waktu Pengiriman yang Tidak Terpercaya

• Kesulitan dalam Pemesanan Ulang

  
  

-Gain Points:

• Pemesanan Ulang yang Mudah

• Komunikasi dan Pelacakan Pesanan yang Jelas

• Proses Checkout yang Lancar

  
  

- Goals:

• Memudahkan pemesanan ulang kotak dari pemasok yang terpercaya.

• Memiliki proses checkout yang lancar, karena waktu sangat penting untuk bisnisnya.

• Mendapatkan komunikasi yang jelas dan pelacakan pesanan untuk pengiriman yang tepat waktu.

Emily mengunjungi situs web untuk mencari kotak kemasan untuk lini kemasan baru. Dia menjelajahi katalog produk, mencari kotak yang memenuhi persyaratan ukuran dan bahan yang dibutuhkannya. Setelah menemukan produk yang sesuai, dia menggunakan fitur “Permintaan Penawaran” untuk memasukkan jumlah yang dibutuhkan dan mengirimkan RFQ tersebut. Sistem menghasilkan estimasi dan melacak status RFQ, mengirimkan pembaruan melalui email seiring dengan kemajuan prosesnya. Sebuah chatbot membantunya dengan menjawab pertanyaan tentang opsi kustomisasi dan jadwal pengiriman.

Scenario 2:

Daniel masuk ke akun webnya dan mencari kotak-kotak yang sebelumnya ia beli. Dia menggunakan fitur pencarian dan filter sederhana untuk dengan cepat menemukan ukuran dan bahan yang tepat. Sistem memungkinkan dia untuk langsung memesan ulang dari katalog produk tanpa perlu meminta penawaran. Dia melakukan pemesanan, memilih opsi pengiriman, dan menyelesaikan pesanan penjualan hanya dalam beberapa klik. Chatbot AI menawarkan bantuan, tetapi Daniel sudah mengetahui prosesnya. Dia melacak pesanan melalui akunnya dan menerima notifikasi tepat waktu tentang statusnya.

Idea : Kami ingin mengembangkan aplikasi mobile untuk toko kacamata dimana user dapat menentukan kacamata yang sesuai dengan bentuk Wajah dengan mengakses fitur kamera yang tersedia di aplikasi dan dengan teknologi AI dan AR aplikasi dapat menyediakan frame kacamata yang sesuai dengan bentuk Wajah pengguna

Collect Data : Questionnaire - Quantitative analysis

Priority : Memudahkan User untuk menentukan kacamata yang sesuai dengan bentuk Wajah secara online

• AI-Driven Stock Management

• AI-Driven Expiry Detection

Data

• Inventory data

• Sales data

• Expiry data

Environment

• Cloud infrastructure

• Integration with existing systems

User

• Owner

• Pharmacy staff

• Admin users

Usability

• Intuitive dashboard

• Automated alerts

• Fast web response

User experience

• Predictive notifications

• Seamless reporting

• Mobile accessibility

• Pengumpulan data menggunakan metode Kualitatif dimana kami akan melakukan interview kepada pemilik usaha restoran mengenai kebutuhan serta permasalahan yang dialami terkait dengan pengaturan stock serta pembukuan yang dialami.

Collected Data:

• Sales and Stocking analysis

  Pada tahapan awal implementasi, pihak aplikator akan meminta data histori penjualan dan juga data supply barang untuk disimpan ke dalam database local. Data tersebut akan dipresentasikan dalam bentuk dashboard yang sudah built-in di dalam aplikasi.

• Stocking ML Prediction

  Data transaksi dan stock akan digabungkan (merge) yang kemudian akan digunakan untuk pengembangan model Machine Learning prediksi. Pihak aplikator akan merapikan dan membersihkan data-data tersebut yang kemudian akan dimasukkan ke dalam python notebook untuk pengembangan ML.

Quantitative / Qualitative Data

Data yang kita gunakan bentuknya adalah quantitative (contoh: tanggal transaksi, nama item, quantity, harga, stock per item, distributor, dan lain lain)

Jumlah responden yang kami butuhkan adalah 100 responden, yang dituju untuk para pengguna kacamata mulai dari usia 18 hingga 60 tahun.

Berikut adalah jenis-jenis data yang dibutuhkan, serta tujuan pengumpulannya.

Preferensi Konsumen terhadap Metode Berbelanja

Data: Preferensi antara berbelanja online atau offline, dan fitur apa yang dianggap penting dalam pengalaman berbelanja kacamata.

Tujuan: Memahami preferensi konsumen untuk menyesuaikan fitur aplikasi sesuai kebutuhan pasar.

Tantangan dalam Pembelian Kacamata Secara Konvensional

Data: Kesulitan atau frustrasi yang dialami konsumen saat membeli kacamata secara tradisional (misalnya, keterbatasan model yang bisa dicoba, waktu yang dibutuhkan untuk berbelanja).

Tujuan: Mengidentifikasi masalah utama yang dapat diatasi oleh aplikasi, sehingga memperkuat kebutuhan akan solusi baru.

Kesadaran dan Minat Konsumen terhadap Teknologi Baru

Data: Tingkat kesadaran dan minat konsumen terhadap penggunaan teknologi seperti face scanning dalam berbelanja kacamata.

Tujuan: Menilai potensi penerimaan pasar terhadap aplikasi baru ini dan memprediksi tingkat adopsi teknologi.

Ekspektasi terhadap Fitur dan Kinerja Aplikasi

Data: Fitur-fitur yang diharapkan.

Tujuan: Menetapkan prioritas dalam pengembangan aplikasi untuk memenuhi kebutuhan pengguna.

Kekhawatiran terkait Privasi dan Keamanan Data

Data: Tingkat kekhawatiran konsumen terhadap penggunaan data biometrik dan bagaimana hal itu mempengaruhi keputusan mereka untuk menggunakan aplikasi.

Kegunaan: Mengembangkan strategi untuk mengatasi hambatan adopsi terkait privasi dan keamanan.

Mengapa Interview:

Konteks Pengumpulan Data: Kami memutuskan untuk menggunakan teknik wawancara dengan apotek, apoteker, manajer, dan staf operasional untuk mengidentifikasi kebutuhan mereka terkait pengelolaan stok, penjualan, dan manajemen obat kedaluwarsa.

Tujuan: Wawancara ini akan membantu kami mengumpulkan informasi mendalam tentang pola penjualan obat, bagaimana saat ini mereka mengelola stok dan mendeteksi obat kedaluwarsa, serta tantangan yang mereka hadapi dalam pengelolaan inventaris.

Pertanyaan Kunci: Wawancara akan berfokus pada bagaimana mereka memantau permintaan obat, tantangan dalam mempertahankan stok, serta bagaimana mereka saat ini mengidentifikasi dan menangani obat-obat yang sudah mendekati kedaluwarsa.

Dengan data yang didapat dari wawancara, kami akan memiliki pemahaman yang lebih dalam tentang proses manual saat ini yang nantinya akan diotomatisasi oleh AI.

2. Analisis Data:

Analisis untuk Deteksi Anomali Stok dan Penjualan:

Data yang dikumpulkan dari sistem penjualan historis akan dianalisis menggunakan algoritma AI untuk mendeteksi pola normal dan menemukan anomali, seperti peningkatan atau penurunan permintaan obat secara tiba-tiba.

AI akan menggunakan teknik analisis tren, klasifikasi, dan deteksi outlier untuk mengidentifikasi pola-pola yang tidak biasa dalam permintaan obat berdasarkan data penjualan historis.

Analisis untuk Deteksi Obat Kadaluwarsa:

Data stok yang mencakup informasi tanggal kedaluwarsa akan dianalisis secara berkala. AI akan mengidentifikasi obat yang mendekati tanggal kedaluwarsa dan memberikan peringatan kepada apotek untuk memprioritaskan penjualan obat tersebut atau menghapusnya dari inventaris.

Sistem juga akan menganalisis rotasi stok untuk memastikan obat yang paling lama berada di inventaris dijual terlebih dahulu (First In, First Out - FIFO).

Pendekatan Analisis:

Kami akan menggunakan model pembelajaran mesin (machine learning) berbasis time series untuk memprediksi pola penjualan dan permintaan, serta algoritma classification dan clustering untuk mengkategorikan obat sesuai urgensi dalam hal stok dan kedaluwarsa.

3. Sumber Data:

Data Penjualan Obat:

Sumber utama data akan berasal dari sistem penjualan apotek yang ada. Data ini akan mencakup informasi penjualan harian, bulanan, dan tahunan, termasuk jumlah penjualan untuk masing-masing obat, waktu pembelian, dan demografi pelanggan.

Data penjualan ini sangat penting untuk analisis prediktif penjualan dan deteksi anomali.

Data Stok Obat dan Kedaluwarsa:

Data stok obat dari sistem inventaris apotek akan menjadi sumber penting. Ini mencakup informasi tentang jumlah obat yang tersedia, waktu masuknya ke dalam stok, dan tanggal kedaluwarsa untuk setiap obat.

Data kedaluwarsa akan memungkinkan AI mendeteksi obat mana yang mendekati tanggal kedaluwarsa dan memerlukan tindakan segera.

Data dari Wawancara:

Data kualitatif dari wawancara dengan apoteker dan staf apotek akan memberikan wawasan tentang bagaimana mereka saat ini menangani masalah stok dan kedaluwarsa, serta membantu kami memahami tantangan dan kebutuhan mereka yang mungkin tidak tercatat

dalam data kuantitatif.

Hard working

Active

Modern

System Use :

Dapat menganalisa suatu masakan dan memberikan detail berupa; Item masakan dan harga.

Goals : mempermudah pembeli untuk mendapatkan informasi dan juga melakukan pembayaran.

Pain Points :

- Kesulitan dalam memasak untuk memenuhi kebutuhan sehari-hari.

- Waktu kerja yang tidak menentu

Gain Points :

- Memudahkan untuk melakukan pembayaran dan pilihan masakan.

- Menggunakan pembayaran secara cashless

• Observasi langsung : kami akan melihat dan mengamati interaksi antara customer dengan game master dalam menjelaskan permainan boardgame, kemudian mencatat pertanyaan umum atau kesulitan yang sering mereka alami.

• Interview : Melakukan wawancara kepada staff dari Kuup Cafe, seperti game master dan chef, tentang proses bisnis dari kafe tersebut dan bertanya kepada 50 customer tentang experience mereka di Kuup Cafe

  Teknik interview digunakan untuk mengumpulkan data kualitatif berdasarkan sudut pandang staff dan customer mengenai digitalisasi dari proses bisnis Kuup Cafe itu sendiri.

Analisis Data

• Analisis Deskriptif: analisis awal dengan menjawab pertanyaan umum tentang permainan, seperti waktu rata-rata yang diperlukan untuk mempelajari aturan, atau game mana yang paling sering ditanyakan aturannya.

• Data Klasifikasi: Klasifikasi permainan berdasarkan kategori (strategi, kecepatan, interaksi sosial, dll.) untuk membantu pengguna memilih permainan yang sesuai dengan preferensi mereka.

Sumber Data

• Manual Boardgame: Manual resmi dari penerbit boardgame adalah sumber utama aturan permainan. Ini bisa didapatkan dari file digital yang ada atau dibuat secara manual jika berbentuk cetak.

• Feedback Pelanggan: Dapatkan data dari feedback pelanggan mengenai permainan, kesulitan, atau rekomendasi melalui aplikasi itu sendiri atau kuesioner.

• Feedback Staff : mendapatkan feedback dari staf yang sudah ahli dan berpengalaman dalam memainkan boardgame

• Log Permainan : log aktivitas pengguna dalam permainan

1. functional

   • AI dapat menunjukkan custom makanan hewan recommend dari user petnpaws yang lain.

   • merekomendasikan dan menjual makanan hewan.

     
     

2. data:

   • data customer

   • data product

   • data admin

   • data sales

     
     

3. enviroment: mobile application

4. user:

   • customer

   • admin

   
   

5. usability

   • Ease of use

   • fast app and easy UI

     
     

6. user experience

   • sell pet food

   • customize pet food

   • article about pets

   • review order

Pada pagi hari mahasiswa Binus pergi ke sebuah warung makan untuk sarapan pagi. warung makan ini menyediakan berbagai macam makanan yang dapat dipilih sendiri sesuai dengan yang diinginkan. namun salah satu mahasiswa tidak membawa cash dan lebih suka pembayaran menggunakan cashless.

Langkah-langkah:

Mahasiswa memilih makanan dari hidangan yang disediakan yaitu nasi, ayam bakar, kangkung, dan telor. setelah memilih item, mahasiswa menuju ke kasir untuk melaukan pembayaran. kemudian mahasiswa membuka aplikasi yang sudah dilengkapi dengan tekhnologi AI.

Mahasiswa men-scan makanan yang ada di wadah menggunakan AI. AI secara otomatis mendeteksi dan mengenali setiap makanan yang dipilih. dalam beberapa detik sistem akan menampilkan detail item yang dipilih.

setelah item terdeteksi, sistem akan menampilkan rincian item dan total harga yang harus dibayarkan. sebagai contoh:

- Nasi :5000

- Aym Bkr : 12000

- kangkung : 5000

- telor : 5000

total : 27000

mahasiswa dapat memastikan semua item yang dipilih sudah benar, jika ada kesalahan pengguna bisa menghapus dan mengganti item yang sesuai secara manual.

Mahasiswa memilih metode pembayaran yang diinginkan seperti e-wallet. aplikasi akan menampilkan Qr code dan membuka aplikasi e-wallet untuk melakukan pembayaran. setelah pembayaran dikonfirasi berhasil, mahasiswa memberikan bukti pembayaran kepada kasir. maka seluruh rangkaian sudah selesai.

Lily , seorang manager perusahaan yang tinggal bersama 2 hewannya. Lily sangat peduli dengan kesehatan hewannya tetapi juga tidak memiliki waktu untuk membuatkan makanan yang organik untuk hewannya. Lily berharap ada aplikasi yang dapat membuatkan makanan organik untuk hewannya sesuai komposisi yang ia inginkan dan juga dapat dipesan secara mudah dan cepat.

Actions :

1) Click menu custom

2) Pilih menu komposisi yang tersedia untuk makanan hewan.

3)Order

1. Teknik pengumpulan data:

Data yang digunakan dalam pengembangan aplikasi ini akan dikumpulkan melalui teknik interview (wawancara). Wawancara dilakukan dengan customer dan pemilik/pengelola toko pakaian. Tujuan wawancara ini adalah untuk memahami kebutuhan, preferensi, serta tantangan yang dihadapi oleh pengguna (customer) dan pihak toko pakaian terkait pengalaman berbelanja pakaian secara digital. Beberapa pertanyaan kunci dalam wawancara akan berkaitan dengan fitur yang diinginkan, masalah yang dihadapi dalam belanja online, serta ekspektasi mereka terhadap teknologi AI Try-On.

2. Data dianalisa: Hasil wawancara, Analisis SWOT

Setelah proses wawancara selesai, data yang dikumpulkan akan dianalisis untuk memahami pola kebutuhan dan masalah yang dihadapi. Hasil wawancara tersebut akan digunakan untuk membuat Analisis SWOT (Strengths, Weaknesses, Opportunities, Threats) guna mengetahui kekuatan dan peluang dari implementasi fitur AI Try-On, serta kelemahan dan ancaman yang mungkin timbul. Analisis SWOT ini akan membantu dalam merancang fitur yang sesuai dan efisien berdasarkan kebutuhan pasar.

3. Data dipresentasikan:

-  Laporan Kualitatif: Berisi ringkasan wawancara, termasuk pandangan dan masukan dari customer dan toko pakaian mengenai pengalaman berbelanja, serta penilaian terhadap konsep AI Try-On.

-  Hasil Analisa SWOT: Menampilkan analisis mendalam mengenai kekuatan, kelemahan, peluang, dan ancaman dari pengembangan fitur ini.

-  Prototype: Setelah analisis selesai, prototype aplikasi dengan fitur AI Try-On akan dikembangkan berdasarkan temuan-temuan dalam laporan dan SWOT. Prototype ini akan digunakan untuk memvisualisasikan bagaimana fitur AI Try-On bekerja dan memungkinkan customer mencoba pakaian secara virtual.

4. Sumber Data:

Sumber data utama berasal dari interviewer dan toko pakaian (pemilik, pengelola, dan customer). Data dari interviewer akan memberikan perspektif dari sisi pengembang, sementara data dari toko pakaian akan merepresentasikan kebutuhan dan ekspektasi dari pihak pengguna (end-user).

teknik pengumpulan data yang kita gunakan ialah menggunakan metode qualitative dengan sesi wawancara. Tujuannya adalah untuk mendapatkan wawasan lebih dalam mengenai pengalaman mereka terkait metode pembayaran. Pertanyaan dapat mencakup bagaimana mereka menilai kemudahan, kecepatan, dan kenyamanan metode pembayaran saat ini, serta fitur apa yang mereka harapkan dari aplikasi baru. Melalui wawancara ini, kita bisa menggali informasi lebih rinci mengenai kebutuhan dan preferensi pengguna yang tidak bisa diperoleh melalui survei atau kuesioner biasa.

2. Sumber Data:

Sumber data akan dilakukan kepada pelaku bisnis dan juga observasi. Pastinya akan mengambil data produk dan juga data pembelian yang terjadi pada tiap bulannya yang ada pada warung makan tersebut. Kemudian untuk mendukungnya sistem atau aplikasi ini kami membutuhkan data dari pelanggan dan juga sekitar dari tempat warung makan untuk mengetahui refrensi masing-masing dalam melakukan pembelian di warung makan.

3. Cara Menganalisa Data:

Data kualitatif yang diperoleh dari wawancara dan observasi perlu dianalisis menggunakan teknik tema atau coding. Dalam analisis ini, tanggapan dari pengguna dan hasil observasi akan dipecah menjadi kategori-kategori yang lebih kecil, seperti kenyamanan, akurasi, kecepatan, dan lainnya. Setiap kategori tersebut membantu dalam mengidentifikasi pola atau isu umum yang dihadapi pengguna terkait pembayaran. Misalnya, jika banyak pengguna menyebutkan bahwa kecepatan adalah faktor penting dalam pengalaman pembayaran, ini bisa menjadi fokus utama dalam pengembangan aplikasi. Coding adalah proses mengelompokkan tanggapan berdasarkan tema tertentu, seperti masalah yang dihadapi pengguna dalam pembayaran manual atau fitur yang mereka inginkan dalam aplikasi baru. Dengan melakukan ini, tim dapat memahami preferensi pengguna secara lebih mendetail dan mengembangkan solusi yang lebih sesuai dengan kebutuhan mereka.

Teknik yang akan digunakan adalah qualitative dengan menggunakan metode interview daan observation dalam mengumpulkan data karena teknik qualitative dianggap lebih efektif dan efisien dalam mengumpulkan data yang relevan dan akurat dalam pembuatan system (aplikasi) yang dibutuhkan

Data Analyzation Technique

Data yang telah terkumpul akan diseleksi menjadi sebuah topic dan subtopic sehingga kita dapat mengetahui apa kebutuhan customer seperti jenis makanan hewan peliharaan, jumlah nutrisi pada setiap hewan peliharaan, seberapa sering customer datang, kesulitan yang dialami hingga feedback yang dapat diberikan kepada pet&paws.

Data Source

Data source yang terlibat dalam pengumpulan data ini adalah customer, owner serta staff. Dengan pembagian menjadi beberapa sub target interview, maka pertanyaan yang diberikan pun berbeda beda sesuai target sehingga output dari setiap target interview akan lebih efektif dan akurat .

Ide AI: AI akan membantu pengguna memilih bahan makanan yang tepat berdasarkan jenis hewan peliharaan, usia, kondisi kesehatan, dan preferensi makanan.

Ide : Menganalisis riwayat pembelian dan preferensi pengguna untuk memberikan saran makanan yang sesuai, dapat menawarkan opsi pre-set menu yang bisa di-custom oleh pengguna, akan menawarkan diskon atau rekomendasi produk baru berdasarkan interaksi pengguna sebelumnya. Membantu menjawab pertanyaan terkait nutrisi dan kesehatan hewan peliharaan.

Goals:

- Meningkatkan kepuasan pelanggan dengan memberikan layanan yang cepat dan responsif melalui AI.

- Meningkatkan loyalitas pengguna melalui pengalaman belanja yang lebih interaktif dan mudah.

- Memberikan rekomendasi makanan hewan yang lebih personal dan relevan.

Priority:

- Survei

- Interview

- Data Collect

- Design/Prototyping

- Develop

- A/B Testing

- Evaluation

Cara Collect data:

Interview, Data Collect, Design, Develop, A/B Testing, Evaluation

• Bagaimana data dianalisa dan dipresentasikan:

  Setelah observasi selesai, data dianalisis menggunakan excel untuk mengidentifikasi pola, tantangan, dan bisnis proses yang ingin ditingkatkan. Temuan dari observasi ini digunakan untuk menginformasikan pengembangan aplikasi, memastikan fitur AI deteksi wajah efektif dalam praktik klinis, dan untuk meningkatkan pengalaman pengguna serta akurasi diagnosa.

  
  

• Sumber Data:

  Sumber data diambil dari dokter, customer, staff, dan tenaga kerja lain yang ada di dalam bisnis. Selain itu kita akan melakukan evaluasi terhadap observasi secara langsung pada proses bisnis untuk memastikan bahwa data yang sudah kami kumpulkan sudah akurat dan sesuai dengan kebutuhan aplikasi.

• Bagaimana data dianalisa dan dipresentasikan:

  Setelah observasi selesai, data dianalisis menggunakan excel untuk mengidentifikasi pola, tantangan, dan bisnis proses yang ingin ditingkatkan. Temuan dari observasi ini digunakan untuk menginformasikan pengembangan aplikasi, memastikan fitur AI deteksi wajah efektif dalam praktik klinis, dan untuk meningkatkan pengalaman pengguna serta akurasi diagnosa.

  
  

• Sumber Data:

  Sumber data diambil dari dokter, customer, staff, dan tenaga kerja lain yang ada di dalam bisnis. Selain itu kita akan melakukan evaluasi terhadap observasi secara langsung pada proses bisnis untuk memastikan bahwa data yang sudah kami kumpulkan sudah akurat dan sesuai dengan kebutuhan aplikasi.

Data collection

Qualitative - Mengumpulkan data dengan melakukan observasi secara langsung untuk mengetahui proses bisnis, data pasien, proses interaksi antara dokter dan pasien sehingga mendapatkan hasil diagnosa dan kebutuhan treatment yang tepat sesuai dengan kebutuhan pasien.

Interview - melakukan wawancara kepada dokter, pasien/customer, dan staff mengenai pengetahuan teknologi dan alat yang digunakan dalam mendiagnosa permasalahan pada pasien.

Jenis Data dan Informasi yang sebaiknya disediakan oleh aplikasi untuk mendukung hasil diagnosa system AI.

Bagaimana data dianalisa dan dipresentasikan:

Setelah observasi selesai, data dianalisis menggunakan excel untuk mengidentifikasi pola, tantangan, dan bisnis proses yang ingin ditingkatkan. Temuan dari observasi ini digunakan untuk menginformasikan pengembangan aplikasi, memastikan fitur AI deteksi wajah efektif dalam praktik klinis, dan untuk meningkatkan pengalaman pengguna serta akurasi diagnosa.

Sumber Data:

Sumber data diambil dari dokter, customer, staff, dan tenaga kerja lain yang ada di dalam bisnis. Selain itu kita akan melakukan evaluasi terhadap observasi secara langsung pada proses bisnis untuk memastikan bahwa data yang sudah kami kumpulkan sudah akurat dan sesuai dengan kebutuhan aplikasi.

• Bagaimana data dianalisa dan dipresentasikan:

  Setelah observasi selesai, data dianalisis menggunakan excel untuk mengidentifikasi pola, tantangan, dan bisnis proses yang ingin ditingkatkan. Temuan dari observasi ini digunakan untuk menginformasikan pengembangan aplikasi, memastikan fitur AI deteksi wajah efektif dalam praktik klinis, dan untuk meningkatkan pengalaman pengguna serta akurasi diagnosa.

  
  

• Sumber Data:

  Sumber data diambil dari dokter, customer, staff, dan tenaga kerja lain yang ada di dalam bisnis. Selain itu kita akan melakukan evaluasi terhadap observasi secara langsung pada proses bisnis untuk memastikan bahwa data yang sudah kami kumpulkan sudah akurat dan sesuai dengan kebutuhan aplikasi.

2. Characteristic:

1. Perempuan

2. 20 tahun

3. Mahasiswa Psikologi

4. Ekstrovert

5. Kompetitif

6. Suka mencoba hal baru

7. Perfeksionis

3. System use:

1. casual app user: Menggunakan aplikasi untuk bermain di board game cafe

4. Goals:

1. Ingin mencoba board game yang belum pernah dimainkan sebelumnya

2. Bermain board game bersama teman-teman untuk bonding lebih lanjut

5. Pain points:

1. Kesulitan dalam mendapatkan layanan game master saat peak hour/weekend

2. Kesulitan menentukan board game yang ingin dicoba sesuai dengan ketertarikan pemain

6. Gain points:

1. Mendapatkan pelayanan game master 24/7 selama menggunakan AI selama bermain di kuup.

2. Mendapatkan rekomendasi board game sehingga tidak pernah bosan dalam bermain

Data collection

Qualitative - Mengumpulkan data dengan melakukan observasi secara langsung untuk mengetahui proses bisnis, data pasien, proses interaksi antara dokter dan pasien sehingga mendapatkan hasil diagnosa dan kebutuhan treatment yang tepat sesuai dengan kebutuhan pasien.

Interview - melakukan wawancara kepada dokter, pasien/customer, dan staff mengenai pengetahuan teknologi dan alat yang digunakan dalam mendiagnosa permasalahan pada pasien.

Jenis Data dan Informasi yang sebaiknya disediakan oleh aplikasi untuk mendukung hasil diagnosa system AI.

Bagaimana data dianalisa dan dipresentasikan:

Setelah observasi selesai, data dianalisis menggunakan excel untuk mengidentifikasi pola, tantangan, dan bisnis proses yang ingin ditingkatkan. Temuan dari observasi ini digunakan untuk menginformasikan pengembangan aplikasi, memastikan fitur AI deteksi wajah efektif dalam praktik klinis, dan untuk meningkatkan pengalaman pengguna serta akurasi diagnosa.

Sumber Data:

Sumber data diambil dari dokter, customer, staff, dan tenaga kerja lain yang ada di dalam bisnis. Selain itu kita akan melakukan evaluasi terhadap observasi secara langsung pada proses bisnis untuk memastikan bahwa data yang sudah kami kumpulkan sudah akurat dan sesuai dengan kebutuhan aplikasi.

https://docs.google.com/document/d/1q_GIjWi3hQh-tVak2YPfPirdvOrdNr6q2aKo3wsv_dQ/edit

Canva

https://www.canva.com/design/DAGSTwnoKoE/1t0-kai7ij8LEYBAxebbWg/edit?utm_content=DAGSTwnoKoE&utm_campaign=designshare&utm_medium=link2&utm_source=sharebutton

https://www.canva.com/design/DAGTJ3WAO1Q/GmJetsUJAvF8BptmBTlnrg/view?utm_content=DAGTJ3WAO1Q&utm_campaign=designshare&utm_medium=link&utm_source=editor

https://www.canva.com/design/DAGTU0IAfRk/hr-us0rr53av7eCMm_WnvQ/view?utm_content=DAGTU0IAfRk&utm_campaign=designshare&utm_medium=link&utm_source=editor

https://www.canva.com/design/DAGTVeGpFVk/yBMrfNxTeYVZRQKiSV4heQ/view?utm_content=DAGTVeGpFVk&utm_campaign=designshare&utm_medium=link&utm_source=editor

Pertama, hierarki menciptakan alur navigasi yang jelas dan mudah diikuti, memudahkan pengguna untuk menemukan informasi yang mereka butuhkan, mulai dari kategori umum hingga detail produk. Kedua, skema ini sangat fleksibel, memungkinkan kita untuk menyesuaikan akses pengguna berdasarkan peran mereka, sehingga informasi sensitif dapat dikelola dengan lebih baik. Ketiga, hierarki juga sangat skalabel, artinya dapat dengan mudah diperluas untuk mengakomodasi pertumbuhan bisnis tanpa mengganggu struktur yang sudah ada. Dibandingkan dengan skema berbasis tugas atau audiens, skema hierarki lebih efektif dalam menyajikan informasi yang kompleks dan beragam, serta memberikan pengalaman pengguna yang lebih konsisten.

Dengan mengelompokkan konten secara logis, hierarki memastikan bahwa setiap pengguna, baik itu admin, tim penjualan, maupun pelanggan, dapat dengan mudah menemukan informasi yang relevan dengan pekerjaan mereka.

Canva Link:

https://www.canva.com/design/DAGTny8MkyM/CyOzgDG1kCS5YFx-7BlhxQ/view?utm_content=DAGTny8MkyM&utm_campaign=designshare&utm_medium=link&utm_source=editor

Alasan kita menggunakan skema ini karena:

• Fleksibilitas untuk Mendukung Berbagai Kebutuhan Pengguna, seperti mengkombinasikan skema task-based dan skema Topical yang membantu melakukan pemesanan restock, melacak pengiriman yang masuk, atau menyesuaikan level stok dan juga membuat aplikasi lebih intuitif dan mudah digunakan karena setiap fitur atau fungsionalitas dirancang sesuai dengan tindakan spesifik pengguna

• Struktur Informasi yang Jelas dan Terorganisir, yang memudahkan pengguna untuk menavigasi informasi yang lebih mendalam atau mencari detail spesifik saat mereka perlu melihat data tertentu (misalnya, kontak supplier atau spesifikasi produk) dan memastikan bahwa pengguna tidak merasa kewalahan dengan data yang ada, karena informasi diatur dalam kategori yang relevan dan mudah ditemukan

https://www.canva.com/design/DAGTWZ7Wxwo/iKnr_COVOx_nkOKts7fxKg/edit

Task organization scheme pada aplikasi Kuup Mobile cocok untuk digunakan karena skema ini membuat aplikasi menjadi lebih intuitif & mudah digunakan. Alur pengguna juga menjadi lebih lancar karena pengguna diberikan panduan dalam melakukan proses spesifik seperti booking meja, memesan makanan & minuman, serta mempelajari cara bermain board game melalui AI Game Master. Skema ini juga meningkatkan kemudahan penggunaan dengan membantu user untuk berfokus pada fitur-fitur utama tanpa terganggu oleh hal-hal lain.

Link:

https://miro.com/welcomeonboard/ampwQmZ4alc2Q3RNS2R1QnpQeU9hb1dLWkoyR1pqZWdKenNjc1ZGcE5PSjhIM2d2S2M4UW92UUt1eE12OFBWdXwzNDU4NzY0NTIxMTU3NTQ4MzQ0fDI=?share_link_id=415318442153

Link: https://miro.com/welcomeonboard/ampwQmZ4alc2Q3RNS2R1QnpQeU9hb1dLWkoyR1pqZWdKenNjc1ZGcE5PSjhIM2d2S2M4UW92UUt1eE12OFBWdXwzNDU4NzY0NTIxMTU3NTQ4MzQ0fDI=?share_link_id=415318442153

Rekomendasi Berdasarkan Tujuan Pengguna: AI dapat merekomendasikan makanan sesuai kebutuhan atau tujuan pengguna, misalnya "Makanan Hemat," "Makan Siang Cepat," atau "Lauk Sehat." Dengan pendekatan ini, pengguna bisa dengan mudah menemukan rekomendasi makanan sesuai keperluan mereka pada saat itu.

2. Audience-based Schemes:

Rekomendasi Berdasarkan Preferensi Pengguna: AI bisa mengelompokkan makanan berdasarkan tipe pengguna, seperti "Vegetarian," "Penggemar Pedas," atau "Lauk Favorit Pelanggan." Sistem ini dapat mempersonalisasi rekomendasi sesuai preferensi atau riwayat pembelian masing-masing pelanggan.

Rekomendasi: Task-based Organizational Scheme

Alasan:

1. Kemudahan Pengguna (User-Centered Design): Skema berbasis tugas memungkinkan pengunjung (baik customer maupun staff) untuk langsung menyelesaikan tugas atau aktivitas tertentu di website. Misalnya, customer dapat dengan mudah menemukan dan menyelesaikan tugas seperti memesan menu, melakukan pembayaran, atau memberikan feedback. Staff juga bisa langsung mengakses dashboard untuk tugas-tugas seperti melihat tren penjualan, mengedit menu, atau membuat laporan.

2. Memfasilitasi Interaksi Digital yang Efektif: Fokus pada tindakan spesifik yang akan dilakukan pengguna (seperti “Pesan Menu”, “Bayar”, “Lihat Tren AI”, “Edit Menu”) membuat website lebih mudah digunakan dan membantu meminimalkan langkah yang tidak perlu. Hal ini sangat relevan dalam lingkungan restoran, di mana kemudahan dan kecepatan adalah prioritas utama bagi customer dan staff.

3. Penyederhanaan Alur Kerja: Task-based scheme membantu menyederhanakan alur kerja bagi pengguna, karena setiap fitur atau halaman langsung berhubungan dengan apa yang ingin dilakukan pengguna. Pengunjung website dapat fokus pada menyelesaikan tugas spesifik tanpa kebingungan.

4. Fleksibilitas untuk Pengguna yang Berbeda: Website ini akan digunakan oleh dua kelompok utama, yaitu customer dan staff. Dengan task-based organization, setiap pengguna dapat mengakses tugas-tugas mereka sendiri dengan mudah. Misalnya, customer dapat fokus pada tindakan pemesanan dan pembayaran, sementara staff dapat langsung menuju dashboard untuk mengelola operasional.

5. Fokus pada Penyelesaian Masalah: Mengingat tujuan utama Wangsa adalah untuk meningkatkan pengalaman pelanggan dan mengikuti tren melalui analisis AI, skema ini memastikan bahwa masalah-masalah yang dihadapi, seperti kesulitan mengikuti tren atau memberikan pengalaman personal kepada pelanggan, dapat diselesaikan secara langsung melalui fitur dan tugas yang sudah terorganisir dengan baik.

https://www.canva.com/design/DAGUNB4PWwk/uMkhzvQmTDhGAhehCbJrEw/edit?utm_content=DAGUNB4PWwk&utm_campaign=designshare&utm_medium=link2&utm_source=sharebutton

1. 2602194240 - Aiko Machfuudzoh

2. 2602194171 - Rachel Natasya Angel Sinaga

3. 2602084451 - Michael Cannavaro Rahardjo

4. 2602092554 - Stephanie Dorothea Tan

5. 2602156394 - Nadhifa Azka Khairani

1. 2602194240 - Aiko Machfuudzoh

2. 2602194171 - Rachel Natasya Angel Sinaga

3. 2602084451 - Michael Cannavaro Rahardjo

4. 2602092554 - Stephanie Dorothea Tan

5. 2602156394 - Nadhifa Azka Khairani

- Final Report File - ABAD Final Report (PDF.), PKM-KC (PDF.), dan Poster

- Presentation File (PPTX, Canva Link, & Presentation PDF)

- High Fidelity Prototype (Screenshot - PDF)

- Link Video Sesi Wawancara (upload ke youtube dan diberikan link nya, sebagai unlisted)

2. Presentation Date

- 17 December 2024 (Session 1 : 6 Group - Session 2 : 5 Group)

- 3 January 2025 ( Remaining Group) *One Session Only

3. Submission (Deadline 15 December 21:00)

3. Gdrive / One Drive link (Make to View / Public)

4. Dresscode (Sesuai kreativitas - Property diperbolehkan)

• Kelompok 11 (*)

• Kelompok 8 (*)

• Kelompok 6 (*)

• Kelompok 2

• Kelompok 7

3 Januari 2025

• Kelompok 4

• Kelompok 1

• Kelompok 9

4 Januari 2024

• Kelompok 5

• Kelompok 3

• Kelompok 10

Link File:

1. LEC PPT FINAL Presentation

https://www.canva.com/design/DAGYw6x0QBI/yk2oiB7NoPB8BLx_faARRw/edit

2. Hi-Fi Prototype

https://docs.google.com/document/d/1z2V8urclYBsyDqa0529W-Y4sj4Mj-G-Y5LttUceiHr8/edit?usp=sharing

3. Poster

https://www.canva.com/design/DAGYIPmezFM/f-Pb2QgOs2mGLh_Nb7D3eg/edit

4. Interview Video

https://youtu.be/cpqNjLaQjng?si=nwegFWXWraExHa08

5. Final Report LEC

https://docs.google.com/document/d/1W-UxyrOFrHbYvUwBT3q3albcLtGA-NHQ4RblLN_uPgo/edit?tab=t.0

6. PKM-KC

https://drive.google.com/file/d/1YDpXuY-cpedDLB1n8UlHHPqM--cqsCci/view?usp=sharing

https://drive.google.com/drive/folders/1dVPOCTr9kBOFbjdKfoRmM34xaKO2-skF?usp=sharing

1. Lecture Final Presentation:

https://www.canva.com/design/DAGTjBt9Wvo/iVl3t9w3siSQe9p5hlXbzg/view?utm_content=DAGTjBt9Wvo&utm_campaign=designshare&utm_medium=link2&utm_source=uniquelinks&utlId=h857e27ed22

2. High Fidelity Prototype:

https://drive.google.com/file/d/1N0p0pSrlls7UoriXMjrQJlciAbx6xRrE/view?usp=sharing

3. Poster:

https://drive.google.com/file/d/123TrgF4OA-SbuWqkHbZ3XpBrjyAW055y/view?usp=drive_link

4. Link Video Interview:

https://youtu.be/pLKXqv0VBX8

5. Final Report Lecture:

https://docs.google.com/document/d/1tYxa5SlyeaJ-aVjtV5wBgl32yUaxB3Q--F88qWsjs2g/edit?usp=drive_link

6. PKM-KC

https://docs.google.com/document/d/1p1xSW6EKFb5kGPyTXAngo2UCFxgLB6uWIz-TElDZBNs/edit?usp=drive_link

https://drive.google.com/drive/folders/1AQ1mVymFIg3fXdxxKFxiBwHU2OgEi7-j

Link File:

1. LEC PPT Final Presentation

   https://www.canva.com/design/DAGTvTrFJjE/F5t-sQoBCUfGji9krJItZg/edit?utm_content=DAGTvTrFJjE&utm_campaign=designshare&utm_medium=link2&utm_source=sharebutton

2. Hi-Fi Prototype

   https://docs.google.com/document/d/1X_awzd-utknXBKY034By5dHnYfgkCVkTVmfLFB7MBMY/edit?usp=sharing

3. Poster

   https://www.canva.com/design/DAGYmrWmfiI/T8QxX76CLvPp-BYjDYY_Ig/edit?utm_content=DAGYmrWmfiI&utm_campaign=designshare&utm_medium=link2&utm_source=sharebutton

4. Interview Video

   https://youtu.be/MI9ZFmM3QkE

5. Final Report LEC

   https://docs.google.com/document/d/1aZhtOYTbeekwKgBMGYwmIiHP3FP4-IPH99aQ19vLIyI/edit?usp=sharing

6. PKM-KC

   https://docs.google.com/document/d/1sJpgbgfTg7ZsmjbNRhmPZvvX_KHk9qHOnmam55MYr0E/edit?usp=sharing

https://drive.google.com/drive/folders/1AQ1mVymFIg3fXdxxKFxiBwHU2OgEi7-j

Link File:

1. LEC PPT Final Presentation

   https://www.canva.com/design/DAGTvTrFJjE/F5t-sQoBCUfGji9krJItZg/edit?utm_content=DAGTvTrFJjE&utm_campaign=designshare&utm_medium=link2&utm_source=sharebutton

2. Hi-Fi Prototype

   https://docs.google.com/document/d/1X_awzd-utknXBKY034By5dHnYfgkCVkTVmfLFB7MBMY/edit?usp=sharing

3. Poster

   https://www.canva.com/design/DAGYmrWmfiI/T8QxX76CLvPp-BYjDYY_Ig/edit?utm_content=DAGYmrWmfiI&utm_campaign=designshare&utm_medium=link2&utm_source=sharebutton

4. Interview Video

   https://youtu.be/MI9ZFmM3QkE

5. Final Report LEC

   https://docs.google.com/document/d/1aZhtOYTbeekwKgBMGYwmIiHP3FP4-IPH99aQ19vLIyI/edit?usp=sharing

6. PKM-KC

   https://docs.google.com/document/d/1sJpgbgfTg7ZsmjbNRhmPZvvX_KHk9qHOnmam55MYr0E/edit?usp=sharing

https://drive.google.com/drive/folders/1AQ1mVymFIg3fXdxxKFxiBwHU2OgEi7-j

Link File:

1. LEC PPT Final Presentation

https://www.canva.com/design/DAGTvTrFJjE/F5t-sQoBCUfGji9krJItZg/edit?utm_content=DAGTvTrFJjE&utm_campaign=designshare&utm_medium=link2&utm_source=sharebutton

2. Hi-Fi Prototype

https://docs.google.com/document/d/1X_awzd-utknXBKY034By5dHnYfgkCVkTVmfLFB7MBMY/edit?usp=sharing

3. Poster

https://www.canva.com/design/DAGYmrWmfiI/T8QxX76CLvPp-BYjDYY_Ig/edit?utm_content=DAGYmrWmfiI&utm_campaign=designshare&utm_medium=link2&utm_source=sharebutton

4. Interview Video

https://youtu.be/MI9ZFmM3QkE

5. Final Report LEC

https://docs.google.com/document/d/1aZhtOYTbeekwKgBMGYwmIiHP3FP4-IPH99aQ19vLIyI/edit?usp=sharing

6. PKM-KC

https://docs.google.com/document/d/1sJpgbgfTg7ZsmjbNRhmPZvvX_KHk9qHOnmam55MYr0E/edit?usp=sharing

https://drive.google.com/drive/folders/1xPj_7un0TKTNThGTm-hfUb0m48UpY2ZW?usp=sharing

Link FIle:

1. LEC PPT FINAL Presentation

https://www.canva.com/design/DAGYz22sBEQ/Z-CUpfGtBLMl_5ZVc-chtA/edit?utm_content=DAGYz22sBEQ&utm_campaign=designshare&utm_medium=link2&utm_source=sharebutton

2. Hi-Fi Prototype

https://docs.google.com/document/d/1DFD3U4zf7Jeqr6D7jb7puJexzCneCiMbO_tVP-GYgcQ/edit?usp=sharing

3. ⁠Poster

https://www.canva.com/design/DAGYhbxY3Ik/KOh1Lr6lNkdAaEaeCKH5NQ/edit?utm_content=DAGYhbxY3Ik&utm_campaign=designshare&utm_medium=link2&utm_source=sharebutton

4. ⁠Interview Video

https://youtu.be/vxhG0fvRN7Y

https://youtu.be/RX2scp9gmEc

5. ⁠Final Report LEC

https://docs.google.com/document/d/1QBD6suh33P6gOkKMJkBnZW1LxJ3265UXKAmJubNgxYc/edit?usp=sharing

6. PKMKC

   https://docs.google.com/document/d/1A0sp9e05YZqCJXBejeAnOMw8iJo0_GSeckmlx9rlJms/edit?tab=t.0

Link Drive:

https://drive.google.com/drive/folders/1WtDSmCwX-IevYYWF6ZD7FB8bA_OK30Ym?usp=sharing

Link File

1. PPT Final Presentation

https://www.canva.com/design/DAGZRm0hV4o/VyiKxMn_Y_a90QSkofUhbw/edit?utm_content=DAGZRm0hV4o&utm_campaign=designshare&utm_medium=link2&utm_source=sharebutton

2. High Fidelity Prototype

https://docs.google.com/document/d/1EeKYn2cLhpnLp4_uQzCr3oR5lnfgu3WQT3FXdv5D04I/edit?usp=sharing

3. Poster

https://www.canva.com/design/DAGYgD-Pk3M/xjzrNYYdzTr_pe65iHvv5w/edit?utm_content=DAGYgD-Pk3M&utm_campaign=designshare&utm_medium=link2&utm_source=sharebutton

4. Interview Video

https://youtu.be/prIIn5Y7D4s

5. Final Report LEC

https://docs.google.com/document/d/1e83JB7WL2BeRoBA_F2eWhsZMLlsdDMaVQE_Zj7sNCLc/edit?usp=sharing

https://drive.google.com/drive/folders/1WMey00a4PfqvXOALVpVOUqmS4ixPgUMA?usp=drive_link

Link Video :

https://www.youtube.com/watch?v=TMZZBXBGIt8

https://www.youtube.com/watch?v=P_PuMa9YADk

Link Poster :

https://drive.google.com/file/d/1PPMa1h2Ao-9P-1p3CDlRrdJc3UHk9lgG/view?usp=drive_link

Link Hifi :

https://docs.google.com/document/d/1Ncm-dBG5PV235F3fBsDHPnrgA8C8OLyy/edit?usp=drive_link&ouid=112292873881629344729&rtpof=true&sd=true

https://drive.google.com/drive/folders/1D2fV7h8z1zy1KRZxyyBU7j6R4_2xW-Di

Link presentasi:

https://www.canva.com/design/DAGUBdLRwaw/tC8Xtyu1-3-u6FTyH7aAkQ/edit?utm_content=DAGUBdLRwaw&utm_campaign=designshare&utm_medium=link2&utm_source=sharebutton

Hi-fi Prototype:

https://www.figma.com/design/JYuUdx0r0yt7EVWprA3VJR/Kuup-Mobile-App-UI?node-id=2-2&t=nAhhs5Qtq6NUmZEH-1

Poster:

https://drive.google.com/file/d/15byeA6PhkypwPg1LnOMPKahRV2S_nb7w/view?usp=drivesdk

Interview video:

https://youtu.be/J42XLb0WIiY?si=17sz-WhSxOMuMuES

Final Report LEC ABAD:

https://drive.google.com/file/d/1J0yM5iED2dOelB2snn2o9eWOdah-go9A/view?usp=drive_link

PKM-KC:

https://drive.google.com/file/d/1McrMiKglZhWvT33ymTzO6eNFEP8YJzEl/view?usp=sharing

Link Drive:

https://drive.google.com/drive/folders/12Y_bs7j69NTbMiqZiNCVaFB-Bkoa2DlA?usp=sharing

Link File:

1. LEC PPT Final presentation

https://www.canva.com/design/DAGZWydxKSc/zpT9P4tgtnt2VW5rQv2x6g/view?utm_content=DAGZWydxKSc&utm_campaign=designshare&utm_medium=link2&utm_source=uniquelinks&utlId=hd44aa7e6af

2. HI-FI Prototype

https://drive.google.com/file/d/1fJT6-0fScb7T1YBxuN2kRW2OW9x21leD/view?usp=drivesdk

3. Poster

https://drive.google.com/drive/folders/1f9BIBVaRjodwPkZWt6Nevs5DBAt3lohH

4. Interview Video

https://docs.google.com/document/d/1u7muUuQECStZyq7vx1G54JMgRoC5GUzC/edit?usp=drivesdk&ouid=102599501710014043499&rtpof=true&sd=true

5. Final Report LEC

https://docs.google.com/document/d/1Y-n86H02bghWKwyeYpuIv5d0sjnhJDGDuU4eY5awZ_o/edit?usp=sharing

6. Link PKM - KC

https://docs.google.com/document/d/18eo8ZiRUUg5Eb1XpA5SPmR9SPIhvOwaWGFLCVxJ8S7s/edit?usp=sharing

https://drive.google.com/drive/folders/1uyuDGBVaeiQGK5Bu5wExaPYlc2EqQP5t?usp=sharing

1. Link youtube video interview :

https://youtu.be/ICe1PcwrysQ

2. Link PPT :

https://www.canva.com/design/DAGZSSBKpZM/itr36b336pZu5gTs0f0hOw/edit?utm_content=DAGZSSBKpZM&utm_campaign=designshare&utm_medium=link2&utm_source=sharebutton

3. Link Final Report :

https://docs.google.com/document/d/1pKaLyD7oHLFmPpMuNnTp0NgXCKbPVrML4iQnGl7IQdY/edit?usp=sharing

4. Link Poster :

https://www.canva.com/design/DAGYghcdYss/dgjfSvPIIS9XnYZ9aWglaA/edit?utm_content=DAGYghcdYss&utm_campaign=designshare&utm_medium=link2&utm_source=sharebutton

5. Link PKM KC :

https://docs.google.com/document/d/1Zk1TAtBDL8cwoS_oUyFvfdzSS1SLvJrLdxwm3KC33aE/edit?usp=sharing

6. Link Hi-Fi Prototype :

https://docs.google.com/document/d/1jeUMgllDn5VLmjUvem5t5aq-ONnEi24rk1qbrgfctK4/edit?usp=sharing

https://drive.google.com/drive/folders/1xPj_7un0TKTNThGTm-hfUb0m48UpY2ZW?usp=sharing

Link FIle:

1.⁠ ⁠LEC PPT FINAL Presentation

https://www.canva.com/design/DAGYz22sBEQ/Z-CUpfGtBLMl_5ZVc-chtA/edit?utm_content=DAGYz22sBEQ&utm_campaign=designshare&utm_medium=link2&utm_source=sharebutton

2.⁠ ⁠⁠Hi-Fi Prototype

https://docs.google.com/document/d/1DFD3U4zf7Jeqr6D7jb7puJexzCneCiMbO_tVP-GYgcQ/edit?usp=sharing

3.⁠ ⁠⁠Poster

https://www.canva.com/design/DAGYhbxY3Ik/KOh1Lr6lNkdAaEaeCKH5NQ/edit?utm_content=DAGYhbxY3Ik&utm_campaign=designshare&utm_medium=link2&utm_source=sharebutton

4.⁠ ⁠⁠Interview Video

https://youtu.be/vxhG0fvRN7Y

https://youtu.be/RX2scp9gmEc

5.⁠ ⁠⁠Final Report LEC

https://drive.google.com/file/d/1lkRqg5XSxRkezTFX7ZoupKjJQC_OsoWR/view?usp=sharing

6. PKM-KC

https://docs.google.com/document/d/1A0sp9e05YZqCJXBejeAnOMw8iJo0_GSeckmlx9rlJms/edit?usp=sharing

•⁠ ⁠Link Drive

https://drive.google.com/drive/folders/1QSmGEWz7lsYn1PZAWdeiiCtQ1xTIe09x?usp=sharing

•⁠ ⁠Link PPT

https://www.canva.com/design/DAGZXhH7580/qJ8AcFUjy3d0FLl8aywLJg/edit?utm_content=DAGZXhH7580&utm_campaign=designshare&utm_medium=link2&utm_source=sharebutton

•⁠ ⁠Link Final Report

https://docs.google.com/document/d/1NjC2hkNXvZ6hqZhQt5o15lCXI0CAF2ms4BpOIIH4Nx4/edit?usp=sharing

•⁠ ⁠Link Poster

https://www.canva.com/design/DAGYnf_ff9Y/yZFaJGd_zz6Zx4dvMBEBTw/edit?utm_content=DAGYnf_ff9Y&utm_campaign=designshare&utm_medium=link2&utm_source=sharebutton

•⁠ ⁠Link PKM KC

https://docs.google.com/document/d/12iltKyBu8XMd8HGJQHv5OCvBoVp582ff/edit?usp=drive_link&ouid=114857820978621106830&rtpof=true&sd=true

•⁠ ⁠Link High Fidelity

https://www.figma.com/design/iFVOQp8Qud2PHoGIio6XaN/KLIK-RASA-Wireframe?node-id=0-1&t=oCIe8ogxbZXfcGoM-1

•⁠ ⁠Link Interview

https://www.youtube.com/watch?v=fxwruycyFok

Link Drive : https://bit.ly/LuaranABADEvoLink

Link File :

1. LEC PPT Final Presentation = https://bit.ly/PPTFinalPresentationABADLEC

2. Hi-Fi Prototype = https://bit.ly/Hi-FiPrototypeEvoLink

3. Poster = https://bit.ly/PosterEvoLink

4. Interview Video = https://bit.ly/InterviewVideoEvoLink

5. Final Report LEC = https://bit.ly/FinalReportEvoLink

6. PKM KC = https://bit.ly/PKMKCEvoLink

Link Drive : https://bit.ly/LuaranABADEvoLink

Link File :

1. LEC PPT Final Presentation https://bit.ly/PPTFinalPresentationABADLEC

2. Hi-Fi Prototype

https://bit.ly/Hi-FiPrototypeEvoLink

3. Poster

https://bit.ly/PosterEvoLink

4. Interview Video https://bit.ly/InterviewVideoEvoLink

5. Final Report LEC = https://bit.ly/FinalReportEvoLink

6. PKM KC

https://bit.ly/PKMKCEvoLink

https://drive.google.com/drive/folders/1eYt7SuYe04gACaUJIMYWgRwx4PXJvJCa?usp=sharing

Link PKMKC :

https://docs.google.com/document/d/1KWKCL0ae5qY_saI2tWpPyUVKh2sutuA9/edit?usp=sharing&ouid=112292873881629344729&rtpof=true&sd=true

• Description

• Advantages

• Disadvantages

Description :

Kelompok kami memilih TestSigma karena TestSigma adalah AI Testing Tools yang mudah digunakan dan cocok untuk proyek skala kecil dengan anggaran terbatas seperti proyek EvoLink. Tanpa memerlukan kemampuan pemrograman, Testsigma memungkinkan pengujian dilakukan dengan bahasa yang sederhana dan dapat diakses melalui cloud, sehingga mengurangi biaya infrastruktur. Alat ini juga memiliki fitur yang dapat memperbaiki tes otomatis saat ada perubahan kecil, sehingga meminimalkan upaya pemeliharaan. Versi gratisnya mendukung pengujian lintas platform, menjadikannya pilihan tepat untuk tim yang ingin fokus pada pengembangan aplikasi tanpa terganggu oleh proses pengujian yang rumit.

Kelebihan :

• Efektif secara biaya: Testsigma menawarkan versi gratis untuk proyek kecil, yang sangat cocok bagi mahasiswa atau tim kecil dengan anggaran terbatas.

• Tidak memerlukan pemrograman: Testsigma memungkinkan pembuatan tes otomatis dengan bahasa sederhana, sehingga memudahkan tim yang tidak memiliki pengalaman pemrograman lanjutan atau ingin mempercepat proses pembuatan tes.

• Berbasis cloud: Tidak perlu menyiapkan infrastruktur untuk pengujian. Tes dapat dijalankan langsung di cloud, mengurangi kerumitan dan biaya pemeliharaan lingkungan pengujian.

• Dukungan lintas platform: Meskipun proyek berskala kecil, Testsigma mendukung pengujian web, mobile, dan API, memberikan fleksibilitas jika proyek ingin diperluas di masa depan.

Kekurangan :

• Kustomisasi terbatas untuk pengguna tingkat lanjut: Meskipun kesederhanaannya adalah kelebihan bagi pemula, pengguna tingkat lanjut mungkin merasa opsi kustomisasi terbatas dibandingkan alat yang lebih kompleks.

• Tergantung pada akses internet: Karena berbasis cloud, Anda membutuhkan koneksi internet yang stabil untuk menggunakan alat ini dengan efektif.

• Biaya di skala besar: Seiring berkembangnya proyek atau kebutuhan fitur yang lebih canggih, versi gratis mungkin tidak lagi cukup, dan biaya dapat menjadi faktor untuk proyek jangka panjang yang terus berkembang.

Description

Testsigma is a testing tools that integrates AI within its core process. This allows TestSigma to perform test faster and smarter with GenAI, conduct functional Testing without any complexity, test on multiple platforms easily, Create consistent and precise visual experience and get feedback in realtime. TestSigma is suitable for web application testing, mobile apps testing, API testing, Desktop apps testing and Database testing.

Advantages

For the Tio Ciu 78 application, which focuses on restocking management, sales analysis, and predictive AI for restaurant operations, the best AI testing tool would be Testsigma. Here’s why:

Why Testsigma is the Best Choice for Tio Ciu 78

1. Focus on Multi-Platform Testing

Tio Ciu 78 is designed as a mobile application that integrates various functionalities such as AI-driven predictions, sales analysis, and vendor management.

2. AI-Powered Auto-Healing

The dynamic nature of Tio Ciu 78, with predictive AI and constantly evolving data, makes it prone to frequent updates.

3. Integration with CI/CD

Since Tio Ciu 78 will likely rely on continuous development and integration to stay relevant in a competitive market, Testsigma offers robust CI/CD integration.

4. Ease of Use for Non-Technical Teams

Testsigma’s low-code/no-code capabilities allow non-technical team members to participate in creating and running tests, making it a collaborative and accessible tool.

5. Scalability for AI Features

Given the AI-driven predictive models in Tio Ciu 78, Testsigma can validate both the backend (AI models and database interactions) and the frontend (UI/UX for prediction displays).

Disadvantages

Testsigma is a powerful and versatile AI-driven testing tool, it does have some disadvantages that could impact its suitability for certain use cases. Here are the key disadvantages:

Disadvantages of Testsigma

1. Cloud Dependency

• Impact for Tio Ciu 78: If the application needs offline testing or must comply with specific data privacy laws, this could be a limitation.

2. Limited Customization for Complex Scenarios

• Impact for Tio Ciu 78: If Tio Ciu 78 integrates highly sophisticated AI models requiring detailed backend testing scripts, Testsigma might not be flexible enough.

3. Resource Usage Costs

• Impact for Tio Ciu 78: If the app scales to support a large number of users or complex features, the pricing might become a concern.

4. Steeper Learning Curve for Advanced Features

• Impact for Tio Ciu 78: Non-technical members might need additional training to fully utilize the tool’s capabilities.

5. Performance Testing Limitations

• Impact for Tio Ciu 78: If the app requires rigorous performance testing to ensure reliability under heavy loads, another tool might be needed alongside Testsigma.

6. Limited Offline Support

• Impact for Tio Ciu 78: If testing needs to be performed in environments without consistent internet access, this could be a drawback.

MABL adalah alat pengujian otomatis berbasis AI untuk aplikasi web. Fitur utamanya mencakup pengujian tanpa kode, integrasi CI/CD, pengujian multi-browser, dan analitik berbasis AI untuk mendeteksi bug dan meningkatkan kualitas aplikasi.

Kelebihan:

1. Mudah Digunakan: Tidak memerlukan coding.

2. Efisiensi Waktu: Cepat dalam pengembangan dan eksekusi pengujian.

3. Integrasi CI/CD: Mendukung pipeline DevOps modern.

4. AI-Driven: Skrip pengujian otomatis menyesuaikan dengan perubahan aplikasi.

5. Pengujian Visual & Multi-Browser: Memastikan kompatibilitas UI di berbagai browser.

   
   

Kekurangan:

1. Biaya Tinggi: Model langganan mungkin mahal untuk tim kecil.

2. Terbatas pada Aplikasi Web: Tidak cocok untuk aplikasi desktop atau mobile.

3. Ketergantungan pada Cloud: Memerlukan koneksi internet stabil.

4. Kurva Belajar: Fitur lanjutan memerlukan waktu untuk dipahami.

Keuntungan menggunakan saucelabs:

• Comperhensive device coverage: saucelab memungkinkan untuk memlakukan testing di berbagai device.

• Cross browser and platform testing: memungkinkqn untuk melakukan testing aplikasi melalui web maupun aplikasi, memastikan kompabilitas dan user experience yg baik

• Cloud based testing: dengan menggunakan cloud based, saucelabs tidak memerlukan maintenance atau membuat environment khusus untuk melakukan testing.

MABL adalah sebuah AI Testing Tools yang dapat digunakan untuk membantu aplikasi web secara otomatis dengan dibantu oleh AI. Tools ini akan memeriksa apakah aplikasi dapat berjalan dengan baik tanpa harus dicek secara manual.

Kelebihan dari MABL:

1. Dapat diintegrasikan dengan tools project management seperti Jira, Teams, Slack, dan lainnya.

2. MABL bisa mengetes aplikasi di Chrome, Firefox, Edge, dan lainnya, memastikan semuanya berjalan di semua browser.

3. Jika ada yang salah, MABL memberikan laporan lengkap, termasuk rekomendasi perbaikan.

4. Cocok untuk tim yang bekerja cepat, seperti dalam metode Agile, karena tesnya cepat dan otomatis.

Kekurangan MABL:

1. Kalau aplikasi bukan berbasis web, MABL mungkin kurang cocok.

2. MABL adalah alat premium, jadi mungkin agak mahal untuk perusahaan kecil.

3. Kalau aplikasinya rumit, pengujian otomatis mungkin butuh waktu lebih banyak untuk disesuaikan.

4. Kalau desain aplikasi sering berubah, Anda harus merekam ulang tes.

Testsigma adalah platform pengujian otomatis berbasis cloud yang dirancang untuk menyederhanakan proses pengujian perangkat lunak. Dengan pendekatan yang ramah pengguna dan berbasis Natural Language Processing (NLP), Testsigma memungkinkan pengguna membuat, menjalankan, dan mengelola pengujian tanpa memerlukan pengetahuan coding yang mendalam.

• Advantages 

• Mudah digunakan, cocok untuk pemula (pakai bahasa alami).

• Bisa diuji di berbagai platform (web, mobile, API).

• Berbasis cloud, tidak perlu instalasi lokal.

• Ada laporan real-time untuk hasil pengujian.

• Bisa integrasi dengan alat lain (Jenkins, Jira).

• Disadvantages  

• Butuh internet, tidak bisa offline.

• Biaya berlangganan lebih mahal dibanding alat gratis.

• Fitur lanjutan perlu waktu untuk dipelajari.

• Pengujian sangat kompleks bisa terasa lambat.

Descrption

MABL merupakan platform pengujian otomatis berbasis cloud yang memanfaatkan Artificial Intelligence untuk menguji aplikasi secara end-to-end, dan dirancang untuk mengidentifikasi masalah fungsional, performa, dan pengalaman pengguna pada aplikasi web atau mobile. MABL memiliki kemampuan integrasi yang baik dengan pipeline CI/CD, sehingga sangat cocok untuk pengembangan aplikasi yang berfokus pada perubahan cepat dan berkelanjutan.

Advantages

1. End-to-End Testing yang Otomatis

• MABL mengotomatisasi seluruh perjalanan pengguna, dari login, pencarian obat, hingga memproses pesanan.

• Cocok untuk ApoTakeCare karena memiliki banyak fitur kompleks seperti OCR, manajemen inventaris, dan pemesanan obat online.

2. AI-Powered Testing

• Mendeteksi perubahan UI otomatis memastikan aplikasi tetap responsif dan ramah pengguna meskipun ada pembaruan desain atau fitur.

• AI juga membantu mendeteksi bug yang tidak terlihat dengan pengujian manual.

3. Integrasi CI/CD

• MABL sangat mendukung pengembangan berkelanjutan dengan integrasi ke alat seperti Jenkins, GitHub, dan Bitbucket.

• Mempercepat pengujian dan penerapan fitur baru pada ApoTakeCare.

4. Pengujian Lintas Platform dan Perangkat

• ApoTakeCare perlu berjalan di berbagai perangkat (mobile dan web), dan MABL memastikan kompatibilitas di berbagai browser dan resolusi layar.

5. Reporting dan Analitik yang Kuat

• Memberikan laporan mendetail tentang bug, performa aplikasi, dan wawasan UI/UX untuk meningkatkan pengalaman pengguna.

Disadvantages

1. Biaya yang Tinggi

• MABL memiliki biaya langganan yang relatif mahal dibandingkan dengan alat pengujian lainnya karena berbasis cloud dan menggunakan teknologi AI.

• Adanya kemungkinan dapat memberatkan jika anggaran proyek ApoTakeCare terbatas.

2. Kurva Pembelajaran

• Pemahaman tentang cara kerja AI dan pengaturan tes otomatis memerlukan waktu untuk dipelajari.

3. Ketergantungan pada Koneksi Internet

• MABL memerlukan koneksi internet yang stabil untuk pengujian karena MABL merupakan alat yang berbasis cloud.

Testsigma adalah platform pengujian otomatis berbasis cloud yang menggunakan AI untuk mempermudah pengujian aplikasi web, mobile, dan API. Alat ini memungkinkan pengguna untuk menulis skrip pengujian dengan bahasa natural (natural language) sehingga cocok untuk pengembang, penguji, maupun pemula tanpa latar belakang teknis yang mendalam. Testsigma mendukung pengujian secara end-to-end, integrasi dengan pipeline CI/CD, dan skalabilitas untuk memenuhi kebutuhan pengujian aplikasi modern seperti SixStreet, yang menggunakan AI dan AR untuk memberikan pengalaman pengguna yang interaktif.

Kelebihan Testsigma:

Penulisan Skrip Pengujian dengan Bahasa Natural:

Testsigma memungkinkan pengujian otomatis tanpa harus memahami coding secara mendalam, menjadikannya mudah digunakan oleh pemula atau tim non-teknis.

Integrasi CI/CD yang Kuat:

Mendukung pipeline DevOps dengan alat seperti Jenkins, GitHub Actions, dan lainnya untuk pengujian yang berkelanjutan.

Dukungan untuk Multi-Platform:

Bisa digunakan untuk menguji aplikasi web, mobile (Android dan iOS), dan API secara bersamaan.

Berbasis Cloud:

Tidak memerlukan infrastruktur fisik, sehingga pengujian dapat dilakukan kapan saja dan di mana saja.

Analitik Berbasis AI:

Testsigma membantu mengidentifikasi masalah dalam pengujian dan memberikan wawasan berbasis AI untuk perbaikan yang lebih cepat.

Skalabilitas yang Tinggi:

Cocok untuk proyek kecil maupun besar, dengan kemampuan untuk menjalankan ratusan tes secara paralel.

Pelaporan yang Komprehensif:

Menyediakan laporan real-time yang mudah dipahami untuk membantu tim menganalisis hasil pengujian.

Kekurangan Testsigma

Biaya Berlangganan:

Testsigma berbasis langganan, dan biaya layanan berbasis cloud bisa menjadi kendala untuk tim dengan anggaran terbatas.

Ketergantungan pada Koneksi Internet:

Sebagai alat berbasis cloud, Testsigma memerlukan koneksi internet yang stabil untuk bekerja secara optimal.

Fokus pada Pengujian Otomatis:

Testsigma kurang mendukung pengujian manual, sehingga mungkin memerlukan alat tambahan untuk kebutuhan pengujian yang tidak terotomasi.

Adaptasi dan Kurva Pembelajaran Awal:

Tim yang terbiasa dengan alat pengujian berbasis coding mungkin memerlukan waktu untuk beradaptasi dengan pendekatan bahasa natural.