Hasil Pencarian  ::  Simpan CSV :: Kembali

"Perkembangan teknologi pada bidang kesehatan di Indonesia telah menghadirkan layanan konsultasi dengan dokter melalui forum tanya jawab kesehatan. Seiring dengan berjalannya waktu, muncul permasalahan pertanyaan duplikat pada forum. Permasalahan ini perlu ditangani agar dapat mempercepat proses pengembalian jawaban untuk keluhan yang serupa dan menjaga jumlah pertanyaan agar tetap scalable dengan kapasitas dokter penjawab. Namun, pertanyaan duplikat merupakan suatu tantangan tersendiri karena kompleksitas bahasa natural. Penelitian ini memanfaatkan pendekatan Information Retrieval untuk mengidentifikasi pasangan pertanyaan duplikat pada domain ini sebagai suatu pasangan query dan dokumen yang relevan. Setelah melakukan ranking awal menggunakan BM25 sebagai model baseline, performa hasil ranking ditingkatkan melalui proses re-ranking menggunakan model learning-to-rank LambdaMART yang berbasis fitur. Penelitian ini memanfaatkan fitur perhitungan jarak dan similaritas antara pasangan vektor representasi query dan dokumen, yang diperoleh dari model word embeddings dan transformer. Selain itu, diusulkan fitur scoring yang diperoleh dari model Cross Encoder, serta model BM25 yang menjadi model baseline. Penelitian ini juga mengusulkan fitur-fitur yang mempertimbangkan jumlah keywords gagasan utama query yang dikandung dokumen. Evaluasi eksperimen dilakukan menggunakan cross validation dan error analysis, dengan MRR sebagai metrik utama. Performa tertinggi yang dicapai eksperimen adalah MRR senilai 0,951 dengan p value senilai 0,016 yang signifikan terhadap baseline. Dengan demikian, penelitian ini menunjukkan dukungan empiris terhadap peningkatan efektivitas model re-ranking yang diusulkan untuk melakukan identifikasi otomatis terhadap karakteristik query dan dokumen yang relevan, yakni pasangan pertanyaan duplikat dalam konteks ini.

---

The development of technology in the healthcare sector in Indonesia has introduced consultation services with doctors through consumer health forums. Over time, the issue of duplicate questions on these forums emerged. This problem needs to be addressed to accelerate the response process for similar questions and to keep the number of questions scalable with the capacity of the responding doctors. However, duplicate questions present their own challenge due to the complexity of natural language. This study utilizes Information Retrieval approach to identify pairs of duplicate questions in this domain as query and relevant document pairs. After initial ranking using BM25 as the baseline model, the ranking performance is improved through a re-ranking process using the feature-based LambdaMART model. This study leverages features that calculate the distance and similarity between vector representations of the query and document, obtained from word embedding and transformer models. Additionally, scoring features derived from the Cross Encoder model and the BM25 baseline model are proposed. The study also suggests features that consider the number of main idea keywords from the query that is also contained within the document. Experiment evaluation is conducted using cross validation and error analysis, with Mean Reciprocal Rank (MRR) as the primary metric. The highest performance achieved in the experiments is an MRR of 0.951 with a p-value of 0.016, which is significant to the baseline. Thus, this study provides empirical support for the effectiveness of the proposed re-ranking model for automatic identification of the query and relevant document, specifically duplicate question pairs in this context."

"Seiring dengan majunya teknologi di Indonesia, banyak layanan kesehatan online yang bermunculan. Pengguna bisa bertanya langsung pada tenaga medis profesional tiap mereka memiliki masalah kesehatan ringan yang tidak membutuhkan janji temu langsung dengan dokter. Sebagai pengguna, tentunya mereka mengharapkan respon yang cepat dari situs yang mereka gunakan, hal ini kedengarannya mustahil dilakukan karena tidak semua tenaga medis profesional yang bekerja pada layanan medis tersebut ada setiap saat memantau semua pertanyaan yang masuk. Namun, hal ini bisa dilakukan dengan cara mencocokan pertanyaan yang baru dimasukkan dan mencari pertanyaan yang sudah pernah ditanyakan di masa lalu yang memiliki persamaan dengan pertanyaan yang baru dimasukkan. Secara singkat, kita bisa mencari duplikat dari pertanyaan yang ditanyakan oleh pengguna dan mengembalikan jawaban dari pertanyaan duplikat tersebut daripada menunggu jawaban langsung dari dokter. Penelitian ini akan menggunakan pendekatan temu balik informasi dalam mendeteksi pertanyaan duplikat yang pernah ditanyakan di masa lalu. Selain itu, penelitian ini juga akan mengkombinasikan ekspansi kata yang dilakukan kepada kueri, dokumen, serta filter kata-kata stopword untuk meningkatkan skor reciprocal-rank dan recall dari model yang digunakan. Hasil penelitian ini menyimpulkan bahwa ekspansi kata yang dilakukan pada kueri serta dokumen tidak menghasilkan skor reciprocal rank dan recall yang lebih baik. Penggunaan word embedding untuk memperbanyak kata stopword yang dihapus dari data mampu menghasilkan skor reciprocal rank yang lebih tinggi meskipun nilainya belum signifikan.

---

With the advancement of technology and internet in Indonesia, many online healthcare services have emerged where users can directly consult with medical professionals if they have minor health issues that do not require an in-person appointment with a doctor. As users, they naturally expect quick responses from the sites they use. This seems impossible to do as not all medical professionals working who are working on these services are always available to monitor every incoming question. However, this can be achieved by matching newly submitted questions with previously asked questions that have similarities. In short, we can search for duplicates of the questions asked by users and return answers from those duplicate questions instead of waiting for a direct response from a doctor. This research will use an information retrieval approach to detect duplicate questions that have been asked in the past. Additionally, this study will combine query expansion, document expansion, and stopwords filtering to improve the reciprocal-rank and recall scores of the model used. This research concludes that query and document expansion do not yield better reciprocal rank and recall scores. On the other hand, using

"Sistem perolehan pertanyaan serupa diimplementasikan pada banyak situs tanya jawab, khususnya pada forum tanya jawab kesehatan. Implementasi dari sistem pencarian pertanyaan serupa dapat beragam seperti text based retriever dan neural ranker. Permasalahan utama dari neural ranker adalah kurangnya penelitian dalam bahasa indonesia untuk modelnya, khususnya untuk yang menggunakan BERT sebagai model untuk deteksi pertanyaan serupa. Pada penelitian ini akan dicari tahu sejauh apa neural re-ranker BERT dapat memperbaiki kualitas ranking dari text-based retriever jika diterapkan fine-tuning pada model. Model yang digunakan oleh penelitian berupa BERT dan test collection yang digunakan merupakan dataset forum kesehatan yang disusun oleh Nurhayati (2019). Untuk mengetahui sejauh mana model berbasis BERT dapat berguna untuk re-ranking, eksperimen dilakukan pada model pre-trained multilingualBERT, indoBERT, stevenWH, dan distilBERT untuk melihat model yang terbaik untuk di-fine-tune. Penelitian juga mengusulkan dua metode fine-tuning yakni attention mask filter dengan IDF dan freezed layer dengan melakukan freezing pada beberapa layer di dalam BERT. Model dan metode ini kemudian diuji pada beberapa skenario yang telah ditentukan. Hasil dari eksperimen menunjukkan bahwa re-ranker dapat meningkatkan kualitas text based retriever bila di-fine-tune dengan metode dan skenario tertentu.

"Kebutuhan akan informasi yang cepat dan valid semakin mendesak di tengah arus in- formasi yang cepat. Kemajuan teknologi memberikan dampak signi kan terhadap in- dustri jurnalisme untuk mengakomodasi kebutuhan informasi tersebut. Proses produksi berita, yang tradisionalnya memakan waktu, terus dihadapkan pada tuntutan untuk meng- hasilkan informasi dengan cepat dan akurat. Penelitian ini merespon tantangan terse- but dengan melakukan pengembangan model generatif yang dapat melakukan pembuatan berita secara otomatis. Dalam pengembangan model generatif, penulis melakukan bebe- rapa skenario percobaan untuk menguji pengaruh ukuran jumlah parameter, jenis prompt- ing, dan penggunaan delimiter pada prompt yang digunakan terhadap kualitas model yang dihasilkan. Percobaan dilakukan dengan melakukan ne tuning pada dua buah large language model yang memiliki arsitektur berbeda, yaitu Falcon dan BLOOM. Pengem- bangan large language model selanjutnya dilakukan proses evaluasi dengan menggunakan metrik measurement BLEU, ROUGE, perplexity, dan human evaluation kepada wartawan terhadap berita yang dihasilkan. Hasil yang penulis dapatkan menunjukkan bahwa terda- pat beberapa aspek yang memengaruhi kualitas berita yang dihasilkan oleh model dalam proses ne tuning. Beberapa aspek tersebut di antaranya adalah ukuran jumlah parameter, jenis prompting, dan penggunaan delimiter pada prompt yang digunakan. Model terbaik yang didapatkan dari keseluruhan model percobaan adalah BLOOM dengan jumlah pa- rameter 7B yang mendapatkan hasil evaluasi ROUGE-1 sebesar 0,3856 dan perplexity sebesar 5,79809. Model ini juga dapat menghasilkan berita yang sesuai dengan kebu- tuhan wartawan dalam proses human evaluation, baik dari kesesuaian dengan kaidah ke- bahasaan dan penulisan berita maupun ketepatan berita dengan fakta sebenarnya. Model ini mendapatkan penilaian sebesar 4,25 dari 5,00 untuk kesesuaian dengan kaidah keba- hasaan dan 4,27 dari 5,00 untuk ketepatan dengan fakta sebenarnya.

---

The escalating need for swift and accurate information in today's dynamic information landscape poses a significant challenge. Technological advancements have profoundly impacted the journalism industry, necessitating adaptations to fulfill evolving information requirements. The traditional, time-consuming news production process is under constant pressure to deliver information swiftly and accurately. This research tackles these challenges by developing a generative model capable of automating news creation. The author explores various experimental scenarios in the generative model development, investigating the influence of parameters' quantity, prompting techniques, and the use of delimiters in prompts on the resulting model's quality. The experiments involve fine-tuning two large language models with different architectures, Falcon and BLOOM. The subsequent evaluation process utilizes metrics such as BLEU, ROUGE, perplexity, and human evaluation by journalists to assess the quality of the generated news. The findings underscore that several factors, including parameter quantity, prompting techniques, and delimiter use, impact the news model's quality during the fine-tuning process. Significantly, among the experimented models, the BLOOM model with 7B parameters emerges as the overall best performer. This model achieves a ROUGE-1 evaluation of 0.38656 and a perplexity of 5.79809. In human evaluation, the BLOOM model excels in linguistic adherence and factual accuracy, receiving ratings of 4,25 out of 5.00 and 4,27 out of 5.00, respectively."

"Penelitian ini mengeksplorasi efektivitas penggunaan neural rerankers yang telah dilatih sebelumnya dalam meningkatkan kinerja model berbasis text matching seperti BM25 untuk digunakan dalam deteksi pertanyaan duplikat pada consumer health forum. Studi ini juga meneliti metode agregasi hasil reranking dari berbagai neural rerankers untuk menghasilkan performa yang lebih baik dibandingkan penggunaan reranker individual. Metode reranking pertama menggunakan BM25, diikuti oleh reranking kedua menggunakan model neural seperti cross-encoder/ms-marco-MiniLM-L-12-v2, paraphrase-MiniLM-L6-v2, dan lainnya. Tahap ketiga melibatkan teknik rank fusion seperti Borda Fuse, Condorcet, dan Weighted Combsum. Hasil menunjukkan bahwa kombinasi reranking dengan neural reranker secara signi kan meningkatkan efektivitas model BM25, terutama saat menggunakan teknik rank fusion yang lebih canggih seperti Weighted Combsum. Studi ini menyarankan bahwa agregasi hasil reranking dapat mengatasi kelemahan individual reranker dan memberikan hasil yang lebih konsisten dan efektif. Penelitian ini membuka jalan untuk eksplorasi lebih lanjut dalam optimisasi kombinasi model untuk pencarian informasi yang lebih akurat dan e sien.

---

This study explores the effectiveness of using pre-trained neural rerankers in improving the performance of text matching based models such as BM25 for use in duplicate question detection in textitconsumer health forum. This study also examines the method of aggregating reranking results from various neural rerankers to produce better performance than using individual rerankers. The rst reranking method used BM25, followed by the second reranking using neural models such as cross-encoder/ms-marco-MiniLM-L-12-v2, paraphrase-MiniLM-L6-v2, and others. The third stage involves rank fusion techniques such as BordaFUSE, Condorcet, and Weighted COMBSUM. Results show that the combination of reranking with neural rerankers signi cantly improves the effectiveness of the BM25 model, especially when using more advanced rank fusion techniques such as Weighted COMBSUM. This study suggests that aggregation of reranking results can overcome the weaknesses of individual rerankers and provide more consistent and effective results. This research paves the way for further exploration in model combination optimization for more accurate and ef cient information retrieval."

"McDelivery Indonesia merupakan aplikasi layanan pesan-antar yang dimiliki oleh McDonald’s. Aplikasi McDelivery Indonesia memungkinkan pengguna untuk memesan menu yang diinginkan dan menerima pesanan dari outlet McDonald’s terdekat ke alamat tujuan. Namun, masih terdapat banyak keluhan pengguna yang berkaitan dengan tampilan maupun alur dari fitur-fitur yang tersedia. Oleh karena itu, diperlukan evaluasi usability untuk menemukan masalah yang dirasakan pengguna, sehingga dapat merancang solusi berupa perancangan ulang desain antarmuka yang dapat meningkatkan pengalaman pengguna. Penelitian ini menggunakan serangkaian metode evaluasi usability kepada lima expert dan 11 pengguna. Metode yang digunakan adalah heuristic evaluation dan competitive usability evaluation untuk expert, serta user interview, Usability Testing (UT), think aloud, first-click testing, dan System Usability Scale (SUS) untuk pengguna. Setelah dilakukan evaluasi, ditemukan 335 masalah usability dan dihasilkan 88 solusi desain. Solusi desain ini dievaluasi kembali menggunakan UT dan SUS. Secara keseluruhan, terjadi peningkatan pada hasil evaluasi setelah dilakukan perancangan ulang. Pada UT, terdapat peningkatan success rate pengguna saat melakukan tasks pada aplikasi, yaitu dari 95.96% menjadi 98.35%. Pada SUS, terjadi peningkatan nilai dari 54.2 menjadi 82.6. Hasil ini menunjukkan bahwa perancangan solusi desain mendapatkan respon yang positif dari pengguna. Implikasi teoritis dari penelitian ini yaitu untuk menambah wawasan baru terkait evaluasi usability dengan menggunakan pendekatan stage-based serta kombinasi metode heuristic evaluation, competitive usability evaluation, user interview, think aloud, first click testing, System Usability Scale (SUS), dan task analysis. Sementara itu, implikasi praktis dari penelitian ini adalah untuk mengetahui masalah usability pada aplikasi McDelivery Indonesia.

---

McDelivery Indonesia is a food delivery application owned by McDonald’s. This application provides service for the users to order their preferred menus and receive the order sent from the nearest McDonald’s outlet to the receiver’s address. However, the application still receives many complaints from users about interface and flow of its features. Therefore, it is necessary to do usability evaluation to discover user problems and provide a solution in form of user interface redesign that can improve user’s experience. This study used a series of usability evaluation methods for five experts and 11 users. The methods used are heuristic evaluation and competitive usability evaluation for experts, as well as user interviews, Usability Testing (UT), think aloud, first-click testing, and the System Usability Scale (SUS) for users. After doing the evaluation, 335 usability problems were found and 88 design solutions were produced. The design solutions were then re-evaluated using UT & SUS. Overall, there was an increase in the evaluation results after the redesign. At UT, there was an increase in the user’s success rate when carrying out tasks in the application, from 95.96% to 98.35%. In SUS, there was an increase in scores from 54.2 to 82.6. These numbers indicate that the results of the design solution get a positive response from the users. The theoretical implication of this study is to add new insights regarding usability evaluation using a stage-based approach and a combination methods of heuristic evaluation, competitive usability evaluation, user interviews, think aloud, first click testing, the System Usability Scale (SUS), and task analysis. Meanwhile, the practical implication of this study is to find usability problems in the McDelivery Indonesia application."

"McDelivery Indonesia merupakan aplikasi layanan pesan-antar yang dimiliki oleh McDonald’s. Aplikasi McDelivery Indonesia memungkinkan pengguna untuk memesan menu yang diinginkan dan menerima pesanan dari outlet McDonald’s terdekat ke alamat tujuan. Namun, masih terdapat banyak keluhan pengguna yang berkaitan dengan tampilan maupun alur dari fitur-fitur yang tersedia. Oleh karena itu, diperlukan evaluasi usability untuk menemukan masalah yang dirasakan pengguna, sehingga dapat merancang solusi berupa perancangan ulang desain antarmuka yang dapat meningkatkan pengalaman pengguna. Penelitian ini menggunakan serangkaian metode evaluasi usability kepada lima expert dan 11 pengguna. Metode yang digunakan adalah heuristic evaluation dan competitive usability evaluation untuk expert, serta user interview, Usability Testing (UT), think aloud, first-click testing, dan System Usability Scale (SUS) untuk pengguna. Setelah dilakukan evaluasi, ditemukan 335 masalah usability dan dihasilkan 88 solusi desain. Solusi desain ini dievaluasi kembali menggunakan UT dan SUS. Secara keseluruhan, terjadi peningkatan pada hasil evaluasi setelah dilakukan perancangan ulang. Pada UT, terdapat peningkatan success rate pengguna saat melakukan tasks pada aplikasi, yaitu dari 95.96% menjadi 98.35%. Pada SUS, terjadi peningkatan nilai dari 54.2 menjadi 82.6. Hasil ini menunjukkan bahwa perancangan solusi desain mendapatkan respon yang positif dari pengguna. Implikasi teoritis dari penelitian ini yaitu untuk menambah wawasan baru terkait evaluasi usability dengan menggunakan pendekatan stage-based serta kombinasi metode heuristic evaluation, competitive usability evaluation, user interview, think aloud, first click testing, System Usability Scale (SUS), dan task analysis. Sementara itu, implikasi praktis dari penelitian ini adalah untuk mengetahui masalah usability pada aplikasi McDelivery Indonesia.

---

McDelivery Indonesia is a food delivery application owned by McDonald’s. This application provides service for the users to order their preferred menus and receive the order sent from the nearest McDonald’s outlet to the receiver’s address. However, the application still receives many complaints from users about interface and flow of its features. Therefore, it is necessary to do usability evaluation to discover user problems and provide a solution in form of user interface redesign that can improve user’s experience. This study used a series of usability evaluation methods for five experts and 11 users. The methods used are heuristic evaluation and competitive usability evaluation for experts, as well as user interviews, Usability Testing (UT), think aloud, first-click testing, and the System Usability Scale (SUS) for users. After doing the evaluation, 335 usability problems were found and 88 design solutions were produced. The design solutions were then re-evaluated using UT & SUS. Overall, there was an increase in the evaluation results after the redesign. At UT, there was an increase in the user’s success rate when carrying out tasks in the application, from 95.96% to 98.35%. In SUS, there was an increase in scores from 54.2 to 82.6. These numbers indicate that the results of the design solution get a positive response from the users. The theoretical implication of this study is to add new insights regarding usability evaluation using a stage-based approach and a combination methods of heuristic evaluation, competitive usability evaluation, user interviews, think aloud, first click testing, the System Usability Scale (SUS), and task analysis. Meanwhile, the practical implication of this study is to find usability problems in the McDelivery Indonesia application."

"McDelivery Indonesia merupakan aplikasi layanan pesan-antar yang dimiliki oleh McDonald’s. Aplikasi McDelivery Indonesia memungkinkan pengguna untuk memesan menu yang diinginkan dan menerima pesanan dari outlet McDonald’s terdekat ke alamat tujuan. Namun, masih terdapat banyak keluhan pengguna yang berkaitan dengan tampilan maupun alur dari fitur-fitur yang tersedia. Oleh karena itu, diperlukan evaluasi usability untuk menemukan masalah yang dirasakan pengguna, sehingga dapat merancang solusi berupa perancangan ulang desain antarmuka yang dapat meningkatkan pengalaman pengguna. Penelitian ini menggunakan serangkaian metode evaluasi usability kepada lima expert dan 11 pengguna. Metode yang digunakan adalah heuristic evaluation dan competitive usability evaluation untuk expert, serta user interview, Usability Testing (UT), think aloud, first-click testing, dan System Usability Scale (SUS) untuk pengguna. Setelah dilakukan evaluasi, ditemukan 335 masalah usability dan dihasilkan 88 solusi desain. Solusi desain ini dievaluasi kembali menggunakan UT dan SUS. Secara keseluruhan, terjadi peningkatan pada hasil evaluasi setelah dilakukan perancangan ulang. Pada UT, terdapat peningkatan success rate pengguna saat melakukan tasks pada aplikasi, yaitu dari 95.96% menjadi 98.35%. Pada SUS, terjadi peningkatan nilai dari 54.2 menjadi 82.6. Hasil ini menunjukkan bahwa perancangan solusi desain mendapatkan respon yang positif dari pengguna. Implikasi teoritis dari penelitian ini yaitu untuk menambah wawasan baru terkait evaluasi usability dengan menggunakan pendekatan stage-based serta kombinasi metode heuristic evaluation, competitive usability evaluation, user interview, think aloud, first click testing, System Usability Scale (SUS), dan task analysis. Sementara itu, implikasi praktis dari penelitian ini adalah untuk mengetahui masalah usability pada aplikasi McDelivery Indonesia.

---

McDelivery Indonesia is a food delivery application owned by McDonald’s. This application provides service for the users to order their preferred menus and receive the order sent from the nearest McDonald’s outlet to the receiver’s address. However, the application still receives many complaints from users about interface and flow of its features. Therefore, it is necessary to do usability evaluation to discover user problems and provide a solution in form of user interface redesign that can improve user’s experience. This study used a series of usability evaluation methods for five experts and 11 users. The methods used are heuristic evaluation and competitive usability evaluation for experts, as well as user interviews, Usability Testing (UT), think aloud, first-click testing, and the System Usability Scale (SUS) for users. After doing the evaluation, 335 usability problems were found and 88 design solutions were produced. The design solutions were then re-evaluated using UT & SUS. Overall, there was an increase in the evaluation results after the redesign. At UT, there was an increase in the user’s success rate when carrying out tasks in the application, from 95.96% to 98.35%. In SUS, there was an increase in scores from 54.2 to 82.6. These numbers indicate that the results of the design solution get a positive response from the users. The theoretical implication of this study is to add new insights regarding usability evaluation using a stage-based approach and a combination methods of heuristic evaluation, competitive usability evaluation, user interviews, think aloud, first click testing, the System Usability Scale (SUS), and task analysis. Meanwhile, the practical implication of this study is to find usability problems in the McDelivery Indonesia application."

"Online property rental marketplace merupakan suatu platform yang mendukung kemudahan bagi individu atau kelompok, yang disebut 'penyewa', untuk melakukan penyewaan properti secara online. Salah satu online property rental marketplace yang digunakan oleh masyarakat Indonesia adalah Travelio. Travelio merupakan sebuah platform digital berbentuk web application dan mobile application yang menyediakan layanan penyewaan properti tempat tinggal. Namun dari evaluasi singkat yang dilakukan, terdapat kekurangan dalam aspek usability dari mobile application fitur peneywaan properti aplikasi Travelio. Tiga persen dari total ulasan pada setiap platform Google Play dan App Store adalah permasalahan usability yang dikeluhkan pengguna mencerminkan masalah konsisten dan berulang yang dihadapi pengguna sehingga memberikan justifikasi yang kuat dengan melakukan penelitian terfokus untuk meningkatkan usability dan pengalaman pengguna. Penelitian tugas akhir ini didasari dengan pendekatan user-centered design untuk tahapan perancangan perbaikan desain. Rancangan solusi desain fitur penyewaan aplikasi Travelio dibuat dengan melakukan pemahaman dan identifikasi kebutuhan pengguna dengan menggunakan beberapa metode seperti wawancara, pembuatan persona, dan lain-lain. Metode yang digunakan pada tahapan evaluasi desain antarmuka dan usability yang digunakan oleh tim penulis meliputi usability testing, wawancara kontekstual, dan heuristic evaluation. Penelitian ini menghasilkan desain antarmuka alternatif fitur penyewaan properti aplikasi Travelio yang telah dievaluasi dan masuk ke dalam kategori lebih baik secara desain dan usability dari versi sebelumnya. Fitur penyewaan properti yang dirancang ulang antara lain fitur pencarian, detail properti, rincian unit, guest info, payment, dan post-booking. Tim penulis juga memberikan saran untuk calon peneliti selanjutnya dalam meneliti topik serupa.

---

Online property rental marketplaces are platforms that facilitate the ease for individuals or groups, referred to as 'renters', to rent properties online. One such marketplace used by the Indonesian population is Travelio. Travelio is a digital platform in the form of a web application and mobile application that provides residential property rental services. However, from a brief evaluation, there are shortcomings in the aspect of usability of the mobile application's property rental feature of Travelio. Three percent of the total reviews on each platform, Google Play and App Store, are usability issues complained about by users, reflecting consistent and recurring problems faced by them, thus providing a strong justification for focused research to improve usability and user experience. This final project research is based on a user-centered design approach for the design improvement planning stages. The design solution for the Travelio app's rental features was created by understanding and identifying user needs using several methods such as interviews, persona creation, and others. The methods used in the evaluation stages of the design interface and usability by the research team include usability testing, contextual interviews, and heuristic evaluation. This research resulted in an alternative design for the Travelio app's property rental feature interface, which has been evaluated and falls into a better category in terms of design and usability than the previous version. The redesigned property rental features include search functions, property details, unit details, guest info, payment, and post-booking. The research team also offers suggestions for future researchers to explore similar topics. "

"Online property rental marketplace merupakan suatu platform yang mendukung kemudahan bagi individu atau kelompok, yang disebut 'penyewa', untuk melakukan penyewaan properti secara online. Salah satu online property rental marketplace yang digunakan oleh masyarakat Indonesia adalah Travelio. Travelio merupakan sebuah platform digital berbentuk web application dan mobile application yang menyediakan layanan penyewaan properti tempat tinggal. Namun dari evaluasi singkat yang dilakukan, terdapat kekurangan dalam aspek usability dari mobile application fitur peneywaan properti aplikasi Travelio. Tiga persen dari total ulasan pada setiap platform Google Play dan App Store adalah permasalahan usability yang dikeluhkan pengguna mencerminkan masalah konsisten dan berulang yang dihadapi pengguna sehingga memberikan justifikasi yang kuat dengan melakukan penelitian terfokus untuk meningkatkan usability dan pengalaman pengguna. Penelitian tugas akhir ini didasari dengan pendekatan user-centered design untuk tahapan perancangan perbaikan desain. Rancangan solusi desain fitur penyewaan aplikasi Travelio dibuat dengan melakukan pemahaman dan identifikasi kebutuhan pengguna dengan menggunakan beberapa metode seperti wawancara, pembuatan persona, dan lain-lain. Metode yang digunakan pada tahapan evaluasi desain antarmuka dan usability yang digunakan oleh tim penulis meliputi usability testing, wawancara kontekstual, dan heuristic evaluation. Penelitian ini menghasilkan desain antarmuka alternatif fitur penyewaan properti aplikasi Travelio yang telah dievaluasi dan masuk ke dalam kategori lebih baik secara desain dan usability dari versi sebelumnya. Fitur penyewaan properti yang dirancang ulang antara lain fitur pencarian, detail properti, rincian unit, guest info, payment, dan post-booking. Tim penulis juga memberikan saran untuk calon peneliti selanjutnya dalam meneliti topik serupa.

---

Online property rental marketplaces are platforms that facilitate the ease for individuals or groups, referred to as 'renters', to rent properties online. One such marketplace used by the Indonesian population is Travelio. Travelio is a digital platform in the form of a web application and mobile application that provides residential property rental services. However, from a brief evaluation, there are shortcomings in the aspect of usability of the mobile application's property rental feature of Travelio. Three percent of the total reviews on each platform, Google Play and App Store, are usability issues complained about by users, reflecting consistent and recurring problems faced by them, thus providing a strong justification for focused research to improve usability and user experience. This final project research is based on a user-centered design approach for the design improvement planning stages. The design solution for the Travelio app's rental features was created by understanding and identifying user needs using several methods such as interviews, persona creation, and others. The methods used in the evaluation stages of the design interface and usability by the research team include usability testing, contextual interviews, and heuristic evaluation. This research resulted in an alternative design for the Travelio app's property rental feature interface, which has been evaluated and falls into a better category in terms of design and usability than the previous version. The redesigned property rental features include search functions, property details, unit details, guest info, payment, and post-booking. The research team also offers suggestions for future researchers to explore similar topics. "