Perpustakaan Digital ITB

Salah satu fitur yang sering dijumpai di kebanyakan e-commerce saat ini adalah sistem rekomendasi produk. Namun, sistem rekomendasi di e-commerce saat ini masih menghadapi beberapa masalah. Adapun permasalahan tersebut adalah masalah cold start dan masalah lack of privacy terhadap data pengguna. E-commerce juga menghadapi isu krusial lain yaitu tingkat social presence yang rendah. Penurunan tingkat social presence ini disebabkan oleh kurangnya interaksi sosial antara pengguna dan e-commerce yang membuat hubungan keduanya menjadi lebih dingin. Ketiga masalah ini adalah faktor utama yang dapat menyebabkan penurunan kepercayaan pelanggan di e-commerce tersebut. Penelitian Tugas Akhir ini berfokus untuk menyelesaikan permasalahan tersebut melalui fitur conversational design interaction dalam bentuk Virtual Agent. Fitur ini dapat mengumpulkan data melalui proses profiling, memberikan penjelasan mengenai penggunaan data pengguna, serta fitur tanya jawab rekomendasi produk, promo, ataupun produk serupa ke Virtual Agent. Hasil akhir penelitian ini adalah high fidelity prototype yang dirancang menggunakan pendekatan User Centered Design dan Natural Conversational Framework. Implementasi desain dilakukan pada studi kasus e-commerce Shopee dengan memodifikasi sistem rekomendasi produk. Prototype diujikan melalui metode usability testing untuk usability goal efficient to use dan user experience goal helpful. Efficient to use berhasil diuji melalui parameter overall relative efficiency dengan skor 100 persen dan time based efficiency dengan nilai 0,0106 goals/sec yang jauh lebih tinggi dibandingkan dengan timed based efficiency fitur searchbar di Shopee (0,0050 goals/sec). UX Goals helpful berhasil diuji melalui kuesioner WAMMI dengan rata-rata skor 6,9 dari 7, dan skor SEQ yang tergolong tinggi yaitu di antara range 6 sampai 7 untuk setiap task-nya. Variabel social presence dan lack of privacy risk juga berhasil diuji menggunakan post-test kuesioner yang terbukti reliable menggunakan metode validasi uji reliabilitas coefficient cronbach alpha. Secara keseluruhan fitur ini juga terbukti usable dengan skor SUS sebesar 92,4.