Hasil Pencarian  ::  Simpan CSV :: Kembali

"Pengembangan aplikasi yang tidak dilengkapi dengan informasi detail mengenai aspek keamanan aplikasi menyebabkan pengguna mengalami kesulitan untuk menilai dan memahami risiko keamanan privasi yang mereka hadapi, sehingga banyak informasi sensitif yang terungkap tanpa sepengetahuan pengguna. Penelitian ini mengembangkan desain penilaian risiko privasi melalui pendekatan analisis statik dengan memanfaatkan permission dan beberapa atribut aplikasi (multiple application attributes), serta menggunakan majority voting ensemble learning dengan menerapkan teknik pemilihan fitur Random Forest Feature Importance untuk mendeteksi keamanan aplikasi. Nilai risiko diperoleh dari sebuah matriks risiko yang dibentuk dari dua aspek penilaian, yaitu frekuensi terjadinya risiko (likelihood) dan tingkat keparahannya (severity). Penilaian likelihood dilakukan dengan mengkombinasikan prediksi ensemble learning dan atribut aplikasi, sementara penilaian severity berdasarkan pada karakteristik dan jumlah permission. Untuk mengevaluasi model pembelajaran dan desain penilaian risiko privasi digunakan dataset CIC-AndMal2017 yang terdiri dari 2126 file APK. Jumlah data yang digunakan untuk membentuk model memiliki proporsi 80% data training dan 20% data testing, serta metode klasifikasi data yang digunakan adalah binary class (malicious dan benign). Penelitian ini menerapkan bahasa pemrograman Python dan menggunakan parameter default pada proses pembentukan model pembelajaran. Hasil percobaan menunjukkan bahwa model ensemble learning yang dibentuk dari algoritma Decision Tree, K-Nearest Neighbor, dan Random Forest memiliki performa model yang lebih baik dibandingkan single classification model, dengan accuracy sebesar 95.2%, precision 93.2%, dan F1-Score sebesar 92.4%. Penerapan teknik pemilihan fitur mampu meningkatkan efisiensi waktu selama pembelajaran model dengan total waktu sebesar 263 ms. Serta, hasil penilaian risiko mampu memberikan informasi yang komprehensif dan logis mengenai keamanan privasi aplikasi kepada pengguna. Hal ini menunjukkan bahwa desain penilaian risiko yang dibuat dapat menilai aplikasi secara efektif dan objektif.

---

Lack of detailed information about the application's security aspects leads to the user's inability to assess and understand the risk of privacy breaches and leads to the disclosure of a great deal of sensitive information without the user's knowledge. This study proposes a privacy risk assessment development through employing static analysis with permission and multiple application attributes and using majority voting ensemble learning with the Random Forest Feature Importance technique to detect app security. The risk score is obtained from a risk matrix based on two assessment aspects, namely the frequency of risk (likelihood) and its severity. The likelihood assessment is performed by combining ensemble learning predictions and information on multiple application attributes, while the severity assessment is performed by utilizing the number and characteristics of permissions. The dataset CIC-AndMal2017, which consists of 2126 APK files, was used to evaluate learning models and privacy risk assessment design. The amount of data used to build models consists of 80% data training and 20% data testing, while the data classification method used is binary class (malicious and benign). This study employs Python programming and implements default parameters in building a learning model. The experimental results show that ensemble learning model built from Decision Tree, K-Nearest Neighbor, and Random Forest algorithms provides better model performance than single classification models with accuracy of 95.2%, precision of 93.2%, and F1-Score of 92.4%. By applying feature selection technique, it could improve the efficiency of time used to learn the model with a total time of 263 milliseconds. Moreover, the results of the risk assessment provide comprehensive and rational information about the security of application privacy to users. This shows that the risk assessment design can assess the applications effectively and objectively. "

"Penelitian ini bertujuan untuk mendeteksi dan menganalisis malware pada aplikasi berbasis Android Application Package (APK) dan iOS Appstore Package (IPA) menggunakan MobSF. Penelitian ini mengadopsi metode hybrid, yang meng- gabungkan pendekatan statik dan dinamik, guna memberikan pandangan yang lebih menyeluruh tentang aspek keamanan aplikasi mobile. Pada pendekatan statik, MobSF menganalisis file aplikasi tanpa mengeksekusinya sehingga dapat mende- teksi potensi malware melalui pemeriksaan source code dan struktur file. Seba- liknya, pendekatan dinamik melibatkan eksekusi aplikasi di emulator untuk me- mantau perilaku runtime-nya, memungkinkan deteksi ancaman yang hanya muncul saat aplikasi dijalankan. Penelitian ini melibatkan pengujian terhadap berbagai je- nis aplikasi yang diunduh di luar platform resmi penyedia aplikasi, seperti Google Play Store dan AppStore, dengan fokus pada akurasi MobSF dalam mendeteksi malware. Penelitian ini menggunakan sampel file APK dan IPA dengan penya- maran yang digunakan oleh malware untuk mengelabui sistem deteksi keamanan. Hasil analisis akan dievaluasi untuk mengukur keberhasilan MobSF dalam mende- teksi dan mengidentifikasi malware. Hasil penelitian menunjukkan bahwa MobSF mendeteksi adanya 15.38% false positive pada sampel APK dan 100% false positive pada sampel IPA. Hasil ini mengindikasikan bahwa MobSF mampu mendeteksi be- berapa ancaman, tetapi juga menghasilkan sejumlah false positive yang perlu diper- hatikan. Hasil penelitian ini dapat menjadi dasar untuk pengembangan dan per- baikan tool analisis malware yang lebih efektif dalam menghadapi ancaman yang terus berkembang di ekosistem perangkat mobile.

---

This research aims to detect and analyze malware in Android Application Package (APK) and iOS Appstore Package (iOS Appstore Package) using MobSF. This research adopts a hybrid method, which combining static and dynamic approaches, to provide a more comprehensive view of the security aspects of mo- bile applications. In the static approach, MobSF analyzes application files without executing them so that it can de- detect potential malware through examining the source code and file structure. In contrast, the dynamic approach involves executing the application on an emulator to monitor its runtime behavior, enabling the detec- tion of threats that only emerge when the application is executed. This research involved testing different types of apps downloaded outside of official app provider platforms, such as the Google Play Store and AppStore, with a focus on MobSF’s accuracy in detecting malware. The research utilized samples of APK and IPA files with the disguises used by malware to trick security detection systems. The re- sults analysis will be evaluated to measure the success of MobSF in detecting and identifying malware. The analysis results show that MobSF detected 15.38% false positives in APK samples and 100% false positives in IPA samples. These findings indicate that while MobSF can detect some threats, it also produces a number of false positives that need to be addressed. This research is expected to provide in- sight into about MobSF’s reliability in detecting and analyzing APK- and IPA-based malware attacks, as well as providing further understanding of the advantages and disadvantages of static and dynamic approaches in security analysis. The results of this research can serve as a basis for the development and improvement of malware analysis tools that are more effective in dealing with evolving threats in the mobile device ecosystem."

"Waktu merupakan hal yang penting khususnya bagi mahasiswa, oleh karena itu dibuatlah aplikasi bikunin untuk memperkirakan waktu datangnya bikun (Bis Kuning) pada setiap halte, sehingga waktu yang digunakan untuk menunggu bikun dapat dimanfaatkan dengan lebih baik. Selain itu, aplikasi bikunin juga memiliki fitur lain seperti pesan dan tracking bikun untuk lebih memudahkan user mengetahui kondisi dan lokasi bikun. Perancangan dan pengimplementasian aplikasi bikunin menggunakan metode HCI (Human and Computer Interaction) untuk memudahkan user menggunakan aplikasi bikunin dan memberikan tampilan yang menarik. Dari hasil pengujian didapatkan bahwa rata-rata hasil eksekusi waktu pada fitur tracking bikun adalah 936,5 milliseconds untuk kartu Smartfren dan 500,7 untuk kartu Axis. Sedangkan waktu pemrosesan rata-rata untuk melakukan pengiriman pesan kepada 20 user adalah 11492,1 milliseconds, untuk 10 user adalah 6305,1 milliseconds, untuk 5 user adalah 3902,7 milliseconds, untuk 1 user adalah 2792,6 milliseconds. Waktu pemrosesan rata-rata untuk menampilkan estimasi waktu kedatangan Bis Kuning pada halte berikutnya adalah 13971,9 milliseconds untuk kartu Smartfren dan 15935,1 untuk kartu Axis. Hasil pengujian responden menunjukkan bahwa tingkat kepuasan responden sebesar 83,1% untuk fungsi utama, 77,1% untuk fitur-fitur serta 74,6% untuk tampilan antarmuka. Secara keseluruhan tingkat kepuasan responden sebesar 78,8 %.

---

Time is important, especially for students, therefore we made an bikunin application to estimate the arrival time of bikun (Bis Kuning) at each bikun shelter, so the time spent waiting bikun can be optimized. In addition, the bikunin application also has other features such as messaging and bikun tracking to assists the user to find out the location of the Bis Kuning. The design and implementation of bikunin applications employs HCI (Human and Computer Interaction) principles to allow users to use the bikunin application easily and provides attractive appearance.

From the test results, it is showed that the average execution time on the bikun tracking features is 936.5 milliseconds for Smartfren card and 500.7 milliseconds for Axis card. While the average processing time for sending messages to the 20 users is 11492.1 milliseconds, whereas for 10 users is 6305.1 milliseconds. Meanwhile for 5 users is 3902.7 milliseconds, and 2792.6 milliseconds for one user. The average processing time to provides the expected arrival time of Bis Kuning to the next shelter is 13971.9 milliseconds for Smartfren card and 15935.1 milliseconds for Axis card.

The test results shows that the respondents' satisfaction level is 83.1% for the main function, 77.1% for features and 74.6% for the interface. Overall satisfaction level of respondents is 78.8%."

"Pada karya ilmiah ini dilakukan pengembangan aplikasi layanan psikologi berbasis Android dengan metode pengembangan Open Unified Process (OpenUP). Pengembangan dilakukan menggunakan OpenUP untuk membuktikan sifat agile dan ringan dari metode tersebut. Selain itu, metode pengembangan juga harus mendukung terciptanya kualitas produk yang baik. Kerangka kerja OpenUP diterapkan pada versi 1.5.0.4 yang meliputi peran, tugas, artefak, dan komponen lainnya selama pengembangan aplikasi berlangsung. Dari hasil evaluasi, metode pengembangan OpenUP dinilai cukup efektif berdasarkan jumlah peran yang diemban, use case yang diimplementasikan, dan artefak yang dihasilkan. Selain itu, kualitas aplikasi yang dihasilkan juga cukup baik berdasarkan kompatibilitas, performa, dan survei dari responden. Dengan hasil evaluasi tersebut, diharapkan OpenUP dapat menjadi salah satu metode pengembangan yang banyak digunakan dan aplikasi yang dihasilkan dapat memberikan manfaat serta dapat dikembangkan lebih lanjut.

---

Development of Android-based psychology service application using Open Unified Process implemented in this scientific work. The purpose of the development using OpenUP is to prove the agile dan lightweight characteristic of the method. Furthermore, development method should bolster the quality of the result product. OpenUP version 1.5.0.4 framework implemented including role, task, artifact, and other components during the application development. From the evaluation, OpenUP method provides a quite effective result based on role acquired, use case implemented, and artifact produced. It also produces well-quality application based on compatibility, performance, and survey response. With that result, OpenUP is expected to be a widely used development method and the application produced could bring benefits while also to be further developed."

"Latar Belakang: Karies melibatkan banyak faktor dalam proses pembetukan dan perkembangannya. CAMBRA adalah metode penilaian risiko karies yang melibatkan banyak faktor dalam perhitungannya. CAMBRA telah digunakan secar umum dan CAMBRA versi bahasa Indonesia untuk usia 0-5 tahun telah dibuat dan tervalidasi. CAMBRA membutuhkan pemeriksaan klinis dan wawancara dalam penilaian risiko karies yang terkadang menjadi keterbatasan karena membutuhkan kontak langsung. Smartphone dan aplikasi kesehatan di dalamnya merupakan salah satu bentuk perkembangan teknologi yang memungkinkan pejaringan informasi tanpa kontak langsung. Tujuan: Menganalisis perbedaan hasil penilaian risiko karies pada aplikasi SKOR GIGI dan CAMBRA versi bahasa Indonesia pada anak usia 0-5 tahun tanpa karies. Metode Penelitian: Penelitian dilakukan di RSKMG FKG UI, taman kanak-kanak, dan PAUD. Subjek penelitian adalah 36 orang tua dengan anak usia 0-5 tahun tanpa karies yang memenuhi kriteria inklusi. Sampel mengisi aplikasi SKOR GIGI secara mandiri dan 6 hari kemudian dilakukan penilaian risiko karies dengan CAMBRA versi bahasa Indonesi. Hasil: Tidak ada perbedaan bermakna hasil penilaian risiko karies dengan aplikasi SKOR GIGI dan CAMBRA versi bahasa Indonesia pada anak usia 0-5 tahun tanpa karies. Kesimpulan: Aplikasi SKOR GIGI dapat digunakan untuk menilai risiko karies anak usia 0-5 tahun

---

Background: Many factors are involved in caries formation and development. CAMBRA is a caries risk assessment method that involves many factors in its calculation. CAMBRA is widely used and Indonesian version of CAMBRA for ages 0-5 has been made and validated. CAMBRA requires clinical examination and interviews in assessing caries rich which sometimes can be a limitation because it requires direct contact. Smartphones and health applications are developed nowadays to allow information gathering without direct contact.

Objective: To analyze the differences in results of caries risk assessment by CAMBRA Indonesian version and SKOR GIGI application in 0-5 years children without caries.

Methods: The study was conducted at RSKMG FKG UI, kindergarten, and PAUD. Subjects were 36 parents with children aged 0-5 in accordance with the inclusion criteria. The sample filled out SKOR GIGI application independently and 6 days later a caries risk assessment was carried out using CAMBRA Indonesia version.

Results: There was no significant difference in the results of the caries risk assessment by SKOR GIGI application and CAMBRA Indonesian version in 0-5 years children without caries.

Conclusion: SKOR GIGI application can be used to assess the caries risk of children aged 0-5 years."

"Penelitian ini menguraikan upaya pengembangan sistem Real-Time Safety Driving Assistance dengan menggunakan smartphone Android. Sistem ini ditujukan untuk kendaraan beroda empat untuk dapat memberikan feedback berdasarkan perilaku pengendara secara real time. Feedback yang akan dikeluarkan bertujuan untuk mengingatkan pengemudi jika melakukan pelanggaran, memperbaiki perilaku berkendara yang buruk, dan memberikan pelajaran untuk pengemudi yang belum mahir mengemudi. Sebagai salah satu pengaplikasian dari Telematics 3.0, aplikasi ini dapat digunakan sebagai bagian dari ADAS (Advanced Driving Assistance System) kategori keamanan mengemudi. Sistem Real-Time Safety Driving Assistance yang dikembangkan menggunakan kumpulan algoritma pemrosesan data yang didapat dari sensor-sensor yang dimiliki smartphone dan disinkronisasi dengan data sensor kendaraan yang didapatkan dari OBD-II Bluetooth Dongle. Pada tulisan ini akan dibahas mengenai requirement dari aplikasi yang dibutuhkan, rancangan aplikasi yang dapat memenuhi requirement, implementasi dari rancangan sistem, dan analisis semua sensor dan algoritma pemrosesannya. Dari hasil penelitian ini, data rate OBDSIM (Simulator OBD-II) secara signifikan lebih cepat daripada data rate OBD-II dengan dongle murah di pasaran berdasarkan waktu koneksi awal hingga proses komunikasi data setelahnya dengan perbedaan hingga 30 kali lipat lebih lama untuk uji penerimaan data OBD kendaraan. Dengan rata-rata sampling rate data OBD dan pemrosesannya hingga berbentuk nilai desimal bernilai 5.19Hz, terdapat beberapa masalah pada algoritma yang sangat time-sensitive karena pemrosesan algoritma disinkronisasikan dengan masukan data OBD. Walau begitu, reliabilitas dari segi komunikasi Bluetooth maupun aplikasi sangat tinggi dengan tingkat error dibawah 10 persen selama penggunaan. Reverse geocoding, shaky movement analysis, dan sharp turn analysis adalah algoritma yang dinilai masih kurang akurat, namun secara umum akurasi feedback yang diberikan kepada pengguna akurat dan real-time processing dilakukan dengan cepat sehingga aplikasi dapat memastikan fungsinya sebagai pemberi feedback secara real-time selama mengemudi dapat berjalan dengan baik.

---

This research outline an effort to develop a Real-Time Safety Driving Assistance system using android smartphone. This system is developed to be used on 4-wheeled vehicle to give real-time feedback based on driver’s activity. The feedback output aim to warn driver if they did a mistake, help fix driver’s bad driving behavior, and teach driver whom not experienced yet. As one of the application of Telematics 3.0, this application can be used as parts of ADAS (Advanced Driving Assistance System) in safety driving category. The developed Real-Time Safety Driving Assistance system consists of various data processing algorithms which get the input from smartphone’s sensor and vehicle’s sensor sent by OBD-II Bluetooth Dongle. This paper will describe the application’s system requirement, design, implementation, and analysis of its sensors and processing algorithms.

From the research, it is known that data rate of OBDSIM (OBD-II Simulator) significantly faster than vehicle’s OBD-II with Bluetooth dongle in the market based on initial startup connection and the data communication process after with the difference up to 30 times longer time needed by vehicle’s test. With average sampling rate from OBD to usable values in application has value of 5.19Hz, there are some problem with time-sensitive algorithms because all of the algorithms processing rate synchronized with received OBD Data’s timings. However, the reliability of Bluetooth communication and the application itself is high with error rate below 10 percent during the tests. Reverse geocoding, shaky movement analysis, and sharp turn analysis are the algorithm which proven not accurate enough for the expected resulr, but in general the feedback given to driver is accurate and the real-time processing done in very fast manner so the application can provide its main function as real-time feedback system while driving."

"UI telah mengidentifikasi 7 potensi keadaan darurat yaitu kebakaran, pohon tumbang, darurat medis, kecelakaan lalu lintas, insiden laboratorium, gempa bumi dan tenggelam. Keadaan darurat yang tidak ditanggulangi dengan baik dapat menjadi suatu keadaan krisis dan akan menimbulkan kerugian bagi Universitas. Aplikasi mobile Panic Button UI merupakan salah satu layanan notifiaksi keadaan darurat untuk menanggulangi 7 keadaan darurat tersebut. Namun pada penerapannya Aplikasi yang saat ini dimiliki masih memiliki beberapa keterbatasan, oleh karena itu peneliti melakukan pengembangan terhadap aplikasi tersebut. Hasil rancang ulang desain aplikasi Mobile UI Panic Button (PB 2) dapat meningkatkan 70% pemenuhan apalikasi sebelumnya (PB 1). Pemenuhan standar aplikasi tersebut meliputi informasi nama dan No HP pengguna, pilihan kategori  keadaan darurat, informasi korban, informasi foto/voice, deskripsi keadaan darurat (teks), pilihan lokasi kejadian, pengiriman notifikasi keadaan darurat, pop up notifikasi terkirim, informasi keadaan darurat kepada  petugas ERT. Setelah dilakukan pelatihan waktu penggunaan aplikasi mobile UI Panic Button lebih cepat 20 Detik. Pengembangan Aplikasi Mobile UI Panic Button (PB 2) dapat mempercepat waktu respon dan aksi respon, meningkatkan keakuratan respon, memudahkan proses notifikasi keadaan darurat serta memudahkan komunikasi keadaan darurat.

---

UI has identified 7 potential emergencies such as fire, fallen trees, medical emergencies, traffic accidents, laboratory incidents, earthquakes, and drowning. Emergencies that are not properly addressed can be a crisis and will cause harm to the University. A Panic Button UI mobile application is one of the existing emergency notification services in managing the identified 7 emergencies above. However, there were some limitations in this current application. Researcher, therefore, has developed an improvement of the application. The result shows that the redesign of the UI Panic Button (PB 2) application design can increase 70% of the fulfillment of previous applications (PB 1). Fulfillment of the standard application includes information on the user's name and mobile phone number, emergency category, victim information, photo/voice information, description of the emergency condition, location of the incident, sending an emergency notification, sending a pop-up notification, emergency notification to ERT officer. Moreover, after the training and simulation has been conducted, the time to use the UI Panic Button mobile application is shortened by 20 second. The development of the Mobile UI Panic Button (PB 2) application can accelerate response times and response actions, improve response accuracy, facilitate the emergency notification process and facilitate emergency communication."

"Skripsi ini membahas tentang pengembangan sistem face recognition yang diaplikasikan pada aplikasi ujian berbasis Android yang diberi nama AyoTest menggunakan FaceNet. Tujuan dari dikembangkannya AyoTest sendiri adalah untuk membantu tenaga pengajar dalam meningkatkan efektivitas pengawasan ujian yang dilakukan secara daring. Penelitian ini diharapkan dapat membantu dalam meningkatkan efektivitas pengawasan ujian daring dengan menggunakan face recognition untuk mengotomatisasi sebagian besar dari kegiatan pengawasan yang sebelumnya harus dilakukan secara manual oleh tenaga pengajar. Berdasarkan hasil penelitian, didapatkan bahwa implementasi sistem face recognition dari aplikasi AyoTest dapat digunakan untuk meningkatkan efektivitas pengawasan ujian, di mana pada proses face authentication akurasi yang didapatkan adalah sebesar 100% bahkan ketika peserta ujian hanya memiliki 1 foto pada basis data wajah dan nilai false negative dan false positive pada proses face monitoring yang tercatat hanya sebesar 16,67% dan 22,22% untuk 18 partisipan yang berhasil melaksanakan ujian.

---

This bachelor thesis discusses the system development of face recognition applied to an Android-based examination application called AyoTest using FaceNet. The purpose of the development of AyoTest itself is to assist teaching staff in increasing the effectiveness of conducting online examinations. This research is hoped to assist in increasing the effectiveness of examination proctoring with face recognition to automate most of the supervisions that previously had to be conducted manually by teaching staff. Based on the results of the research, it was found that the implementation of the face recognition system from the AyoTest application can be used to increase the effectiveness of examination proctoring, where the accuracy score obtained in the face authentication process is 100% even if the examinee only has 1 photo in the face database and the false negative and false positive scores in the face monitoring process were recorded at only 16.67% and 22,22% for 18 participants who successfully carried out the examination."

"Jumlah E-Waste yang terus bertambah memerlukan pengelolaan yang lebih serius. Masalah yang sering dihadapi di ranah pengelolaan E-Waste adalah bercampurnya E-Waste yang ada dengan E-Waste lainnya. Pembuangan E-Waste secara sembarangan dapat berakibat buruk bagi lingkungan. Untuk memilah-milah E-Waste dilakukan proses klasifikasi E-Waste dengan menggunakan teknologi Image Classification. Image Classification menjadi salah satu topik dari deep learning yang banyak digunakan pada machine learning. Aplikasi ini menggunakan deep learning dengan metode Convolutional Neural Network (CNN). Jumlah dataset yang digunakan adalah berupa 4021 gambar E-Waste yang diklasifikasi menjadi 9 kategori, yaitu telepon genggam, kabel, integrated circuit, baterai, bola lampu, resistor, transistor, kapasitor dan PC/Laptop. Dari beberapa variasi yang diuji, model yang paling stabil adalah CNN dengan VGG-16 transfer learning yang memiliki akurasi 94%. Transfer learning adalah teknik yang menggunakan model yang sudah ditraining sebelumnya (pre-trained model) untuk mengklasifikasikan dataset yang baru. Dari penelitian ini dapat disimpulkan bahwa kinerja dari model yang telah dibuat dapat berjalan dengan optimal dalam mengklasifikasikan jenis-jenis E-Waste tersebut.

---

The amount of e-waste that continues to increase exponentially, requires a serious e-waste management process. The problem that is often faced in the realm of e-waste management is that the existing e-waste is mixed with other types of e-waste. Indiscriminate disposal of e-waste can cause serious damage to the environment. An e-waste classification process can be carried out using Image Classification technology. Image Classification is one of the deep learning application topic that is widely used in machine learning. In this study, we use dataset which consists of 4021 images of e-waste classified into 9 categories, i.e. mobile phone, wire, integrated circuit, capacitor, resistor, transistor, battery, light bulb and PC/Laptop. In this study, we used two types of Machine Learning algorithm. The first one is deep learning with the Convolutional Neural Network (CNN) method and the second one is VGG-16 transfer learning. The results are compared and analyzed based on Accuracy, Precision, Recall, and F1-Score Evaluation Metrics. Out of the variations of hyperparameter tested, the most stable model is CNN with VGG-16 transfer learning which has the average recall of 93%, the average precision of 93%, the average F1-score of 92%, and the average accuracy of 94%.. The result of our study show that the performance of the model can run optimally in classifying the types of e-waste."

"Bencana banjir kerap terjadi di Jakarta disebabkan oleh banyak faktor, seperti pendangkalan sungai, jalur air yang curam, dan intensitas hujan yang tinggi (Mane, 2019). Tidak jarang banjir menimbulkan banyak kerugian, seperti korban jiwa, korban terdampak (mengungsi), dan kerugian materi. Dalam upaya untuk evakuasi korban banjir, rescuers membutuhkan informasi nama, kontak, dan lokasi. Selain itu, dibutuhkan juga informasi jumlah orang dan kondisi korban untuk disesuaikan dengan peralatan dan kebutuhan evakuasi. Melalui penelitian ini, dikembangkan Res-Q, sebuah aplikasi berbasis Android yang dapat membantu rescuers dalam proses evakuasi korban banjir. Melalui Res-Q, rescuers dapat mengetahui lokasi korban beserta informasi terkait kondisi korban. Rescuers juga dapat melakukan komunikasi dengan korban melalui fitur kirim pesan. Selain itu, rescuers dapat menambahkan informasi posko terdekat yang dapat dikunjungi korban untuk mendapatkan bantuan. Pengembangan aplikasi dilengkapi dengan tahapan evaluasi secara kualitatif dan kuantitatif. Evaluasi secara kualitatif menggunakan task scenario-usability testing, sementara evaluasi kuantitatif menggunakan metode System Usability Scale (SUS). Berdasarkan hasil evaluasi, didapatkan skor SUS 76,25 dengan grade B (Good). Adapun secara kualitatif, diperlukan perbaikan pada desain interaksi dan fungsi fitur untuk memenuhi kebutuhan rescuers.

---

Floods disaster that occurs in Jakarta caused by many factors, such as river stiltation, steep waterways, and high intensity of rainfall (Mane, 2019). Flood also caused many losses, such as casualties, victims affected (evacuated), and material losses. In an effort to evacuate the victims, rescuers need information on name, contact, and location. Rescuers also need the information on number of people and conditions of the victim to be adjusted to the equipment and evacuation needs. Through this research, Res-Q was developed, an Android-based application that can help rescuers in the process of evacuating flood victims. With Res-Q, rescuers can find out the victims’ location along with information related to their condition. Rescuers can also communicate with victims through messaging feature. In addition, rescuers can add information to the nearest aid posts that victim can visit to get help. Application development is completed with qualitative and quantitative evaluation stages. Qualitative evaluation uses task scenario – usability testing, while quantitative evaluation uses System Usability Scale (SUS). Based on the evaluation result, a SUS score of 76,25 was obtained with grade B (Good). Also qualitatively, improvements are needed for interaction design and the feature functions to meet the needs of rescuers"