eJournal Komunitas Dosen Indonesia
Not a member yet
1406 research outputs found
Sort by
Pengaruh Promosi dan Harga Terhadap Kepuasan Konsumen di Kopi Ketje Bandar Lampung
Get PDFKopi Ketje belum menetapkan harga yang cukup kompetitif di tengah meningkatnya persaingan dan kebiasaan konsumen membandingkan produk. Selain itu, promosi yang dilakukan kurang relevan karena belum memanfaatkan momen penting, sehingga belum efektif dalam usaha mendapatkan pelanggan baru dan mempertahankan yang sudah ada. Bertujuan mengevaluasi pengaruh promosi dan harga terhadap kepuasan konsumen di Kopi Ketje Bandar Lampung. Metode kuantitatif yang dimplementasikan pada penelitian ini menerapkan analisis regresi linear berganda. Populasi dalam penelitian ini adalah yang pernah berkunjung di Kopi Ketje Bandar Lampung setidaknya 2 kali. Teknik penentuan sampel dengan Purposive Sampling dan sampel melibatkan 100 responden dengan rumus Lameshow pada margin 10%. Data dikumpulkan melalui kuesioner yang disebarkan kepada pelanggan di Kopi Ketje Bandar Lampung. Dilakukannya analisiis uji validitas, uji realibilitas, analisis regresi linier berganda , uji t, uji F, dan uji koefisien determinasi. Temuan ini menjelaskan adanya pengaruh promosi dan harga baik secara parsial maupun simultan. Temuan dalam penelitian ini memberikan implikasi yang sangat penting bagi manajemen Kopi Ketje dalam mengembangkan strategi pemasaran.
Pengaruh Digitalisasi Terhadap Ekonomi Sirkular: Systematic Literature Review
Get PDFPerkembangan digitalisasi telah membawa dampak signifikan terhadap transformasi ekonomi global, termasuk dalam mempercepat penerapan ekonomi sirkular sebagai model pembangunan berkelanjutan. Penelitian ini bertujuan untuk menganalisis pengaruh digitalisasi terhadap ekonomi sirkular dengan menelaah empat artikel ilmiah yang membahas keterkaitan antara teknologi digital, kebijakan hijau, dan inovasi keberlanjutan. Hasil telaah menunjukkan bahwa digitalisasi melalui penerapan Industry 4.0 dan pemanfaatan pasar elemen data mampu mendorong efisiensi sumber daya, optimalisasi rantai pasok, serta penguatan inklusi keuangan hijau. Temuan lain juga menunjukkan bahwa kesiapan teknologi di sektor UKM masih menjadi tantangan dalam adopsi prinsip circular economy. Selain itu, norma sosial dan perilaku konsumen berbasis digital berperan penting dalam membentuk keputusan ekonomi yang lebih berkelanjutan. Reformasi kebijakan keuangan hijau dan pembangunan infrastruktur data terbukti memiliki efek langsung maupun efek limpahan terhadap inovasi hijau, baik di tingkat perusahaan maupun regional. Dengan demikian, digitalisasi tidak hanya berfungsi sebagai enabler teknis, tetapi juga sebagai katalis perubahan sistemik dalam mendukung transisi menuju ekonomi sirkular. Penelitian ini memberikan implikasi strategis bagi pengambil kebijakan, pelaku usaha, dan akademisi dalam merancang intervensi berbasis data dan teknologi untuk mempercepat ekonomi hijau yang inklusif dan berkelanjutan
Analisis Pola Pembelian Pelanggan Menggunakan Algoritma Apriori serta Metode Pengujian SUS
Get PDFPada era modern saat ini, kebutuhan masyarakat akan produk tekstil semakin meningkat. Persaingan yang ketat dalam industri tekstil menuntut pengusaha untuk dapat menemukan strategi yang lebih efektif untuk meningkatkan penjualan dan pemasaran produk. Salah satu caranya adalah memanfaatkan data penjualan produk perusahaan menggunakan teknik data mining dengan aturan asosiasi. Penelitian ini menggunakan algoritma Apriori dengan tujuan untuk memberikan informasi baru tentang perilaku pembelian konsumen, informasi ini dapat digunakan untuk strategi pemasaran yang lebih efektif bagi perusahaan serta mengimplementasikannya kedalam sebuah aplikasi website yang sesuai dengan standar pemahaman algoritma apriori sehingga memungkinkan proses analisis dapat dilakukan secara otomatis. Penelitian ini melibatkan akumulasi data sampel transaksi penjualan dalam periode satu tahun. Proses penelitian menggunakan algoritma Apriori ini menghasilkan aturan asosiasi yang menggambarkan hubungan antar produk yang sering dibeli secara bersamaan, dengan menggunakan sampel data dari mei 2023 sampai april 2024. Hasil penelitian ini mendapatkan hasil yang serupa antara perhitungan menggunakan RapidMiner dan perhitungan manual dengan menggunakan ketentuan minimal support 0,3 atau 30% dan minimal confidence 0,6 atau 60%. Aplikasi website dalam penelitian ini dilakukan pengujian untuk dapat memastikan bahwa website memiliki kualitas dan visibilitas yang baik. Salah satu perangkat untuk mengukur tingkat usabilitas website adalah System Usability Scale (SUS). Hasil pengukuran menunjukkan bahwa website memperoleh nilai SUS sebesar 91,25. Skor SUS ini menunjukkan tingkat usabilitas yang tinggi dari 10 responden. Dengan demikian, penelitian ini diharapkan dapat membantu perusahaan dalam meningkatkan strategi pemasaran kedepannya
Enhancing Stock Price Forecasting: Optimizing Neural Networks with Moving Average Data
Get PDFThis research focuses on optimizing a neural network model for stock price prediction using Particle Swarm Optimization (PSO), considering the inherent risks and potential high returns associated with stock investment. Given the challenges posed by stock price volatility, this study combines Moving Average (MA) a fundamental statistical technique in stock market analysis with advanced data mining approaches, specifically neural networks and PSO, to enhance prediction accuracy. The primary objective is to improve the efficiency of neural networks by minimizing error rates and equipping investors with more reliable tools for financial decision-making. The proposed methodology involves converting historical stock price data into a Simple Moving Average (SMA) over a 5-day period, followed by optimizing a neural network model using PSO. This optimization process fine-tunes key parameters, particularly the weight distributions of various stock market indicators, including Open SMA, High SMA, Low SMA, and Close SMA. Model performance is evaluated using Root Mean Square Error (RMSE) as a validation metric. The findings indicate a significant enhancement in the predictive accuracy of the neural network model after PSO optimization. The optimal configuration is identified in a two-layer neural network with a specific node arrangement. This optimized model not only improves stock price forecasting precision but also has practical implications for investors and financial analysts in risk management and profit maximization
Pengembangan Sistem Pendukung Keputusan Berbasis SAW untuk Rekomendasi Pemilihan Motor Bekas
Get PDFDoyok Motor, sebuah showroom motor bekas di Madiun, Jawa Timur, menghadapi tantangan dalam membantu pelanggan memilih motor bekas yang sesuai dengan preferensi dan kebutuhan mereka. Pemilihan motor bekas sering kali subjektif, sehingga diperlukan sistem yang mampu memberikan rekomendasi yang lebih objektif dan akurat. Penelitian ini mengembangkan Sistem Pendukung Keputusan (SPK) berbasis metode Simple Additive Weighting (SAW) untuk memberikan rekomendasi berbobot dalam pemilihan motor bekas berdasarkan kriteria utama, yaitu kondisi mesin, usia kendaraan, dan harga. Sistem ini berbasis web untuk meningkatkan kemudahan akses dan efisiensi dalam pengambilan keputusan bagi calon pembeli. Metodologi yang digunakan meliputi normalisasi nilai alternatif, perhitungan skor akhir berbobot, dan perangkingan untuk menghasilkan rekomendasi terbaik. Pengujian blackbox memastikan bahwa fitur utama seperti registrasi, login, input data, normalisasi, perangkingan, dan pencetakan laporan berfungsi sesuai spesifikasi. Selain itu, pengujian whitebox dengan Flowgraph Form alternatif digunakan untuk menghitung kompleksitas siklomatis, memastikan efisiensi algoritma serta cakupan pengujian optimal. Hasil penelitian menunjukkan bahwa sistem ini mampu meningkatkan keandalan, objektivitas, serta transparansi dalam pemilihan motor bekas, memberikan rekomendasi yang lebih akurat dan dapat dipertanggungjawabkan. Implementasi sistem ini diharapkan dapat membantu showroom dalam meningkatkan pelayanan serta kepuasan pelanggan. Pengembangan lebih lanjut dapat dilakukan dengan mengintegrasikan sistem ini ke dalam platform marketplace serta mengadopsi kecerdasan buatan (AI) untuk analisis preferensi pengguna yang lebih mendalam.Doyok Motor, sebuah showroom motor bekas di Madiun, Jawa Timur, menghadapi tantangan dalam membantu pelanggan memilih motor bekas yang sesuai dengan preferensi dan kebutuhan mereka. Pemilihan motor bekas sering kali subjektif, sehingga diperlukan sistem yang mampu memberikan rekomendasi yang lebih objektif dan akurat. Penelitian ini mengembangkan Sistem Pendukung Keputusan (SPK) berbasis metode Simple Additive Weighting (SAW) untuk memberikan rekomendasi berbobot dalam pemilihan motor bekas berdasarkan kriteria utama, yaitu kondisi mesin, usia kendaraan, dan harga. Sistem ini berbasis web untuk meningkatkan kemudahan akses dan efisiensi dalam pengambilan keputusan bagi calon pembeli. Metodologi yang digunakan meliputi normalisasi nilai alternatif, perhitungan skor akhir berbobot, dan perangkingan untuk menghasilkan rekomendasi terbaik. Pengujian blackbox memastikan bahwa fitur utama seperti registrasi, login, input data, normalisasi, perangkingan, dan pencetakan laporan berfungsi sesuai spesifikasi. Selain itu, pengujian whitebox dengan Flowgraph Form alternatif digunakan untuk menghitung kompleksitas siklomatis, memastikan efisiensi algoritma serta cakupan pengujian optimal. Hasil penelitian menunjukkan bahwa sistem ini mampu meningkatkan keandalan, objektivitas, serta transparansi dalam pemilihan motor bekas, memberikan rekomendasi yang lebih akurat dan dapat dipertanggungjawabkan. Implementasi sistem ini diharapkan dapat membantu showroom dalam meningkatkan pelayanan serta kepuasan pelanggan. Pengembangan lebih lanjut dapat dilakukan dengan mengintegrasikan sistem ini ke dalam platform marketplace serta mengadopsi kecerdasan buatan (AI) untuk analisis preferensi pengguna yang lebih mendalam
The Role of Computers in Collaborative E-Learning: Implications for the Future of Digital Education
Get PDFThe development of digital technology has driven significant changes in the world of education, especially through the implementation of collaborative e-learning. Computers play a crucial role in supporting interactive online learning processes, enabling more effective collaboration between students, educators, and learning resources. This study aims to analyze the role of computers in collaborative e-learning and its implications for the future of digital education. This study uses a descriptive qualitative method, with data collection techniques through literature studies and interviews with educators and e-learning practitioners. The results of the study show that computers function as facilitators in various aspects of collaborative e-learning, such as online-based communication, accessibility of educational resources, and integration of artificial intelligence and big data in learning personalization. The advantages of computers in increasing interaction and effectiveness of learning in the digital environment are the main factors in optimizing collaborative e-learning. However, this study also found several challenges, such as the gap in access to technological devices, the readiness of educators and students to adopt technology, and data security issues in e-learning systems. To overcome these obstacles, continuous innovation is needed in the development of digital infrastructure and increasing technological competence for e-learning users. With the rapid development of technology, it is predicted that computer-based collaborative e-learning will continue to develop into the main learning model in the future. Therefore, this study is expected to be a reference for policymakers and education practitioners in designing more inclusive and effective digital learning strategies
Analisis Sentimen Calon Kepala Daerah Maluku Utara dengan Metode CRISP-DM
Get PDFPemilihan kepala daerah merupakan salah satu wujud nyata dari demokrasi lokal yang memungkinkan masyarakat mengekspresikan aspirasi politiknya secara langsung. Namun, untuk memahami dinamika persepsi publik terhadap calon kepala daerah, dibutuhkan pendekatan analitis yang mampu menafsirkan opini masyarakat dalam skala luas dan waktu nyata. Penelitian ini bertujuan untuk menganalisis sentimen masyarakat terhadap calon kepala daerah di Provinsi Maluku Utara dengan memanfaatkan data komentar dari media sosial YouTube dan TikTok. Subjek penelitian berupa komentar publik yang dikumpulkan melalui teknik crawling dengan kata kunci tertentu terkait nama calon dan isu politik lokal. Penelitian ini menggunakan pendekatan CRISP-DM (Cross Industry Standard Process for Data Mining) yang terdiri dari enam tahapan: pemahaman bisnis, pemahaman data, persiapan data, pemodelan, evaluasi, dan deployment. Proses analisis mencakup preprocessing teks seperti tokenizing, case folding, stop word removal, dan stemming. Komentar diklasifikasikan secara manual ke dalam tiga kategori sentimen: positif, negatif, dan netral. Model klasifikasi dibangun menggunakan algoritma Neural Network melalui platform Orange Data Mining. Hasil penelitian menunjukkan bahwa kandidat 3 memperoleh sentimen positif tertinggi, kandidat 1 mendapat sentimen negatif terbanyak, dan kandidat 5 mendominasi pada sentimen netral. Model menunjukkan kinerja tinggi dengan akurasi mencapai 97,2%, presisi 98,5%, dan recall 88,8%. Temuan ini menunjukkan bahwa kombinasi metode CRISP-DM dan pembelajaran mesin dapat memberikan wawasan strategis yang bermanfaat bagi pengambil kebijakan dan tim kampanye dalam memahami persepsi publik secara lebih komprehensif dan real-time. Penelitian ini dapat menjadi referensi bagi pemangku kepentingan dalam merancang strategi komunikasi politik yang lebih tepat sasaran.Pemilihan kepala daerah merupakan salah satu wujud nyata dari demokrasi lokal yang memungkinkan masyarakat mengekspresikan aspirasi politiknya secara langsung. Namun, untuk memahami dinamika persepsi publik terhadap calon kepala daerah, dibutuhkan pendekatan analitis yang mampu menafsirkan opini masyarakat dalam skala luas dan waktu nyata. Penelitian ini bertujuan untuk menganalisis sentimen masyarakat terhadap calon kepala daerah di Provinsi Maluku Utara dengan memanfaatkan data komentar dari media sosial YouTube dan TikTok. Subjek penelitian berupa komentar publik yang dikumpulkan melalui teknik crawling dengan kata kunci tertentu terkait nama calon dan isu politik lokal. Penelitian ini menggunakan pendekatan CRISP-DM (Cross Industry Standard Process for Data Mining) yang terdiri dari enam tahapan: pemahaman bisnis, pemahaman data, persiapan data, pemodelan, evaluasi, dan deployment. Proses analisis mencakup preprocessing teks seperti tokenizing, case folding, stop word removal, dan stemming. Komentar diklasifikasikan secara manual ke dalam tiga kategori sentimen: positif, negatif, dan netral. Model klasifikasi dibangun menggunakan algoritma Neural Network melalui platform Orange Data Mining. Hasil penelitian menunjukkan bahwa kandidat 3 memperoleh sentimen positif tertinggi, kandidat 1 mendapat sentimen negatif terbanyak, dan kandidat 5 mendominasi pada sentimen netral. Model menunjukkan kinerja tinggi dengan akurasi mencapai 97,2%, presisi 98,5%, dan recall 88,8%. Temuan ini menunjukkan bahwa kombinasi metode CRISP-DM dan pembelajaran mesin dapat memberikan wawasan strategis yang bermanfaat bagi pengambil kebijakan dan tim kampanye dalam memahami persepsi publik secara lebih komprehensif dan real-time. Penelitian ini dapat menjadi referensi bagi pemangku kepentingan dalam merancang strategi komunikasi politik yang lebih tepat sasaran
Analisis Clustering Menggunakan Metode Enhanced Fuzzy C-Means Clustering Dengan Algoritma Rock Pada Student Performance Dataset
Get PDFEvaluasi kinerja siswa merupakan elemen penting dalam sistem pendidikan, khususnya dalam mendukung proses pembelajaran yang berbasis data dan pengambilan keputusan akademik. Salah satu metode yang umum digunakan dalam analisis performa siswa adalah algoritma Fuzzy C-Means Clustering (FCM), yang memungkinkan klasifikasi data berdasarkan derajat keanggotaan dalam lebih dari satu cluster. Meskipun demikian, FCM memiliki keterbatasan signifikan, khususnya pada aspek sensitivitas terhadap inisialisasi pusat cluster yang bersifat acak, konvergensi lambat, serta ketidakpastian terhadap solusi optimal global. Penelitian ini mengusulkan pendekatan hybrid dengan mengintegrasikan algoritma ROCK (Robust Clustering using Links) sebagai metode inisialisasi pusat cluster dalam FCM. Algoritma ROCK, yang dirancang untuk data kategorikal, menggunakan pendekatan link-based similarity dalam menentukan kemiripan antar data dan membentuk struktur awal cluster secara hierarkis dan lebih stabil. Dataset yang digunakan dalam penelitian ini adalah Student Performance Dataset dari UCI Machine Learning Repository, yang mencerminkan berbagai atribut sosial, akademik, dan demografis siswa. Hasil pengujian menunjukkan bahwa model hybrid ROCK-FCM menghasilkan peningkatan kinerja clustering yang signifikan dibandingkan FCM konvensional, dengan akurasi meningkat sebesar 9,54%, Rand Index sebesar 10,84%, dan F-measure sebesar 8,61%. Temuan ini mengindikasikan bahwa integrasi ROCK dalam proses inisialisasi FCM memberikan kontribusi nyata dalam meningkatkan akurasi pengelompokan dan stabilitas model pada data pendidikan. Penelitian ini berkontribusi pada pengembangan pendekatan educational data mining yang lebih adaptif dan presisi dalam memetakan performa siswa.Evaluasi kinerja siswa merupakan elemen penting dalam sistem pendidikan, khususnya dalam mendukung proses pembelajaran yang berbasis data dan pengambilan keputusan akademik. Salah satu metode yang umum digunakan dalam analisis performa siswa adalah algoritma Fuzzy C-Means Clustering (FCM), yang memungkinkan klasifikasi data berdasarkan derajat keanggotaan dalam lebih dari satu cluster. Meskipun demikian, FCM memiliki keterbatasan signifikan, khususnya pada aspek sensitivitas terhadap inisialisasi pusat cluster yang bersifat acak, konvergensi lambat, serta ketidakpastian terhadap solusi optimal global. Penelitian ini mengusulkan pendekatan hybrid dengan mengintegrasikan algoritma ROCK (Robust Clustering using Links) sebagai metode inisialisasi pusat cluster dalam FCM. Algoritma ROCK, yang dirancang untuk data kategorikal, menggunakan pendekatan link-based similarity dalam menentukan kemiripan antar data dan membentuk struktur awal cluster secara hierarkis dan lebih stabil. Dataset yang digunakan dalam penelitian ini adalah Student Performance Dataset dari UCI Machine Learning Repository, yang mencerminkan berbagai atribut sosial, akademik, dan demografis siswa. Hasil pengujian menunjukkan bahwa model hybrid ROCK-FCM menghasilkan peningkatan kinerja clustering yang signifikan dibandingkan FCM konvensional, dengan akurasi meningkat sebesar 9,54%, Rand Index sebesar 10,84%, dan F-measure sebesar 8,61%. Temuan ini mengindikasikan bahwa integrasi ROCK dalam proses inisialisasi FCM memberikan kontribusi nyata dalam meningkatkan akurasi pengelompokan dan stabilitas model pada data pendidikan. Penelitian ini berkontribusi pada pengembangan pendekatan educational data mining yang lebih adaptif dan presisi dalam memetakan performa siswa
Perancangan Sistem Informasi Portal Futsal Berbasis Web untuk Meningkatkan Efisiensi Manajemen Data
Get PDFKemajuan ilmu pengetahuan dan teknologi pada era modern mendorong lembaga pendidikan untuk menerapkan sistem komputerisasi guna meningkatkan efektivitas operasional. Namun, masih banyak lembaga yang mengalami kendala dalam pengolahan sistem informasi, seperti kesalahan dalam pembuatan laporan, kehilangan dokumen, penyimpanan data yang tidak rapi, serta lambatnya proses pelaporan akibat pencatatan manual. Permasalahan penelitian ini berfokus pada inefisiensi sistem pengolahan informasi pada salah satu akademi futsal. Tujuan penelitian ini adalah untuk merancang dan membangun sistem informasi futsal berbasis web yang dapat meningkatkan akurasi, efisiensi, dan kerapihan dalam pengelolaan data serta pelaporan kegiatan. Subjek penelitian adalah sebuah akademi futsal yang sedang mengalami kendala dalam pengelolaan data secara manual. Metode yang digunakan dalam penelitian ini meliputi observasi langsung terhadap sistem lama, wawancara dengan pihak pengelola, serta dokumentasi kebutuhan sistem. Analisis data dilakukan menggunakan pendekatan sistem berbasis objek, dan pengembangan sistem dilakukan dengan bahasa pemrograman PHP serta database MySQL. Hasil penelitian menunjukkan bahwa sistem informasi futsal berbasis web mampu meminimalkan kesalahan input data, mempercepat proses pembuatan laporan, serta memperbaiki sistem penyimpanan dokumen secara digital. Simpulan dari penelitian ini adalah bahwa penerapan sistem informasi berbasis web memberikan dampak positif terhadap efisiensi manajemen data di lingkungan akademi futsal, serta dapat menjadi solusi atas berbagai kendala yang timbul dalam pengelolaan informasi secara manual.Kemajuan ilmu pengetahuan dan teknologi pada era modernisasi seperti saat ini, pemakaian sistem komputerisasi adalah hal yang sudah tidak asing lagi. Semakin berkembangnya ilmu komputerisasi yang semakin maju dan modern, hal tersebut merupakan elemen kunci yang mendorong perkembangan dan kemajuan sebuah akademi agar dapat bersaing menjadi akademi yang unggul dalam berbagai bidang ilmu, baik dalam teori maupun praktik di lapangan. Kendala dalam proses pengolahan sistem informasi dapat berpotensi membahayakan keputusan serta efektivitas operasional sebuah lembaga pendidikan. Perkembangan ini memerlukan sistem dan metode manajemen yang tepat, cepat, serta efisien untuk mendapatkan informasi yang bermanfaat bagi kemajuan institusi tersebut. Permasalahan yang timbul adalah kesalahan dalam pembuatan laporan karena kurang teliti dalam perhitungan, dokumen terkadang hilang, penyimpanan dokumen kurang baik/tidak rapih, lambatnya pembuatan laporan karena selalu melihat terlebih dahulu dari tumpukan nota ketika ingin membuat laporan. Untuk menyelesaikan masalah tersebut, diperlukan sebuah sistem informasi yang lebih terdigitalisasi. Langkah awal dalam pembuatan sistem dimulai dengan analisis pada sistem yang sedang berfungsi. Dari hasil analisis ini, dikembangkanlah sebuah sistem baru dengan menerapkan penggunaan bahasa pemrograman PHP/MySQL, memanfaatkan database MySQL serta menggunakan metodologi yang berbasis objek. Tujuan akhir yang ingin diraih dari hal ini adalah sebuah sistem informasi futsal yang berbasis di web atau berbasis portal
Analisis Integratif Design Thinking dan Artificial Intelligence dalam Mendorong Inovasi UMKM di Indonesia
Get PDFPenelitian ini bertujuan untuk menganalisis pengaruh integratif antara pendekatan Design Thinking dan Artificial Intelligence dalam mendorong inovasi pada sektor Usaha Mikro, Kecil, dan Menengah (UMKM) di Indonesia. Pendekatan kuantitatif digunakan melalui survei terhadap 372 pelaku UMKM di empat kota besar—Jakarta, Surabaya, Yogyakarta, dan Medan—dengan instrumen kuesioner berbasis skala Likert. Model regresi linear berganda diterapkan untuk menguji pengaruh parsial dan simultan dari kedua variabel independent (Design Thinking dan Artificial Intelligence) terhadap inovasi. Hasil analisis menunjukkan bahwa Design Thinking 0,364 dan Artificial Intelligence 0,413 berpengaruh positif dan signifikan terhadap inovasi UMKM. Nilai koefisien determinasi 0,534 mengindikasikan bahwa 53,4% variasi inovasi dapat dijelaskan oleh kontribusi simultan dari kedua pendekatan tersebut. Temuan tersebut memperkuat argumentasi bahwa integrasi kerangka kerja kreatif berbasis empati (Design Thinking) dengan teknologi berbasis data (Artificial Intelligence) mampu meningkatkan kapasitas inovatif UMKM secara berkelanjutan. Penelitian memberikan kontribusi konseptual terhadap literatur inovasi digital, serta menawarkan implikasi praktis bagi penguatan strategi transformasi digital UMKM. Disarankan agar pelaku UMKM mulai menerapkan pendekatan inovatif yang terstruktur dan mengadopsi teknologi AI secara bertahap dalam aspek bisnis seperti pemasaran, pelayanan pelanggan, dan manajemen operasional. Bagi pemerintah dan pemangku kebijakan, mendukung urgensi penyusunan program pelatihan terpadu yang menggabungkan pendekatan desain inovatif dan literasi digital secara sistematis.Penelitian ini bertujuan untuk menganalisis pengaruh integratif antara pendekatan Design Thinking dan Artificial Intelligence dalam mendorong inovasi pada sektor Usaha Mikro, Kecil, dan Menengah (UMKM) di Indonesia. Pendekatan kuantitatif digunakan melalui survei terhadap 372 pelaku UMKM di empat kota besar—Jakarta, Surabaya, Yogyakarta, dan Medan—dengan instrumen kuesioner berbasis skala Likert. Model regresi linear berganda diterapkan untuk menguji pengaruh parsial dan simultan dari kedua variabel independent (Design Thinking dan Artificial Intelligence) terhadap inovasi. Hasil analisis menunjukkan bahwa Design Thinking 0,364 dan Artificial Intelligence 0,413 berpengaruh positif dan signifikan terhadap inovasi UMKM. Nilai koefisien determinasi 0,534 mengindikasikan bahwa 53,4% variasi inovasi dapat dijelaskan oleh kontribusi simultan dari kedua pendekatan tersebut. Temuan tersebut memperkuat argumentasi bahwa integrasi kerangka kerja kreatif berbasis empati (Design Thinking) dengan teknologi berbasis data (Artificial Intelligence) mampu meningkatkan kapasitas inovatif UMKM secara berkelanjutan. Penelitian memberikan kontribusi konseptual terhadap literatur inovasi digital, serta menawarkan implikasi praktis bagi penguatan strategi transformasi digital UMKM. Disarankan agar pelaku UMKM mulai menerapkan pendekatan inovatif yang terstruktur dan mengadopsi teknologi AI secara bertahap dalam aspek bisnis seperti pemasaran, pelayanan pelanggan, dan manajemen operasional. Bagi pemerintah dan pemangku kebijakan, mendukung urgensi penyusunan program pelatihan terpadu yang menggabungkan pendekatan desain inovatif dan literasi digital secara sistematis