Diterjemahkan dari bahasa Inggris ke bahasa Indonesia - www.onlinedoctranslator.
com
sensor
Artikel
Antarmuka Pengguna Cerdas dan
Evaluasinya: Studi Pemetaan
Saša Brdnik *, Tjaša Heričko
----
---
Kutipan:Brdnik, S.; Heričko, T.;
umak, B. Antarmuka Pengguna
Cerdas dan Evaluasinya: Studi
Pemetaan Sistematis.Sensor2022,22,
5830. https://doi.org/10.3390/
s22155830
Editor Akademik: Eui Chul Lee
Diterima: 5 Juli 2022
Diterima: 2 Agustus 2022
Diterbitkan: 4 Agustus 2022
Catatan Penerbit:MDPI tetap netral
sehubungan dengan klaim yurisdiksi
dalam peta yang diterbitkan dan afiliasi
institusional.
Hak cipta:© 2022 oleh penulis.
Penerima Lisensi MDPI, Basel, Swiss.
Artikel ini adalah artikel akses terbuka
yang didistribusikan di bawah syarat
dan ketentuan lisensi Creative
Commons Attribution (CC BY) (https://
creativecommons.org/licenses/by/
4.0/).
Sensors2022,22, 5830. https://doi.org/10.3390/s22155830
Sistematis
dan Boštjan umak
Fakultas Teknik Elektro dan Ilmu Komputer, Universitas Maribor, 2000 Maribor, Slovenia
* Korespondensi: sasa.brdnik@um.si
Abstrak:Antarmuka pengguna cerdas (IUI) didorong oleh tujuan peningkatan interaksi manusia-komputer
(HCI), terutama meningkatkan pengalaman pengguna antarmuka pengguna (UX) atau kegunaan dengan
bantuan kecerdasan buatan. Tujuan utama dari penelitian ini adalah untuk menemukan, menilai, dan
mensintesis karya mutakhir yang ada di bidang IUI dengan fokus tambahan pada evaluasi IUI. Studi ini
menganalisis 211 studi yang diterbitkan di lapangan antara 2012 dan 2022. Studi paling sering dikaitkan dengan
domain HCI dan SE. Definisi IUI diamati, menunjukkan bahwa adaptasi, representasi, dan kecerdasan adalah
karakteristik utama yang terkait dengan IUI, sedangkan adaptasi, penalaran, dan representasi adalah kata kerja
yang paling umum digunakan dalam deskripsi mereka. Evaluasi IUI terutama dilakukan dengan eksperimen dan
kuesioner, meskipun kegunaan dan UX tidak dipertimbangkan bersama dalam evaluasi. Sebagian besar
evaluasi (81% studi) melaporkan peningkatan sebagian atau keseluruhan dalam kegunaan atau UX. Kekurangan
alat evaluasi, metode, dan metrik, yang disesuaikan untuk IUI, diperhatikan. Paling sering, metode
pengumpulan data empiris dan sumber data dalam studi evaluasi IUI adalah eksperimen, pengembangan
prototipe, dan kuesioner.
Kata kunci:antarmuka pengguna yang cerdas; UI; kegunaan; pengalaman pengguna; evaluasi
1. Perkenalan
Selama beberapa dekade, industri film fiksi ilmiah telah menghasilkan banyak ide dan konsep
antarmuka pengguna (UI) yang kompleks dan berbasis kecerdasan buatan (AI). Fiksi ilmiah menarik
karena dapat menunjukkan kepada kita apa yang mungkin ketika Anda tidak dibatasi oleh teknologi
dalam menemukan ide untuk antarmuka pengguna yang baru, kompleks, dan digerakkan oleh AI.
Namun, kekuatan fiksi ilmiah bukanlah pada hiburan tetapi dalam menginspirasi orang dengan apa yang
mungkin, apa yang ideal, dan apa yang menakjubkan [1]. Khusus untuk ilmu komputer dan AI, film fiksi
ilmiah telah memberikan banyak ide untuk mengembangkan solusi antarmuka pengguna (IUI) yang
inovatif dan cerdas. Misalnya, HAL 9000, yang muncul dalam film tahun 1968 2001: A Space Odyssey,
adalah komputer ALgoritmik yang diprogram secara Heuristik yang mampu mengontrol sistem pesawat
ruang angkasa Discovery One dan berinteraksi dengan awak kapal. Dalam adegan di mana Dave kembali
ke kapal setelah insiden yang disebabkan oleh HAL dengan kru, HAL berkata kepada Dave,“Dengar Dave,
aku bisa melihatmu sangat marah tentang ini. Sejujurnya saya pikir Anda harus duduk dengan tenang,
minum pil stres, dan memikirkan semuanya. Saya tahu saya telah membuat beberapa keputusan yang
sangat buruk baru-baru ini, tetapi saya dapat memberi Anda jaminan penuh bahwa pekerjaan saya akan
kembali normal. Saya masih memiliki antusiasme dan keyakinan terbesar dalam misi. Dan aku ingin
membantumu.”[2]. Dalam film fiksi ilmiah ini, HAL mampu mengenali Dave, menganalisis pidatonya, dan
mengenali emosinya. Kemampuan HAL, yang diperkenalkan dalam film, didasarkan pada ide-ide dari
berbagai ilmuwan yang dihormati dan peneliti paling berpengaruh di bidang-bidang seperti ilmu
komputer, pengenalan ucapan, pemahaman bahasa, visi komputer, pengenalan emosi dari ekspresi
wajah, AI, dll. [3]. Antara lain, HAL mungkin telah mengilhami dan mempengaruhi penelitian dalam
dekade berikutnya dan membawa kemampuan mesin saat ini yang bahkan jauh lebih canggih daripada
yang disajikan dalam film. Karena kemajuan signifikan dalam teknologi penginderaan dan AI, beberapa
dekade kemudian, kemampuan HAL bukan lagi fiksi ilmiah [4].
https://www.mdpi.com/journal/sensors
Sensor2022,22,
2 dari

Dalam artikel ini, kami menyajikan gambaran umum bidang IUI dalam satu dekade
terakhir dalam bentuk studi pemetaan yang sistematis. Wawasan tambahan diberikan ke tren
saat ini dalam evaluasi antarmuka cerdas. Dalam penelitian terkait IUI yang ada, tinjauan
literatur sistematis dan studi pemetaan sistematis telah menyelidiki, misalnya, antarmuka
pengguna yang cerdas, peka konteks, dan multimodal [5], antarmuka pengguna adaptif [5-8],
interaksi manusia-komputer yang cerdas [9], dan antarmuka pengguna yang adaptif dan
dapat disesuaikan [8]. Karena fokus pekerjaan kami adalah pada solusi IUI, penelitian kami
dapat dianggap dekat dengan pekerjaan yang dilakukan oleh Volkel et al. [10]. Namun, meta-
analisis yang dilakukan oleh [10] dibatasi untuk penelitian yang diterbitkan dalam prosiding
konferensi Antarmuka Pengguna Cerdas Internasional ACM. Sepengetahuan kami, penelitian
ini adalah salah satu yang pertama memberikan tinjauan sistematis dan pemetaan penelitian
yang ada yang diterbitkan dalam dekade terakhir di bidang IUI, dengan fokus pada kegunaan
IUI dan metode evaluasi pengalaman pengguna (UX). Artikel ini dapat memungkinkan
peneliti IUI dan UX untuk mendapatkan wawasan yang lebih luas dan lebih dalam tentang
penelitian evaluasi kegunaan dan UX IUI dalam dekade terakhir dengan memfasilitasi peneliti
untuk memahami metode dan teknik baru yang digunakan dalam evaluasi IUI dan
menemukan arah penelitian di masa depan. Kontribusi utama dalam penelitian ini ada tiga: (i)
Menyajikan gambaran umum dari IUI yang diamati diajukan,

Sisa dari artikel ini disusun sebagai berikut. Bagian2memberikan gambaran singkat
tentang latar belakang dan pekerjaan terkait, dan Bagian3merinci struktur metodologi
studi pemetaan sistematis. Hasil disajikan di Bagian4dengan diskusi tambahan yang
disediakan di Bagian5. Kami menyimpulkan artikel dengan Bagian6, di mana
kesimpulan utama dirangkum dan arah masa depan disarankan.

2. Latar Belakang dan Pekerjaan Terkait

2.1. Antarmuka Pengguna Cerdas

Gagasan untuk memperkenalkan kecerdasan pada interaksi manusia-komputer (HCI) dan antarmuka
pengguna muncul beberapa dekade yang lalu dalam bentuk instruksi berbantuan komputer yang cerdas, yang
kemudian memperoleh pengikut dan aplikasi yang lebih luas sebagai IUI [11]. Bidang ini menghubungkan
berbagai disiplin ilmu, terutama AI, rekayasa perangkat lunak (SE), dan HCI, dengan AI yang berkontribusi pada
teknik simulasi dan prediksi untuk peningkatan komunikasi, dan HCI memberikan kontribusi wawasan tentang
pengguna, perilaku, dan kebutuhan mereka.
Meskipun pemahaman universal definisi IUI akan diharapkan dengan pertumbuhan diamati dalam jumlah
penelitian yang diterbitkan dalam dekade terakhir dan sejarah panjang lapangan, studi terbaru [10] malah
menunjukkan pemahaman yang beragam tentang istilah dan batasannya, yang menghasilkan penggunaan
yang tidak seragam. IUI adalah antarmuka manusia-mesin yang bertujuan untuk meningkatkan efisiensi,
efektivitas, dan kealamian HCI dengan merepresentasikan, menalar, dan bertindak berdasarkan model
pengguna, domain, tugas, wacana, dan media [11]. Dalam konteks adaptasi, ada beberapa jenis antarmuka
pengguna yang serupa.Antarmuka pengguna yang disesuaikan[12] adalah antarmuka pengguna yang
disesuaikan dengan pengguna akhir pada waktu desain, tanpa perubahan adaptasi yang terjadi pada waktu
proses.Antarmuka pengguna yang dapat disesuaikan[12] memungkinkan pengguna untuk memprovokasi
perubahan (yaitu, memicu adaptasi manual) pada karakteristik atau fungsi antarmuka pengguna. Sebaliknya,
antarmuka pengguna adaptif(AUI) mengubah karakteristiknya secara dinamis pada saat dijalankan dengan
perubahan yang dipicu oleh perilaku pengguna [12]. Mereka memantau pola perilaku pengguna dan membuat
serta memelihara profil pengguna, menggunakannya sebagai dasar untuk adaptasi dalam waktu [13]. Adaptasi
dapat dipicu untuk pengguna individu atau kelompok pengguna, mengadaptasi tata letak dan komponen
mereka sesuai dengan konteks pengguna [14]. Istilah antarmuka pengguna yang cerdas sering digunakan
bersama dengan berbagaimenyesuaikan*istilah, seperti yang dilaporkan oleh meta-studi yang dilakukan oleh
Volkel et al. [10], di mana penulis menegaskan bahwa studi mungkin menyebut entitas baik "cerdas" dan
"adaptif". Persetujuan itu bahkan dapat diamati dalam penggunaan istilahantarmuka pengguna cerdas adaptif[
15]. Meskipun istilah ini jarang digunakan, istilah ini menggambarkan antarmuka pengguna dengan mekanisme
adaptif cerdas yang mampu memantau perilaku pengguna dan mengadaptasi antarmuka pengguna yang
sesuai, di luar aturan yang telah ditentukan sebelumnya. Banyak antarmuka cerdas dapat
Sensor2022,22,
3 dari

digambarkan sebagai antarmuka adaptif, meskipun tidak semua antarmuka adaptif cerdas. IUI dapat dikaitkan
dengansistem cerdas, yaitu, sistem yang memberikan tanggapan pemecahan masalah yang tepat terhadap
masukan masalah, bahkan jika masukan tersebut baru dan tidak terduga. Oleh karena itu, perilaku mereka
dapat digambarkan sebagai “novel” atau “kreatif” [16]. Sistem cerdas tidak dapat diberi label sebagai IUI bahkan
jika mereka menggunakan antarmuka pengguna jika mereka hanya cerdas dari sudut pandang mesin tetapi
tidak dari sudut pandang pengguna atau HCI [17].

Evaluasi Kegunaan dan Pengalaman Pengguna

Dalam literatur yang ada, berbagai variasi definisi kegunaan dan pengalaman pengguna (UX) dapat
ditemukan. Dalam penelitian ini, kami memahami konsep kegunaan seperti yang didefinisikan oleh ISO [18]
sebagai“sejauh mana suatu sistem, produk, atau layanan dapat digunakan oleh pengguna tertentu untuk
mencapai tujuan tertentu dengan efektivitas, efisiensi, dan kepuasan dalam konteks penggunaan tertentu”.
Kegunaan dapat dianggap sebagai bagian dari UX, yang didefinisikan oleh ISO [18] sebagai“persepsi
pengguna (termasuk emosi, keyakinan, preferensi, persepsi, kenyamanan, perilaku, dan pencapaian pengguna
yang terjadi sebelum, selama, dan setelah penggunaan) dan respons yang dihasilkan dari penggunaan dan/atau
antisipasi penggunaan sistem, produk, atau layanan”. Untuk faktor kegunaan yang dievaluasi, komponen yang
ditentukan oleh ISO 9241-400 [19] adalah yang paling banyak digunakan, termasuk kemampuan belajar,
kesesuaian, kemampuan dikenali, pengoperasian, perlindungan kesalahan pengguna, estetika antarmuka
pengguna, dan aksesibilitas. Selanjutnya, standar menyatakan bahwa kriteria kegunaan dapat digunakan untuk
menilai aspek UX [18]. Faktor-faktor yang diusulkan untuk evaluasi di UX masih bervariasi dalam praktiknya,
meskipun diamati bahwa faktor-faktor tersebut lebih terkait dengan pengaruh, interpretasi, dan makna [20].
Faktor-faktor yang diamati dalam studi yang mengevaluasi UX [21] termasuk penampilan, persepsi, kinerja,
ketersediaan, dan kepuasan secara keseluruhan. Selain itu, beban kognitif [22] dan khasiat [23] juga telah
diamati sebagai faktor dalam evaluasi antarmuka pengguna yang cerdas.
Mengevaluasi IUI telah menjadi hal yang menarik di bidang ini selama beberapa dekade. Masalah yang
disebabkan oleh pengenalan pembelajaran mesin (ML) dan adaptasi ke antarmuka pengguna adalah
pelanggaran prinsip kegunaan yang baik (misalnya, memberi pengguna kontrol atas sistem, membuat sistem
dapat diprediksi dan transparan), kepercayaan, dan privasi [24]. Masalah kegunaan yang diamati dapat lebih
besar daripada keuntungan yang diperkenalkan dengan kecerdasan dan adaptasi. Mengevaluasi kemampuan
adaptasi antarmuka, Gajos [25] melaporkan kepuasan pengguna terbesar dan peningkatan kinerja dengan
meningkatkan akurasi atas prediktabilitas dalam antarmuka pengguna.

2.2. Metode Kecerdasan Buatan untuk IUI

Pengembangan IUI sangat diuntungkan dari sejumlah metodologi, strategi, dan konsep
bidang AI. Metode AI telah diperkenalkan ke bidang IUI untuk menciptakan HCI yang lebih alami
dan efisien. Berdasarkan bagaimana AI disertakan dalam IUI, kami mengenali [26] asisten cerdas,
sistem bimbingan cerdas, sistem bantuan dan dukungan cerdas, sistem pendukung keputusan,
agen cerdas kooperatif, dan asisten dialog. Terutama, AI termasuk dalam IUI dalam bentuk agen
cerdas, algoritma, alat, dan asisten [10]. ML telah menjadi salah satu pendekatan yang paling
banyak digunakan di bidang AI untuk mengembangkan perangkat lunak yang berguna untuk visi
komputer, pengenalan suara, pemrosesan bahasa alami, kontrol robot, dan aplikasi lainnya [27].
Karena belajar dari data masa lalu dan menawarkan peningkatan otomatis dari waktu ke waktu,
mengabaikan kebutuhan untuk input pemrograman secara manual dan output yang sesuai, ia
menawarkan cara baru untuk adaptasi, rekomendasi, bantuan, deteksi, ilustrasi, dan pemanfaatan
yang lebih baru, lebih cepat, dan lebih akurat. dalam antarmuka pengguna.
Berdasarkan gaya belajar, algoritma dan metode ML dapat dikategorikan ke dalam [28]:
(1) algoritma pembelajaran yang diawasi, yaitu teknik ML yang dapat diterapkan sesuai dengan apa yang
telah dipelajari sebelumnya untuk memperoleh data baru menggunakan data berlabel dan untuk memprediksi
peristiwa atau label di masa mendatang (misalnya, Klasifikasi, Support Vector Machine, Analisis Diskriminan,
Naïve Bayes, Neural Network, Extreme Machine Learning , Mesin Vektor Relevansi, Proses Gaussian, Algoritma
Gabungan, dll.),(2) algoritma pembelajaran tanpa pengawasanadalah algoritma tanpa supervisor untuk
memandu atau mengoreksi, sering digunakan ketika informasi yang tidak berlabel atau tidak diklasifikasikan
hadir untuk melatih sistem (misalnya, Clustering, Hierarchical ML, Campuran Gaussian Tanpa Pengawasan,
Model Markov Tersembunyi, K-means, Fuzzy C-means, Neural Networks ,
Sensor2022,22,
4 dari

dll.),(3) algoritma pembelajaran semi-diawasi, yang berada di antara kategori pembelajaran terawasi
dan tidak terawasi yang menggunakan data tidak berlabel dan berlabel untuk tujuan pelatihan (misalnya,
algoritme yang menerapkan teknik pelatihan mandiri, algoritme pembelajaran semi-terawasi berbasis
grafik, seperti Graph Neural Networks, Graph Convolutional Networks, dll.), dan(4) algoritma
pembelajaran penguatanyaitu jenis metode pembelajaran yang memberikan penghargaan atau
hukuman berdasarkan pekerjaan yang dilakukan oleh sistem (misalnya, pembelajaran penguatan
berbasis model, pembelajaran penguatan bebas model, dll.).

2.3. Pekerjaan yang berhubungan

Dalam dekade terakhir, beberapa studi sekunder yang berhubungan dengan bidang IUI telah
dilakukan. Membedakan dalam ruang lingkup, beberapa berfokus pada penerapan IUI di bidang
tertentu [6], sedangkan yang lain [29] memberikan gambaran interdisipliner yang lebih luas dari sistem
cerdas. Meskipun beberapa paralel dapat diamati dengan pekerjaan yang ada, kurangnya fokus pada
evaluasi dapat diamati dalam pekerjaan saat ini, sedangkan karakteristik lebih lanjut membuat
penelitian kami yang pertama dari jenisnya di lapangan.
Pertama, penelitian kami membedakan dengan kata kunci yang digunakan untuk pencarian
literatur. Studi sebelumnya memasukkan berbagai jenis antarmuka pengguna lainnya dalam
ulasan mereka, seperti antarmuka pengguna yang cerdas, peka konteks, dan multi-modal [5] atau
antarmuka pengguna adaptif [5-8]. Selain itu, ref. [9] termasuk interaksi cerdas, sedangkan [29]
memperluas tinjauan ke transparansi, kemampuan menjelaskan, dan interpretasi konteks. Salah
satu studi sekunder [8] hanya berfokus pada antarmuka pengguna yang adaptif dan adaptif. Meta-
analisis artikel konferensi dari konferensi antarmuka Pengguna Cerdas Internasional ACM [10]
memberikan ulasan serupa pada aspek konten dengan fokus pada kata kunci “cerdas”. Namun,
pembatasan pada satu, meskipun utama, ruang publikasi konferensi tidak serta merta
memberikan gambaran yang jelas tentang seluruh bidang. Selain itu, tidak ada studi sekunder
yang ada yang hanya berfokus pada memberikan gambaran umum tentang IUI dan evaluasinya.
Gambaran lengkap dari studi sekunder terkait disajikan pada Tabel1.

Tabel 1.Ikhtisar studi terkait.

Belajar Ketentuan jumlah dari metode Permintaan Pencarian Database

Digunakan Studi

[6] AUI, IUI 43 SMS (Antarmuka Pengguna Cerdas ATAU IUI ATAU Perpustakaan Digital ACM,
Antarmuka Pengguna Adaptif) DAN (Teknologi* ATAU IEEEXplore, Springer Link
Desain* ATAU Meth*)

[10] IUI 1111 Meta-Analisis "cerdas" Konferensi ACM IUI

[7] AUI, IUI 165 SLR “(((((((((((((((((((((((((((((((((((((((((((((((((((((mumu-nya-nya-nya- ACM Digital Library,
nya)-)) Desain UI (Desain Dinamis) ATAU Plastisitas) ATAU Cambridge Journals, EBSCO
Adaptif) ATAU Adaptasi) ATAU Adaptasi(adaptasi) OR Host, IEEEXplore, Oxford
Adaptivitas) ATAU Universal Usability) ATAU di mana- Journals, Sage Journals, Saudi
mana) OR Desain Inklusif) ATAU meresap) DAN Desain Digital Library, ScienceDirect,
Antarmuka Pengguna) ” SciSearch, Scopus, Springer
Link, Web of Knowledge,
Wiley
[29] Dapat dijelaskan 12,701 Analisis literatur Pemilihan manual diperluas dengan pencarian Google Cendekia, Scopus
AI kata kunci untuk “dapat dipahami”, “dapat
ditafsirkan”, “transparansi”, “kotak kaca”, “kotak
hitam”, “dapat ditelusuri”, “kontrafaktual” dan
“dapat dijelaskan”

[9] HCII, IUI 454 SMS "interaksi cerdas" ATAU "antarmuka Perpustakaan Digital ACM,
pengguna yang cerdas" IEEEXplore, ScienceDirect,
Scopus, Web of Science
Sensor2022,22,
5 dari

Tabel 1.Lanjutan.

Belajar Ketentuan jumlah dari metode Permintaan Pencarian Database

Digunakan Studi

[8] AUI dan 63 Sistematis dan em- Evaluasi yang berpusat pada pengguna dari sistem yang Perpustakaan Digital ACM, ERIC,
mudah beradaptasi sastra pirical kembali dipersonalisasi Easy-D, IEEEXplore, INSPEC,
sistem melihat PsycInfo, ScienceDirect, Scopus,
Web of Science
[30] UI alami 56 SMS (“antarmuka pengguna alami*” ATAU “antarmuka Perpustakaan Digital ACM,
alami*” ATAU “interaksi pengguna alami*” ATAU Desa Teknik, IEEEXplore,
“komunikasi pengguna alami*” ATAU “komunikasi Scopus, ScienceDirect
alami”) DAN intervensi (“alat” ATAU “kerangka”
ATAU “teknik” ATAU “metode ATAU "model" ATAU
"proses" ATAU "pedoman" ATAU "pola" ATAU
"metrik" ATAU "pendekatan" ATAU "inspeksi"
ATAU "prinsip" ATAU "aspek" ATAU "persyaratan"
ATAU "heuristik" ATAU "metodologi" ATAU
“mekanisme”) DAN hasil (“Evaluasi kegunaan”
ATAU “Penilaian kegunaan” ATAU “Peningkatan
kegunaan” ATAU “evaluasi ux” ATAU “penilaian ux”
ATAU “peningkatan ux” ATAU “evaluasi
pengalaman pengguna” ATAU “penilaian
pengalaman pengguna” ATAU “penilaian
pengalaman pengguna” ATAU “penilaian
pengalaman pengguna” ATAU “penilaian
pengalaman pengguna mengalami peningkatan”)

[5] UI, UI, 151 SLR “antarmuka pengguna yang cerdas” ATAU Scopus, Web Ilmu Pengetahuan
Multi- “Antarmuka pengguna yang cerdas” ATAU
modal UI, “antarmuka pengguna yang adaptif” ATAU
Antarmuka Cerdas “antarmuka pengguna yang peka konteks” ATAU
“antarmuka pengguna multimodal” ATAU
“antarmuka komputer manusia yang cerdas”
ATAU “Antarmuka komputer manusia yang
cerdas” ATAU “komputer manusia yang adaptif”
antarmuka" ATAU "antarmuka komputer manusia
yang peka konteks" ATAU "antarmuka komputer
manusia multimodal" ATAU "antarmuka mesin
manusia yang cerdas" ATAU "antarmuka mesin
manusia yang cerdas" ATAU "antarmuka mesin
manusia yang adaptif" ATAU "antarmuka mesin
manusia yang peka konteks" ATAU "manusia
multimodal" antarmuka mesin" ATAU "antarmuka
pengguna grafis cerdas" ATAU "Antarmuka
pengguna grafis cerdas" ATAU "antarmuka
pengguna grafis adaptif" ATAU "antarmuka
pengguna grafis peka konteks" ATAU "antarmuka
pengguna grafis multimodal" ATAU "IUI"

SMS: Studi pemetaan sistematis, SLR: Tinjauan literatur sistematis.

Sebuah meta-analisis [10] artikel yang diterbitkan dalam Konferensi Internasional ACM tentang
Antarmuka Pengguna Cerdas dalam 25 tahun terakhir, yang berfokus pada entitas cerdas dalam artikel
IUI, dilakukan pada tahun 2020. Entitas cerdas yang paling umum dijelaskan tetap antarmuka, sistem,
agen, asisten, sistem bimbingan, dan algoritma. Salah satu tantangan yang diakui menyoroti kebutuhan
yang berkembang untuk evaluasi dan standar di lapangan. Co-deskriptor yang paling sering digunakan
dengan istilah ini adalah cerdas, otonom, adaptif, interaktif, dinamis, alami, dan sadar konteks.

Sebuah studi pemetaan sistematis [6] dilakukan pada tahun 2017, dengan fokus pada adopsi
teknologi IUI dengan teknologi Ambient Assisting Living. Artikel yang terhubung ke antarmuka
pengguna yang adaptif dan cerdas dianalisis. Aplikasi, grafik, dan perangkat lunak visual adalah
Sensor2022,22,
6 dari

diakui sebagai solusi perangkat lunak yang paling sering disajikan dengan IUI. Evaluasi IUI,
bagaimanapun, tidak dianalisis. Presentasi prototipe diamati sebagai metode validasi yang
paling umum digunakan. Di [5], hasil awal tinjauan literatur sistematis disajikan, dengan
fokus pada tren desain IUI dan cara pengembangannya. Meningkatnya jumlah aplikasi IUI
dalam domain kesehatan disorot, dan konteks, dialog, dan model pengguna disajikan
sebagai yang paling banyak dikutip dalam semua solusi yang diamati. Lima kategori
antarmuka pengguna diakui: antarmuka pengguna adaptif, antarmuka pengguna peka
konteks, antarmuka pengguna cerdas, antarmuka pengguna multi-modal, dan antarmuka
pengguna cerdas, dengan yang pertama menjadi ekspresi yang paling banyak digunakan.
Tinjauan literatur sistematis [7] menganalisis kegunaan universal melalui plastisitas,
dengan fokus pada antarmuka adaptif dan adaptif, di mana tren menuju antarmuka
pengguna adaptif dikenali. Adaptasi terhadap kebutuhan pengguna individu diamati,
terutama beban kerja mental dan tingkat stres. Untuk mengamati pertukaran bahwa
antarmuka konteks-sadar adaptif hadir untuk kegunaan, evaluasi kinerja plastisitas
antarmuka pengguna dilakukan di bagian kedua penelitian. Kesenjangan penelitian dalam
menentukan kegunaan dan efektivitas IUI diakui, dan kebutuhan untuk optimalisasi trade-off
kegunaan diindikasikan. Kesenjangan penelitian dalam membandingkan kegunaan dan
efektivitas IUI dibandingkan dengan AUI juga dicatat.
Dalam salah satu analisis literatur interdisipliner terluas, Ref. [29] menganalisis lebih dari dua belas
ribu artikel dari berbagai bidang penelitian, seperti HCI, psikologi, dan kecerdasan buatan, dengan fokus
pada tren dalam sistem yang dapat dijelaskan dan AI yang dapat dijelaskan. Kelompok penelitian yang
menghubungkan bidang-bidang ini diakui, terutama kausalitas dan psikologi penjelasan; keadilan
algoritmik, transparansi, dan pembelajaran mesin yang dapat ditafsirkan; sistem cerdas dan ambien;
interaksi, kemampuan belajar perangkat lunak, dan sistem ambien dan cerdas. Tren migrasi dari kluster
Bayesian Networks ke ML yang dapat diinterpretasikan untuk penjelasan dan tren berfokus pada
mendapatkan kepercayaan individu untuk bergerak menuju kepercayaan institusional dijelaskan.
Penjelasan psikologi kognitif, desain interaksi, dan kemampuan belajar perangkat lunak dalam
kombinasi dengan evaluasi empiris disarankan sebagai sarana untuk meningkatkan kegunaan.

Evaluasi yang berpusat pada pengguna dari sistem adaptif dan adaptable dianalisis di [8]
pada tahun 2008, dengan kegunaan, manfaat yang dirasakan, dan kesesuaian adaptasi menjadi
tiga variabel yang paling sering dinilai dalam studi primer yang diamati. Pada saat itu, kuesioner
adalah metode yang paling populer untuk mengevaluasi antarmuka adaptif dan adaptif, diikuti
oleh wawancara dan analisis data log. Evaluasi terutama difokuskan pada sistem yang
dipersonalisasi.
Studi pemetaan sistematis serupa yang meneliti kegunaan dan evaluasi UX dilakukan dengan
fokus pada antarmuka pengguna alami [30]. Ditemukan bahwa teknologi yang diamati hanya
mengevaluasi satu aspek antarmuka pengguna alami; kegunaan atau UX tetapi tidak
mempertimbangkannya bersama. Sebagian besar evaluasi bersifat kuantitatif, dan aspek
kegunaan dan UX yang paling sering dievaluasi adalah kepuasan pengguna, efektivitas, efisiensi,
dan kinerja. Dalam studi pemetaan sistematis baru-baru ini dan terkait [9], fokusnya secara luas
ditempatkan pada mengidentifikasi dan menganalisis metode dan algoritme AI dan teknologi
sensor canggih dalam penelitian interaksi cerdas manusia-komputer (HCII) yang ada untuk
mengeksplorasi tren dalam penelitian HCII. Fokus utama dalam studi HCII adalah pengenalan
emosi, gerak tubuh, dan ekspresi wajah secara cerdas menggunakan teknologi sensor, seperti
kamera, EEG, Kinect, sensor yang dapat dipakai, pelacak mata, dan giroskop. Kesenjangan
penelitian lebih lanjut dalam mengevaluasi kegunaan dan UX dari studi serupa ditunjukkan.

3. Bahan dan Metode

Studi ini dilakukan dengan tujuan untuk menyusun dan mengkategorikan studi tentang
IUI dan evaluasi antarmuka tersebut. Protokol untuk melakukan studi pemetaan sistematis,
yang ditulis oleh Petersen et al. [31], diikuti. Proses memperoleh dan menganalisis studi
utama disajikan pada Gambar1. Penyimpangan dari protokol harus diperhatikan dalam
langkah ekstraksi data, karena didasarkan pada tinjauan seluruh artikel, bukan hanya
Sensor2022,22,
7 dari

penyaringan abstrak dan kata kunci. Protokol juga diperluas dengan perbaikan berulang
dari skema klasifikasi selama studi percontohan, dilakukan pada 40 artikel.
Proses penelitian dalam penelitian ini dibagi menjadi lima tahap. Pertama, pertanyaan
penelitian yang disajikan pada Tabel2didefinisikan. Kedua, ruang lingkup penelitian ditinjau
dengan penelitian pendahuluan di database yang dipilih, dengan jumlah makalah yang
diambil dari perpustakaan digital terpilih disajikan pada Tabel3. Selanjutnya, kriteria inklusi
dan eksklusi, disajikan pada Tabel4didefinisikan dan digunakan. Jumlah studi, diamati di
setiap langkah disajikan pada Tabel5. Berdasarkan tinjauan pekerjaan terkait dan pertanyaan
penelitian kami, skema klasifikasi ditentukan. Selanjutnya dilakukan penyaringan artikel
berdasarkan abstrak, dan artikel yang relevan diekstraksi untuk dibaca lebih lanjut. Skema
klasifikasi direvisi dan diperluas pada saat ini, dengan versi final disajikan pada Tabel6. Pada
langkah selanjutnya, ekstraksi data dilakukan berdasarkan membaca seluruh artikel.
Terakhir, beberapa visualisasi dalam bentuk peta sistematis dibuat seperti yang disajikan
pada hasil di Bagian4.

Gambar 1.Proses studi pemetaan sistematis diadaptasi dari Petersen et al. [31].

Meja 2.pertanyaan penelitian.

Pertanyaan penelitian

RQ1 Bagaimana tren dan demografi literatur di bidang IUI? Subpertanyaan

berikut dirumuskan:
RQ1.1 Berapa jumlah publikasi tahunan di bidang IUI?
RQ1.2 Tren demografi dan literatur apa yang bisa kita amati dalam sepuluh tahun terakhir di bidang
IUI?
RQ1.3 Venue mana yang menjadi target utama penelitian IUI? Manakah studi yang
RQ1.4 paling banyak dikutip dalam dekade terakhir di bidang IUI?
RQ1.5 Kontributor dari negara mana yang paling aktif di bidang IUI (berdasarkan lembaga
afiliasinya)?
RQ1.6 Bagaimana IUI didefinisikan dalam dekade terakhir?
RQ2 Apa ruang penelitian literatur dalam bidang IUI dalam dekade terakhir?
Subpertanyaan berikut dirumuskan:
RQ2.1 Metode apa yang digunakan untuk melakukan penelitian di bidang
RQ2.2 IUI? Domain mana yang terhubung ke publikasi IUI?
RQ2.3 Solusi seperti apa yang ditawarkan dalam kontribusi di bidang IUI? Apakah
RQ2.4 solusi yang diusulkan digunakan dalam sistem kontemporer lainnya?
RQ2.5 Entitas cerdas mana yang menjadi subjek penelitian IUI?
RQ2.6 Bagaimana kecerdasan buatan termasuk dalam bidang IUI?

RQ3 Bagaimana evaluasi antarmuka pengguna yang cerdas dilakukan? Subpertanyaan

berikut dirumuskan:
RQ3.1 Bagaimana peneliti mengevaluasi IUI (UX, kegunaan)?
RQ3.2 Metode evaluasi apa yang digunakan?
RQ3.3 Berapa banyak pengguna atau pakar yang termasuk dalam evaluasi?
RQ3.4 Faktor-faktor apa yang dipertimbangkan dalam evaluasi IUI?
RQ3.5 Apakah solusi IUI yang diusulkan meningkatkan kegunaan dan pengalaman pengguna?
Sensor2022,22,
8 dari

Tabel 3.Artikel diambil dari perpustakaan digital yang dipilih menggunakan kueri yang disajikan.

Perpustakaan Jumlah Makalah

Perpustakaan Digital ACM 256

Jelajahi 1852
SainsLangsung 546
Scopus 4205
Web Ilmu Pengetahuan 2989
Bersama 9849

3.1. Definisi Pertanyaan Penelitian

Tujuan utama studi ini adalah untuk menemukan, menilai, dan mensintesis karya mutakhir
yang ada di bidang IUI dengan fokus tambahan pada evaluasi IUI. Tujuan utama dari penelitian ini
ada tiga; (1) untuk melakukan studi pemetaan sistematis wilayah IUI dengan meninjau secara
cermat publikasi ilmiah mutakhir yang penting, (2) untuk mengenali tren dan melakukan analisis
demografi bidang penelitian IUI, dan (3) untuk memberikan gambaran umum tentang keadaan
dan tren evaluasi IUI saat ini. Kami mengembangkan tiga pertanyaan penelitian utama
berdasarkan tujuan penelitian: RQ1, RQ2, dan RQ3. Sub-pertanyaan lebih lanjut disajikan untuk
organisasi yang lebih baik dari gambaran mendalam. Pertanyaan penelitian dan subpertanyaan
terkait diberikan dalam Tabel2.

3.2. Melakukan Pencarian dan Penyaringan

Berdasarkan pertanyaan penelitian yang ditentukan dan gambaran umum dari karya terkait, kata
kunci yang cocok untuk menemukan semua karya yang diterbitkan dengan tema IUI ditentukan. Kata
kunci yang luas digunakan untuk menawarkan tinjauan menyeluruh dari bidang studi karena kami ingin
menyajikan gambaran yang komprehensif dari topik penelitian. Kueri berikut digunakan untuk
menemukan studi utama:

"antarmuka pengguna yang cerdas" ATAU "antarmuka pengguna yang cerdas" ATAU "IUI"

Dalam proses pemilihan sumber data, relevansi dan ukuran perpustakaan digital
dipertimbangkan serta protokol dari studi terkait. Database yang dipilih adalah ACM Digital
Library, IEEEXplore, ScienceDirect, Scopus, dan Web of Science. Pencarian dilakukan pada 20
Januari 2022. Secara keseluruhan, 9849 artikel yang mungkin relevan diperoleh. Jumlah
artikel penelitian tertinggi yang mungkin relevan ditemukan di perpustakaan digital Web of
Science.
Ruang lingkup penelitian yang mungkin relevan dikurangi pada langkah berikutnya berdasarkan
kriteria inklusi dan eksklusi yang telah ditentukan, yang disajikan pada Tabel4. Setelah memperkenalkan
kriteria inklusi I1–I4, jumlah studi yang relevan dikurangi menjadi 1036, seperti yang disajikan pada Tabel
5. Beberapa artikel telah muncul di repositori yang berbeda. Dalam kasus ini, mereka dianggap hanya
sekali dalam tinjauan dan dikaitkan dengan tampilan repositori pertama, menurut urutan pencarian yang
dilakukan (IEEEXplore, ACM Digital Library, Scopus, Web of Science, ScienceDirect). Menghapus duplikat
mengurangi jumlahnya menjadi 607, dan menyaring abstrak menguranginya menjadi 376. Setelah
langkah ini, klasifikasi dilakukan, dan beberapa studi tambahan dihapus, sebagian besar karena panjang
artikel atau fokus di luar bidang IUI. Lingkup akhir dari studi primer yang termasuk dalam tinjauan kami
adalah 211 artikel.

Tabel 4.Kriteria inklusi dan eksklusi.

Kriteria
Keterangan
I1 Bidang
Sertakan studi yang membahas interaksi cerdas atau antarmuka
I2 Bahasa pengguna cerdas.
I3 Jenis sastra Sertakan studi yang ditulis dalam bahasa Inggris.

Sertakan studi yang diterbitkan dalam jurnal peer-review,

I4 Tahun prosiding konferensi, atau majalah.
Sertakan literatur yang diterbitkan pada tahun 2012 dan setelahnya.
Sensor2022,22,
9 dari

Tabel 4.Lanjutan.

Kriteria
Keterangan
E1 Area penelitian
Kecualikan literatur non-ilmu komputer atau interaksi non-
manusia-komputer.
E2 Duplikat
Kecualikan studi duplikat yang ditemukan di beberapa
E3 Bidang
database. Kecualikan studi di luar lingkup IUI.
E4 Kelengkapan Kecualikan makalah yang panjangnya kurang dari dua halaman yang tidak
memberikan informasi yang cukup tentang penelitian yang dilakukan.
E5 Ketersediaan
Kecualikan kertas yang tidak dapat diakses secara elektronik.

Tabel 5.Langkah-langkah dalam penyaringan dan pemilihan literatur yang relevan.

Melangkah Aktivitas Jumlah Makalah

Saya Eksekusi kueri di perpustakaan digital (I1–I4 diterapkan) 1036

II Menghapus duplikat (E2 diterapkan) 607
AKU AKU AKU Penyaringan berdasarkan artikel dan abstrak (diterapkan E1, E3) 376
IV Penyaringan dengan membaca naskah secara cepat (menerapkan E4, E5) 211

3.3. Klasifikasi dan Ekstraksi Data

Strategi ekstraksi data dirancang untuk memberikan jawaban atas pertanyaan penelitian
yang disajikan pada bagian sebelumnya (Tabel2). Untuk memastikan konsistensi dalam proses
klasifikasi, aturan tentang pengkodean data mengenai karakteristik studi dan hasilnya ditentukan
terlebih dahulu. Skema klasifikasi dengan variabel ekstraksi tertentu diuraikan dalam Tabel6.

Kami mengklasifikasikan studi yang dipilih berdasarkan:jenis penelitianseperti yang disarankan

oleh [32] sebagai penelitian validasi, penelitian evaluasi, usulan solusi, artikel filosofis, artikel opini, dan
artikel pengalaman. Kami telah memperluas klasifikasi ini lebih lanjut dengan tinjauan literatur kategori,
yang memungkinkan kami untuk memasukkan studi sekunder dari sampel kami. Jenis penelitian tidak
boleh disamakan dengan banyak metode penelitian yang digunakan, terutama dalam hal evaluasi.
Menyertakan metode evaluasi terbatas (biasanya, sebagai metode penelitian sekunder atau tersier yang
digunakan dalam artikel) tidak berarti bahwa penelitian tersebut dianggap sebagai artikel evaluasi. Jika
ruang lingkup evaluasi dalam pandangan seluruh studi terbatas (misalnya, pekerjaan yang dilakukan di
lab [31]), tidak boleh dianggap sebagai studi evaluasi. Perbedaan utama antara penelitian evaluasi dan
validasi adalah yang pertama menjelaskan metode yang belum diterapkan dalam praktik yang sedang
diselidiki, sedangkan yang kedua menyelidiki teknik dalam praktik, terutama di luar pengaturan
laboratorium [32].
Kedua, kami mencatatjenis publikasisebagai artikel jurnal atau artikel konferensi, dengan artikel
prosiding dihitung sebagai artikel konferensi. Seperti disebutkan di bagian sebelumnya, IUI adalah
bidang multidisiplin dengan penekanan pada dua disiplin inti—ACI dan AI. patrick [33] menjelaskan lebih
jauh bidang-bidang yang terkait dengan IUI, dengan mencatat bahwa psikologi, ergonomi, faktor
manusia, ilmu kognitif, dan ilmu sosial juga memengaruhi bidang tersebut. Studi ini berfokus pada dua
disiplin inti dengansudutvariabel, di mana kami mencatat jika penelitian dilakukan dari sudut pandang
SE/AI, dari HCI, atau jika kedua domain diwakili dalam artikel. Denganmetodologivariabel, kami
mendokumentasikan metode penelitian yang digunakan dalam artikel. Sebuah variabelstrategi riset
utamadigunakan untuk menggambarkan pendekatan penelitian utama dalam studi yang diamati. Hanya
yang lazim yang diekstraksi jika beberapa pendekatan digunakan dalam penelitian ini. Dalam variabel
metode akuisisi data, semua metode umum yang digunakan untuk akuisisi data sebagai masukan untuk
penelitian diekstraksi. Jika penelitian mengusulkan atau menganalisis solusi perangkat lunak apa pun,
data diekstraksi sebagai:Jenis perangkat lunak. Selanjutnya, fase rekayasa dari solusi yang diusulkan
dicatat (jika berlaku) diFase rekayasa. Variabel klasifikasidomaindigunakan untuk menggambarkan
domain aplikasi utama artikel. Nilai untuk domain yang berlaku terutama dikumpulkan dari pekerjaan
terkait [5,6,9] dan diperluas dalam studi percontohan. Jika penelitian menggunakan definisi IUI apa pun,
mereka diekstraksi ke EC12 kata demi kata, bersama dengan sumber yang digunakan dalam definisi, jika
Sensor2022,22,
10

sumber disebutkan. Jika solusi yang dijelaskan adalah bagian dari sistem teknologi
kontemporer, ini dicatat dalam EC13.
Entitas cerdas diekstraksi ke variabelentitas cerdasseperti yang diidentifikasi oleh penulis
penelitian. Hanya entitas cerdas utama yang diidentifikasi untuk setiap studi. Dalam kasus di mana
sistem dicatat sebagai entitas cerdas utama, pemeriksaan tambahan dilakukan untuk memastikan
keberadaan kecerdasan di antarmuka pengguna, serta dalam sistem. Metode dan algoritma
kecerdasan buatan yang digunakan diekstraksi di EC14 dan diklasifikasikan. Dalam kasus di mana
pembelajaran mesin digunakan, klasifikasi algoritma atau pendekatan juga dicatat. Teknik ML
kemudian diklasifikasikan menurut gaya belajar yang digunakan [34,35] dalam (i) algoritme
pembelajaran terawasi, (ii) algoritme pembelajaran tanpa pengawasan, (iii) Pembelajaran semi-
terawasi, dan (iv) algoritme pembelajaran penguatan.

Tabel 6.Skema klasifikasi akhir.

Variabel Jawaban yang memungkinkan

EC1 Jenis penelitian Riset Evaluasi, Makalah Pengalaman, Kajian Literatur, Studi Longitudinal, Makalah Opini,
Makalah Filosofis, Proposal Solusi, Riset Validasi
EC2 Jenis publikasi Makalah konferensi, artikel Jurnal
EC3 Sudut Interaksi manusia-komputer, Kecerdasan buatan dan Rekayasa Perangkat Lunak
EC4 Metodologi Kuantitatif, Kualitatif, Campuran, Non-empiris, Tidak berlaku
EC5 Strategi penelitian utama Studi Kasus, Eksperimen, Studi Eksplorasi, Studi Kelayakan, Studi Lapangan, Grounded Theory,
Tinjauan Literatur, Lainnya, Prototipe, Survei, Studi Pengguna

EC6 Metode akuisisi data Wawancara, Mengamati pengguna, Pengembangan prototipe, Kuesioner, Tinjauan literatur
sistematis, Wizard of Oz, Konsultasi ahli manusia, Studi kasus, Simulasi, Evaluasi pengguna, Studi
laboratorium, Tinjauan literatur, Sensor, Evaluasi empiris, Kamera, Database, Perayapan data, Ponsel
sensor, Studi percontohan, Eksperimen, Data sistem (perilaku pengguna), Metrik kinerja sistem,
Survei, Lokakarya, Kumpulan data yang ada, Dalam studi mata pelajaran. Studi pengguna, Analisis
linguistik, Studi lapangan, Penambangan data, Pengukuran manual, Tes lapangan, Media sosial,
Lainnya

EC7 Jenis perangkat lunak Kamera, Studi kasus, Perayapan data, Penambangan data, Basis data, Evaluasi empiris, Kumpulan
data, Eksperimen, Studi lapangan, Konsultasi ahli manusia, Wawancara, Studi laboratorium, Tinjauan
literatur, Metode, Tidak ada, Mengamati pengguna, Lainnya, Studi percontohan, Evaluasi awal,
Pengembangan prototipe, Kuesioner, Sensor, Simulasi, Media sosial, Survei, Data sistem, Kinerja
sistem, Evaluasi pengguna, Studi pengguna, Wizard of oz, Workshop
EC8 Fase rekayasa Analisis, Desain, Implementasi, Pengujian, Tidak berlaku
EC9 Domain Pencetakan 3D, Akademisi, Aksesibilitas, Kartografi dan geolokasi, Komunikasi, Budaya,
Pendidikan, Energi, Energi, Hiburan dan permainan, Pabrik dan produksi, Mode, Keuangan,
Pemerintah, Kesehatan dan kesejahteraan, Perawatan kesehatan, Interaksi manusia-komputer,
Industri, Asuransi, Logistik dan kendaraan, Manajemen dan organisasi, Militer, Musik dan
audio, Tidak berlaku, Lainnya, Fotografi, Rekomendasi, Robotika, Penjualan, Keamanan,
Rekayasa Perangkat Lunak, Olahraga, Statistik dan analitik data, Pekerjaan dan produktivitas
EC10 Entitas cerdas Antarmuka, Mesin, Dukungan, Sistem rekomendasi, Sistem, Interaksi, Agen, Alat, Aplikasi,
Lingkungan, Perilaku, Agen antarmuka, Bantuan, Perangkat Lunak, Sistem bimbingan,
Algoritma, Metode, Kontrol, Robot, Antarmuka Multimedia, Sistem Informasi, Komponen,
Seleksi , Teknik, Asisten cerdas, Tidak berlaku, Model pengguna, UI Percakapan, Model
lain, Sistem dialog
EC11 Larutan Agen, Algoritma, Aplikasi, Pendekatan, Arsitektur, Bantuan, Browser, Dataset, Perangkat,
Evaluasi, Ikhtisar bidang, Kerangka, Pengenalan HCI, Interaksi, Metodologi, Model,
Pipeline, Platform, Plugin, Proses, Sistem Rekomendasi, Solusi Perangkat Lunak, Sistem,
Teknik/Metode, Alat, elemen UI, Antarmuka Pengguna
Sensor2022,22,
11

Tabel 6.Lanjutan.

Variabel Jawaban yang memungkinkan

EC12 definisi IUI

EC13 Bagian dari sistem kontemporer
EC14 Metode dan algoritma
kecerdasan buatan
EC15 evaluasi UX
EC16 Faktor yang dievaluasi dari UX
EC17 Metode Evaluasi UX
Definisi IUI dan sumber yang digunakan (jika tersedia)
Komputasi afektif, Kecerdasan Sekitar, Mengemudi otomatis, Kecerdasan Bisnis, Sistem Sensitif
Konteks, Sistem Perangkat Lunak Kontekstual, Sistem Interaktif, Internet of Things, Sistem
Sentuh Prediktif, Sistem Hidup Berbantuan Cerdas, Kota Cerdas, Pabrik Cerdas, Kesehatan
Cerdas, Rumah Pintar, Komputasi di mana-mana, VR/AR/MR, Komputasi yang dapat dipakai
Deskripsi terbuka
Ya, Tidak, Sebagian, Tidak berlaku
Penampilan, Persepsi, Kinerja, Ketersediaan, Kepuasan keseluruhan, Waktu, Efisiensi, Efektivitas,
Produktivitas, Keamanan kesalahan, Akurasi, Biaya, Kemudahan penggunaan, Lainnya
Pengujian AB, Pengujian otomatis, Eksperimen, Evaluasi berbasis pakar, Kelompok fokus, Wawancara, Tidak
ada, Tidak dapat diterapkan, Kuesioner, Protokol berpikir keras, Studi pengguna, Pengujian pengguna

EC18 UX ditingkatkan Ya, Ya – sebagian, Tidak, Tidak berlaku

EC19 Evaluasi kegunaan
EC20 Metode evaluasi kegunaan
Ya, Tidak, Sebagian, Tidak berlaku
Survei, Pengujian Pengguna, Evaluasi Heuristik, Wawancara, "protokol berpikir keras", Metrik
Kegunaan/Metrik Perangkat Lunak, Evaluasi Otomatis melalui Perangkat/Perangkat Lunak Perangkat
Lunak, Panduan Kognitif, Evaluasi Prototipe, "Lainnya, Tidak Ada, Evaluasi berbasis model, Evaluasi
berbasis tinjauan, Inspeksi fitur, Panduan Pluralistik, Inspeksi Kegunaan Formal, Kuesioner

EC21 Faktor kegunaan yang dievaluasi

Kemampuan untuk dipelajari, Ketepatan dapat dikenali, Pengoperasian, Perlindungan kesalahan pengguna, Estetika
antarmuka pengguna, Aksesibilitas, Lainnya (deskripsi terbuka)
EC22 Kegunaan ditingkatkan Ya, Ya—sebagian, Tidak, Tidak berlaku
EC23 Alat evaluasi Skala kegunaan sistem (SUS), indeks Beban Tugas NASA, Kuesioner untuk Kepuasan Interaksi
Pengguna (QUIS), Lainnya (deskripsi terbuka)
EC24 Jumlah pengguna uji Buka masukan
EC25 Jenis pengujian Manual, Otomatis

3.4. Analisis Definisi IUI

Analisis definisi IUI yang diekstraksi dilakukan berdasarkan protokol sederhana yang
digunakan dalam [36], di mana seratus definisi Industri 4.0 ditinjau. Pertama, kami mengekstrak
definisi dan sumbernya dari studi primer. Jika beberapa contoh definisi ditemukan, mereka
diekstraksi secara terpisah. Kemudian, kerangka klasifikasi terpisah digunakan untuk menentukan
ruang lingkup dan elemen pendefinisian dalam definisi IUI. Mengamati ruang lingkup, kami
mengklasifikasikannya sebagai (i) definisi bidang dan domain (memposisikan IUI di area penelitian
yang lebih besar), (ii) definisi antarmuka pengguna (yaitu, definisi karakteristik antarmuka
pengguna yang cerdas), (iii) ad- definisi hoc, yang berfokus pada deskripsi singkat properti IUI
yang penting untuk studi tertentu, dan (iv) definisi teknologi, yang berfokus pada aspek teknis IUI.
Selanjutnya, karakteristik khas diekstraksi, diikuti oleh tindakan yang dilakukan oleh IUI dan
penyebutan teknologi penting untuk IUI (yaitu, AI dan ML). Terakhir, detail tentang adaptasi
diekstraksi, terutama apa yang diadaptasi dan apa yang memicu adaptasi antarmuka. Skema
klasifikasi disajikan pada Tabel7.

Tabel 7.Skema klasifikasi untuk analisis definisi IUI.

Variabel

EC1
EC2 Referensi
EC3 Cakupan

EC3 Karakteristik khas

EC4 Tindakan yang dilakukan
Teknologi yang disebutkan
EC5
EC7 Adaptasi ke
Apa yang diadaptasi?
Sensor2022,22,
12

4. Hasil
Pada bagian ini, hasil yang diperoleh dari analisis 211 studi utama disajikan.
Gambaran umum dari semua studi yang disertakan dan klasifikasinya (termasuk
variabel klasifikasi esensial saja) tersedia sebagai bahan tambahan.

4.1. Tren dan Demografi di Bidang IUI

Seperti yang divisualisasikan pada Gambar2, kita dapat mengamati tren peningkatan jumlah artikel
konferensi dan jurnal yang diterbitkan hingga tahun 2020. Data untuk tahun 2022 tidak lengkap karena
pengumpulan studi utama diselesaikan pada Januari 2022. Beberapa penurunan kecil dalam jumlah studi
yang diterbitkan dapat diamati pada tahun 2020 dan 2021. Namun, jumlah artikel jurnal yang diterbitkan
pada Januari 2022 di bidang IUI mencapai jumlah keseluruhan artikel yang diterbitkan tahun lalu,
menunjukkan peningkatan minat di bidang tersebut. Mayoritas (76%) artikel telah diterbitkan sebagai
artikel konferensi, seperti yang diilustrasikan pada Gambar3.

makalah
25 konferensi
artikel jurnal

20

15
Jumlah studi

10

0
2 012 2 014 2 016
2 018 2 020 2 022
Bertahun-tahun

Gambar 2.Jenis studi utama menurut tahun (N = 211).

Gambar 3.Studi primer menurut jenisnya (N = 211).

Meja8memberikan gambaran umum tentang publikasi dan konferensi di mana artikel yang
diamati tentang IUI diterbitkan. Jurnal yang paling terwakili di bidang IUI adalah ACM Transactions
on Interactive Intelligent Systems (sembilan artikel), berinteraksi dengan komputer (tiga artikel),
dan IEEE Access (dua artikel). Semua jurnal yang disebutkan adalah peer-review. Konferensi
terkemuka untuk publikasi dari bidang IUI adalah Konferensi Internasional tentang Antarmuka
Pengguna Cerdas (44 artikel), diikuti oleh artikel prosiding yang diterbitkan dalam Catatan Kuliah
di Ilmu Komputer (19 artikel) dan prosiding Workshop CEUR (10 artikel).
Sensor2022,22,
13

Tabel 8.Jurnal dan konferensi yang paling banyak diwakili (jumlah artikel yang disertakan > 1).

Jurnal Jumlah Makalah

Transaksi ACM pada Sistem Cerdas Interaktif 2020 9

Berinteraksi dengan Komputer 3
Akses IEEE 2022 2
Konferensi Jumlah Makalah

Konferensi Internasional ACM tentang Antarmuka Pengguna Cerdas (dan pendamping) 44

Catatan Kuliah di Ilmu Komputer (termasuk subseri) 19
Prosiding Workshop CEUR 10
Konferensi Faktor Manusia dalam Sistem Komputasi 6
Seri Prosiding Konferensi Internasional ACM 5
Komunikasi dalam Ilmu Komputer dan Informasi 3
ICAART—Konferensi Internasional ke-11 tentang Agen dan Kecerdasan Buatan 3
ICMI—Konferensi Internasional tentang Interaksi Multimodal 3
Kemajuan dalam Sistem Cerdas dan Komputasi ICEIS—Konferensi 2
Internasional tentang Sistem Informasi Perusahaan 2

Sepuluh artikel yang paling banyak dikutip dari studi yang diamati disajikan dalam Tabel9. Lima di
antaranya telah diterbitkan pada Konferensi Internasional ACM tentang Antarmuka Pengguna Cerdas,
sedangkan artikel yang paling banyak dikutip (S183) diterbitkan dalam jurnal IEEE Transactions on
Multimedia. Untuk memerangi efek usia dalam kutipan artikel, jumlah rata-rata kutipan tahunan juga
dicatat. Umumnya, jumlah kutipan meningkat pada tahun-tahun pertama setelah publikasi mencapai
puncaknya, dan kemudian artikel-artikel tersebut semakin sedikit dikutip seiring berjalannya waktu.
Wawasan lebih lanjut tentang tren kutipan selama bertahun-tahun di bidang IUI disediakan pada
Gambar4, di mana tren jumlah yang lebih tinggi dari akumulasi kutipan dalam studi yang lebih tua
terlihat. Seperti yang disarankan oleh Bornmann [37], studi terbaru yang diterbitkan dalam dua tahun
terakhir dipisahkan dalam analisis bibliometrik untuk menghindari temuan palsu atau menyesatkan.
Jumlah rata-rata kutipan dalam studi yang diamati dari beberapa tahun terakhir (2012–2019) adalah 9,1
(N = 160, SD = 14,1). Dalam artikel tidak terbaru yang diamati, artikel jurnal rata-rata memiliki jumlah
kutipan yang lebih tinggi (M = 9,4, N = 52, SD = 17,1) daripada artikel konferensi (M = 8.1, N = 124, SD =
13,2) dan majalah artikel (empat kutipan).

Gambar 4.Jumlah kutipan menurut tahun.

Sensor2022,22,
14

Tabel 9.Sepuluh artikel yang paling banyak dikutip.

Judul Jurnal/Konferensi Tahun Tidak. dari Rata-rata Tahunan

kutipan kutipan
Mesin Vektor Dukungan Teratur Hessian untuk Transaksi IEEE di Multimedia 2013 98 10.9
Anotasi Gambar Seluler di Cloud
Frekuensi: Penambangan Interaktif dan Visualisasi Konferensi Internasional ACM tentang 2014 82 10.3
Urutan Kejadian Sering Temporal Antarmuka Pengguna Cerdas
Pengambilan Keputusan yang Terukur dengan GSR dan Analisis Transaksi ACM pada Interaksi 2015 62 8.9
Pupil untuk Antarmuka Pengguna yang Cerdas Manusia Komputer
Rhema: Antarmuka Cerdas In-Situ Real-Time untuk Membantu Konferensi Internasional ACM tentang 2015 61 8.7
Orang Berbicara di Depan Umum Antarmuka Pengguna Cerdas
Menjelajahi umpan balik vibrotaktil pada tubuh dan kaki Seri Prosiding Konferensi 2015 55 7.9
untuk tujuan navigasi pejalan kaki Internasional ACM
Penjelasan yang dipersonalisasi untuk sistem rekomendasi Konferensi Internasional ACM tentang 2019 52 17.3
hibrid Antarmuka Pengguna Cerdas
Baris Westland mengapa begitu lambat? Menggabungkan media Konferensi Internasional ACM tentang 2013 48 5.3
sosial dan sumber data tertaut untuk memahami kondisi lalu lintas Antarmuka Pengguna Cerdas
waktu nyata

Perbandingan Kelompok Urutan Peristiwa dengan Integrasi Konferensi Internasional ACM tentang 2015 45 6.4
Seimbang dari Analisis Visual dan Statistik Antarmuka Pengguna Cerdas
Keduanya lengkap dan benar? Optimalisasi multi- Konferensi Faktor Manusia dalam 2014 37 6.6
tujuan keyboard layar sentuh Sistem Komputasi
Analisis visual yang berpusat pada pengguna menggunakan arsitektur Sistem Pendukung Keputusan 2012 34 3.4
penalaran hibrida untuk unit perawatan intensif

Untuk mendapatkan gambaran yang lebih baik tentang siapa yang berkontribusi di
lapangan dan secara ilmiah mempromosikan mata pelajaran IUI, kami melihat institusi
penulis awal dan lokasi mereka. Sebagian besar institusi primer berlokasi di Amerika Serikat
(56 artikel), Jerman (25 artikel), Inggris (13 artikel), Cina (9 artikel), Jepang (8 artikel), Prancis
(7 artikel), dan Irlandia (6 artikel ). Mayoritas peneliti di bidang IUI aktif di Eropa (42%)– dan—
Amerika Utara (28%), diikuti oleh Asia (12%). Ikhtisar negara-negara teratas mengenai
kontribusi ke bidang IUI disajikan pada Tabel10.

Tabel 10.Negara-negara teratas mengenai kontribusinya pada literatur.

Negara Jumlah Makalah %

Amerika Serikat 56 27%
Jerman 25 12%
Britania Raya 13 6%
Cina 9 4%
Jepang 8 4%
Perancis 7 3%
Irlandia 6 3%
Belgium 5 2%
Brazil 5 2%
Israel 5 2%
Italia 5 2%
Australia 5 2%
Austria 5 2%
Rusia 5 2%
Spanyol 5 2%

Untuk mengatasi masalah yang sedang berlangsung dari definisi IUI yang tidak seragam, kami
mengekstrak definisi yang digunakan dalam artikel utama. Secara keseluruhan, 38 contoh definisi IUI
diekstraksi, dengan sembilan artikel menyajikan dua definisi. Paling representatif menurut nomornya
Sensor2022,22,
15

waktu yang digunakan adalah—Maybury [11] definisi asli, digunakan oleh tiga pasal (S34, S56, dan S138);
“Antarmuka pengguna cerdas (IUI) adalah antarmuka manusia-mesin yang bertujuan untuk
meningkatkan efisiensi, efektivitas, dan kealamian interaksi manusia-mesin dengan mewakili, menalar,
dan bertindak pada model pengguna, domain, tugas, wacana, dan media (mis. , grafik, bahasa alami,
gerakan).Beberapa penelitian menggunakan definisi ad-hoc, generalisasi, atau kamus. Sebagian besar
definisi yang digunakan termasuk istilahmenyesuaikan*(21 definisi), tiga puluh satu disebutkan
pengguna*, enam menggunakan beberapa variasi istilahmodel*, dan enam lainnya menggunakan
variasi istilah memahami*.
Analisis definisi terperinci, dijelaskan di Bagian3.4, dilakukan pada 38 definisi yang
diekstraksi. Definisi yang diekstraksi dan kategorisasi berbasis skema klasifikasi dari setiap
definisi tersedia di LampiranSEBUAH. Mengamati ruang lingkup, sebagian besar definisi
berfokus pada antarmuka pengguna (21 studi), banyak yang bersifat ad-hoc (12 studi), hanya
digunakan untuk mengkomunikasikan ide utama IUI, empat lainnya berfokus pada aspek
teknologi dari teknologi, dan dua fokus pada—menempatkan lapangan di area penelitian
yang lebih luas. Mendefinisikan karakteristik untuk IUI disajikan pada Gambar5, dengan
karakteristik paling berbeda yang diakui adalah adaptasi (disebutkan dalam 53% definisi yang
diamati). Karakteristik pendefinisian lainnya lebih tersebar melalui definisi, meskipun
mewakili (4 definisi), kecerdasan (4 definisi), pengakuan (3 definisi), kustomisasi (3 definisi),
dan bantuan (3 definisi) juga disebutkan beberapa kali. Dari sudut pandang teknologi,
seperempat dari definisi yang diamati (10 definisi) menggambarkan hubungan antara IUI dan
AI– dan tujuh koneksi yang diamati lebih lanjut dengan kecerdasan. Dua definisi (S35, S153)
lebih lanjut mengakui koneksi dengan pemrosesan bahasa alami (yaitu, cabang ML) sebagai
kemungkinan definisi IUI yang lebih sempit. Menariknya, satu definisi ad-hoc (S66)
menghubungkan IUI dengan ML, bukan area AI umum seperti yang dipertimbangkan dalam
definisi lain.
terkuat, diakui di hampir setengah definisi (48% atau 18 definisi), diikuti oleh penalaran
(4 definisi), mewakili (4 definisi), personalisasi (3 definisi), dan bantuan (2 definisi).
Belajar, menganalisis, komunikasi, kustomisasi, pemodelan,
dan pemecahan masalah juga masing-masing disebutkan satu kali, seperti yang ditampilkan pada Gambar5.

21
18

15

15

10
10

5 5
4 4 44
3333 3
2 2 2 2 2 2
11 1 1 1 1 1 1 1 1 11111 1

0
0
Berkomunikas
Adaptas

Pendampingan

Kemampuan untuk meniru

Intelijen
Dapat disesuaikan

Kemampuan untuk menjadi

Repremeng
Kemampuan untuk belajar

Pemod
Ergono

Mengan
Otonom

Pendampi

Pemiki
Kemampuan membuat

Al

Personalis
keputusan

Sedang
Adap

Knadupherolehan

Personali
Kustomi

Penyelesaian
mis
Analisis tindakan

Komuni
i Luas
i

ami

asi
model
pengguna

)
(b)
(sebu ah

Gambar 5.(sebuah) Karakteristik dan deskriptor IUI dan (b) Tindakan IUI seperti yang diekstraksi dari definisi

Karena adaptasi adalah tema sentral yang diamati dalam definisi, pengamatan lebih lanjut tentang
apa yang diadaptasi oleh IUI dan apa yang diadaptasi dilakukan, menunjukkan bahwa sebagian besar
definisi mengakui beradaptasi dengan pengguna (N = 13) dan kebutuhan pengguna (N = 5) sebagai
tujuan utama adaptasi IUI. Penggerak adaptasi lainnya adalah konteks (N = 4), situasi (N = 3),
Sensor2022,22,
16

tugas (N = 3), maksud pengguna (N = 3), tujuan (N = 2), perilaku manusia (N = 2), media (N
= 2), wacana (N = 2), domain (N = 2) , dan perangkat (N = 2). Perhatian, pola perilaku,
skenario, dan lingkungan juga disebutkan dalam satu definisi. Dalam hal elemen atau
karakteristik yang diadaptasi, adaptasi antarmuka pengguna atau elemen UI (11 definisi)
dan interaksi (4 definisi) paling sering disebutkan, diikuti oleh perilaku (2 definisi). Adaptasi
respon, sistem, dan respon juga masing-masing disebutkan satu kali.

4.2. Ruang Penelitian

Untuk memberikan beberapa wawasan ke dalam ruang penelitian di bidang IUI, gambaran
metode dalam studi primer yang dipilih dilakukan. Sebagian besar studi (101 artikel) terutama
kuantitatif, diikuti oleh kualitatif (57 artikel) dan studi campuran (54 artikel). Gambaran rinci jenis
penelitian menurut tahun disajikan pada Gambar6. Tren studi kuantitatif terlihat di semua tahun
yang diamati, dengan beberapa peningkatan jumlah penelitian campuran yang dipublikasikan juga
terlihat dalam beberapa tahun terakhir.

Kuantitatif
9 6 10 10 12 17 10 8 6 10 3

Kualitatif 4 6 7 6 8 4 3 9 5 4 1

Campuran
1 4 3 8 2 1 3 9 13 6 4
2012 2013 2014 2015 2016 2017 2018 2019 2020 2021 2022

Gambar 6.Jumlah penelitian menurut jenis penelitian dan tahun (N = 211).

Klasifikasi jenis penelitian studi primer disajikan pada Gambar7. Mayoritas studi
utama (87 artikel) adalah artikel validasi, diikuti oleh proposal solusi (64 artikel) – dan
penelitian evaluasi (45 artikel). Empat artikel eksplorasi dan opini dimasukkan, bersama
dengan tujuh tinjauan literatur. Tren penerbitan solusi tervalidasi terlihat di lapangan,
disertai dengan jumlah studi evaluasi yang perlahan meningkat dalam beberapa tahun
terakhir. Jumlah proposal solusi tetap relatif konstan selama bertahun-tahun.

Riset validasi
7 7 10 9 11 8 10 7 4 9 5

Usulan solusi 3 4 7 7 8 10 4 9 7 5 0

makalah opini 1 2 1

Tinjauan Literatur 1 1 1 2 1 1

mu 1 2 1
Penjelajah ka

Evaluasi puaehnelitian tion

seb h 3 5 3 6 2 2 1 7 11 3 2

Angka 7.studi es oleh rese sebbuaeh rtemu hodologi t aahhun ke-

seb u (N = 211).

Atasrovibegitu
2012 2013 2014 2015 2016 2017 2018 2019 2020 2021 2022
sayalebih e ins ight itu rese r c h lingkup e, ini e pri mary res cari str
ke dalam seb u ah

paedgaies
kasemd sauyatidak he observ ed st udseasyaar e visuali zed di Fi gure8. Most com mH a iy , ti dak ad a

recari rs digunakan

experakuent ( N = 81), prHataoitypes (N = 40), pr Hdaarii- Hfa-ci oncepoin (N = 39) n ,s ebuah d

pengguna studies

(N = 21a) s prsiabyuary res ch st r ya. telinga makan

Sensor2022,22,
17

Studi kasus 4 1 1 1 1 1

Percobaan7 7 6 9 9 6 9 6 9 7 6

studi eksplorasi 1 1 1

Studi kelayakan1

1 1
Studi lapangan
Teori membumi 1

Tinjauan Literatur 1 2 2 1 1

Studi campuran 1 1 1

Lainnya 2

Bukti dari konsep2 4 5 6 5 4 1 3 5 4

Prototipe2 4 4 4 4 8 2 3 5 3 1

Survei1 1

Studi pengguna1 1 1 1 1 1 2 8 3 2
2012 2013 2014 2015 2016 2017 2018 2019 2020 2021 2022

Angka 8.Strategi penelitian utama yang digunakan dalam penelitian (N = 211).

Visualisasi dari sumber data yang paling umum digunakan disajikan pada Gambar9. Rata-rata,
studi IUI menggunakan lebih dari satu metode untuk akuisisi data (M = 2.1, N = 438, SD = 1.3).
Hampir setengah dari penelitian (47%) melakukan eksperimen, dan hampir seperempatnya (22,6%)
menggunakan kuesioner. Empat puluh studi lebih lanjut (19%) mempresentasikan prototipe, dan 24
(11%) menggunakan kumpulan data yang ada dalam protokol penelitian mereka.

100 99

80

60
48
40 40
24 28
22 2319
20 17 1113
9 8 841 6
54 3 33 121 731 1 52 3 12 2
0
pertanyaan Hnaai
g pengguna
Tidak ada
Kame

Linguistik
Laborator kamu
Lainnya

Wawanca

Simulasi
Ssens

vei Data sistem Hnaipengguna

Sur
Studi lapangan, Tes lapangan

sosialsaya media
Penambangan data
Perayapan data

Kumpulan data yang ada

ra Studi

fungsional Konsultasi ahli

Percoba

belajar Sebelumnaya kuinary

Basis

ty pengembang Hmaienit
data
kasus

Evaluasi empiris

pilot

or
eva luasi Proto
mengamati
an Analisis
eksplorasi

analisis

ire
Studi

belajar
ra
manusia

Angka 9. data s Hkaaricmes kuamused in stu dyaitu (N = 438 ) .

Fgambar10
lebih jauh alamat RQ2.1, visualisasi ng empi rdata asli k oleksi onmetode dan sebu ah

data s n IUI ev studi penilaian. Sebagai obs melayani a bsayang, dan pengalaman m net adalah yang paling
sumber saya

luas kadmigunuakan b Htahi di p memasang HCI dan solusi AI di dalam lapangan (misalnya, st
kadmyauitu melamar
n antarmuka demikian juga sebagai algor s a y a
pengguna say a sedang epercobaan ent sebagai metos saya n penelitian te rim a kasih kami

mereka
protokol lama). Pro totype d berkembang ment (39 sbaju) sebduaanhpertanyaan stionnaire e (38 stu dies) secara luas
digunakan saya n belajar s propo sing var ssaanygaat berbeda erent AI , HCI, nd campuran solusi ons. Prototipe
apakah saya sebhuaanhya menggunak dan di stu dsangat pro pmerindukanmuseh antar fkartu as (13 studi) , sistem s (6 artikel),
ap-
Sensor2022,22,
18

pendekatan (4 artikel), alat (3 artikel), dan kuesioner digunakan dalam studi yang mengusulkan
antarmuka pengguna (11 studi), agen (7 studi), evaluasi (5 studi), dan sistem (5 artikel).

Kamera 1 11 2
11 11
Studi kasus 31 1 1 1 1 1 2 1 2 1 1
Perayapan data
Penambangan data 12
Basis data 1
11
11 1
Evaluasi empiris
Kumpulan Data yang Ada 1 251 11
Percobaan 2 1 21321 111
Studi Lapangan
5 3 1 2 12 2 14 6 8117 8 1 1 32 7 1 1 1 2
konsultasi ahli manusia
1 1
112 1 1 11
Wawancara
1121 1
Studi Laboratorium 1
1 1 1 1
Tinjauan Literatur
Tidak ada
2 1 1 21 1 2 1
3 42 1 11 1 111121
Mengamati Pengguna
13 2
Lainnya 1 1
12 1 11 1
Studi Percontohan
11
Evaluasi awal 111
Pengembangan Prototipe 1
Daftar pertanyaan 11 6 3 13 4 21 1 2 2 12
Sensor
2 1 5 1 11 2 511 17 1
Sakukala 1
11
mtioun 11 1 1
2
Jadcisaysaay
daia 1 1 11 1 1 1
Skavmmuata 1 21 1 1
sistem tem Datas 2 1 112 1 1
sistemmp ehuntuk MseNbuach e 11 1131 1 4 1
1
1 u
kasmeruSTkadmy 34 3 21 1 2 1
1 21
Kiteahenilai uation 1
1 1
Wizard daOrins
1
W Hr ahkiosp
odHliahatig

Pmembadwai
Technique / Metoh d
Process
algoritma
Perangkat

Model
SEBhUAaH rl

ApplicatiHnai
Pengakuan HCI

kamu
Hvaeirbersainwg
Kerangka

Evaluati

SEBsUkAaHkakta
ctuulang
Htidak

r c hitu
Reocmmn e der

dak
system
Pipel

elesaytai
ine UI
BrHw
Interaksi

lat Kiteah aku

A

malam rface

g
Sistem

sofadusaebuulaanhg

SEB
oach

aiseh

e
Hnai

UA

AH
SolutiHnai
Meht

SEB U
fie ld

F aku g kaem1u0. EmpiricAl dat c s ebuah ollection methodsn sebua d data jadkiarcmesudi
h

IUsayvasktuadmtii ulnao (N = 211).

Thei erd c iplni r y field HfaSUi aySadyafareihs ap lication di varuidHasi

tidak adal ah seb ua h

Hmaiains, seperti yang terlihat di

F aku g kare1m. uM1 Hsatidatrhi e obsre v d artikles conce ted tHaSiEN( = 6 2) sebuulaanhg

seb nuadh HCI (N = 54),

togetdiar p se anku g Hvaeir hAlf (54%) fHa i I I primary studies.
ulang tidak s eb u ah

Thsasykaagmgeusts bahwa minat

snaytaheog n Hdaiigdvel pemHyaai e t nd d v anceMeNt seb ua h

darSiUaySsasysaytdaiap ser vi ng tema di ulang

field. HAbIsehvnsagyaatjaaeumdHsaai l a nh , clusters dadriiteres tc T i dbaek s e bu ah seb ua h

bsehvedi n healthcare (N = 16),

cHmami kanmic tu i o n (N = 9), gistics d vehaciles (N = 9), n d s ebu a h lihat sebua h seb ua h

accessibildiya(N = 7). Meskipun

Htahiehdomain wehei ncludedm H a i didaerquine tly, the saHyvaaei u lan g

hAlankukammbuehsuggests yang dimiliki IUI

variokita p p laic tipasdian djikfearen fti elds.
seb ua h
Sensor2022,22,
19

pencetakan 3D
1
Akademisi Aksesibilitas
1 1 2
1 1 1 3 1
Kartografi dan Geolokasi
1
Komunikasi 3 1 1 1 1 1 1
Budaya Pendidikan Energi 1 1
Hiburan dan Permainan Pabrik dan produksi 1 1 1
1 1
Mode
1 1
Keuangan
1
Pemerintah
1
Kesehatan dan kesejahteraan
1
Kesehatan Interaksi manusia-komputer 1
Industri 1 1 1 1
Pertanggungan 1 2 3 4 2 1 3
Logistik dan kendaraan 3 3 2 7 4 5 4 7 5 3
Manajemen dan organisasi 11
1
Militer Musik dan audio
2
Lainnya
1 1 2 1 1 2 1
Fotografi 1 1
Robotika 1
Penjualan
2 1 2
Keamanan Rekayasa Perangkat Lunak
1 1 1
Olahraga
1
Statistik dan analitik data Kerja dan produktivitas
2 1
1
1 2 1 1 1
4 5 7 9 9 4 1 7 6 6 4
1
1 1 1
1 1 1
2
0
1
2
2
0
1
3

2
0
1
4

2
0
1
Gambar 1 1. studi es oleh d Huatai ma sebduaanh kamu r (N = 211).
seb uah

Vi su alization dari analisa zed st udies begitusolusi s tekanented ke bidang IUI adalah berdasarkan

menampilkan ed di F gambar 12. T he hig hest fo cus masuk fi eld adalah Hnaires earchi ng antarmuka
pengguna–
koneksi ted cha apkanujang s (36 detik bajuatau 17 %), wi thaf kartmheur two fHaalaisan d pada antarmuka
pengguna

elemen ts. Lar geh cl kastmerus Hfasitu ditu are furt heh fokus digunakan Hnaisys tems (18 studi
atau 9%), model 1( 6 stu dyaitu atau 8%, a Tuan-tuan ( 12 stu mati atau 6%), a dan te chniques atau
meht ods (12 studi atau 6%). D isper posisi o f lainnya r larutan spaadya saayanmendiktesa wi de vari selamat
f
ting galaplikasi ications di mana IUI adalah suita ble.
Agetidak 1 3
hm
algoritma 2 1 3 2 1 1
2 1
1
aplikasi pada 1 2 1 1
Mendekati 1 1 1 1 1 1
2
3
SEB aUArHsitek kaulamng u 1
bantuan nce 1
Membantu sebtiudaahk 1
Alis ser 1
Cha racteris tanalisis ics kakak 1
Mengobrol batau 1
konsentrasietitik 1
tanggal koleksi ion 1
Datamengatur 1
Ddesain sp sebcuaeh 1
DevEs 1 1
Evaluasi padaantar tindakan atau 1 1 3 1 2 2
UI
fie ld overvi ew 1 2 1 4 3 21 1
bingkai Hraki 1 2 1 2 2 3
HCSRaykeasadaran larutan ion pada 1 1
interaksi pada 1 1 1
Msemangat Hgayi 2 1 1
Model 1 2 1 2 3 1 2 2 1 1
Ontol Hgayi 1 1
pendapat pada 1 1
pipa ine 1
platform 1 1
ditambgah in 1
Prediksipada 1
prosesess 1 1
Reayo nsistem em 1 2 2
lunak sebkueamh bali solusi ion 1
sistem em 2 3 4 1 1 2 2 1 2
Tteknik e / Met od 2 2 2 1 1 2
2 2 1

2
Tool
elemen UI etidak 1 1
Kiteah Interf sebcuaeh 1 2 4 3 3 6 4 4 6 3
Pengguna kadmy u 1 2 1 1 2 6 1 1
20
12
20
13

20
14

20
15

17
20
16

20
20
Sensor2022,22,
20
Gambar 1 2. studi es oleh dari ditawarkan s solusi dan kamu ear (N = 211).
Sensor2022,22,
21

Wawasan lebih lanjut tentang solusi yang disajikan ke bidang IUI divisualisasikan
pada Gambar13, menampilkan tumpang tindih antara solusi yang diusulkan, domain,
dan fase rekayasa dari solusi yang diamati. Artikel terutama menyajikan solusi dalam
fase pengujian (92 studi) dan implementasi (79 studi) rekayasa. Rasio serupa yang
mendukung solusi dalam fase implementasi– dibandingkan dengan fase pengujian,
dapat diamati pada antarmuka pengguna, kerangka kerja, model, dan aplikasi.
Sebaliknya, pendekatan, agen, algoritma, dan sistem sering disajikan dalam fase
pengujian. Berfokus pada domain aplikasi, kelompok berbagai solusi yang disajikan di
bidang HCI dan SE dapat diamati, dengan solusi utama yang diusulkan adalah
antarmuka pengguna, kerangka kerja, evaluasi, sistem, dan tinjauan lapangan.

1 4 32 1 1 Agen algoritma Aplikasi Mendekati Arsitektur5 1 6

1 Pendampingan 4
1 3 2
1 Asisten
6
11 1 12 1 Peramban 3 5
1 1 1 1 3 11 Analisis karakteristik 1
1 2
1 21 Bot obrolan

1 Konsep 1
1
kumpulan data
1
1 Ruang desain
Perangkat 1
Evaluasi
1 1 1
fi ikhtisar lama Kerangka
1 HCSaya Pengakuan Sianytearaksi Metodologi
1 1
1 Model Ontologi Pendapat
2
1 1 2 4 saluran pipa
11 9
1 2 Platform Plugin 1 8
23 4 42 3
1 Ramalan
1 1
1 17 5 Proses 11 2
1 5 Rsibsertsaemma e mmender 5
3 1 2
1 solusi barang 1
1 1 1 1
Lembut

1 6
1 8 Sistem
2 Tgemuanik / Metode 1 2
1 1 1
1 Alat elemen UI Kiteah Antarmuka 9 1
1 1 1 1
14
Studi pengguna
2 1
1 1 1
1
2 2
1 1 1 1 2 1
1 1 23
1 1 2
33 4 1 1
1 1 1
4 1 1 1 3
1 1 512
1 1 1 56
2 1 1 1 2 1 1 2 5 11 1
1 3 1
1 41 2 23
1 1 2 1 1
Photographka
militarka

HAitIu
Music

44 1 2
Kesehatan
Pemerintah

Detan
mu

l
Manapermataent dan
organisasseibtiudaahk adseabtuiaoh n
Logistik dan kendaraainkels

Test
Pertanggu
Keuangan

Nataupplic
Sebuahseb
audio

Akuplement
aya

kan

kan
Energi
Pendidi

Pendidi
Bud

Interaksi manusia-komputer
Kesehatan dan kesejahteraan
Akademisi
Aksesibilitas

Industri

31715
Mode

10
Hiburan dan Permainan
Pabrik dan produksi
Komunikasi

1318
Kartografi dan
Geolokasi

ngan

Fsgauy a 13. STkadmieus olemh aethiedsu ol ti n,

u lang melaku k i b udi, n f d ase rekayasa (N = 21
an s ebu a h

1).

n i nsighti Tidtak hHwaithe d c

SEBU AHlinesdaHriC A I, dan SE diwakili ted saya n adal ahaku p SAYA ,

ini m di- terakhir

ci s tiadayk ray field p roavIneddodi fi gkarem1u4. SE n d

tolon g satukategori ory. Tdia adala h seb ua h

Bidang AI bergabung dalam

majHraitikadmairutiu stkadm su(5%8 o r 123 studseasy yaitu ) melayani etidakcipli nes,
sa nclaspek uded dari kedua ob
aya

e . ,kortorpan seda n IkI amsHulauition wdhia n c c om

say a. seb uahseb ua h h itu pengguna

aplgonritma ying bersama dengan sa y aa nta rm ukakartu as

fHratidiaprHpaoi sed jadlui tion [38,39].

Sensor2022,22,
22

Manusia-komputer Perangkat lunak

Campuran
interaksi Rekayasa
N=48 N=40
T=123

Gambar 14.Studi primer dikategorikan berdasarkan bidang dominan (N = 211).

Studi utama dalam konteks sistem perangkat lunak kontemporer yang berbeda
divisualisasikan pada Gambar15. Koneksi dengan sistem kontemporer lainnya diamati dalam
46 studi utama (22% studi), dengan koneksi nyata terlihat dengan Sistem Interaktif (7 studi),
augmented reality (AR), virtual reality (VR) dan realitas campuran (MR) (8 artikel ), dan Sistem
Sadar Konteks (5 artikel). Tren penerapan IUI dalam kaitannya dengan sistem kontemporer
lainnya konsisten dalam dekade terakhir, dengan sedikit puncak terlihat dalam tiga tahun
terakhir, menunjukkan peluang untuk menghubungkan solusi IUI dengan berbagai tren yang
muncul.

Komputasi afektif
1
Saydaueant Intelli jendral
2 1
Pakdatmaiduak ada mengarungi
1 1 1

Budoseass Intelli jendral 1

Konteks Senitive Sy batang

1 1 1

Konteks-Aware o S ftwareSy batang 2 1 1 1

Stiadakyaaktif Skatamngku
1 ai 1 1 1 1 2

IoT 1 1 1

Prediksi ve Sentuh Sybatang 1

Bantuan Cerdas ted Hidup S katamngkuai
1
SMA t Kota
1 1
Pintar F seb cuaeh rita
1
Cerdas Hkesehatan
1 1
Cerdas Hom
1
Ubiquitous Com pmenggunakan
1
VR / A R /PAK 1
1 2 3 1
Kitaarbisa com pmenggunakan
2 1
2
0
1
2
2
0
1
3

2
0
1
4

2
0
1

Gambar 15.Pr smayaary st kammatui a nd con npilihan dengan ot rekannya ntempo rary sy ssyarat ( N = 46).

Untuk menawark r an lanjut er dalam ght ke oh debat e dari w hdi is kecerdasan gent saya n IUI, yang
dibuka di [10 ], itu primar y entitas sama-samansider e n orang tua nt di e ach ar tikel e
d sebagai sa ya

divisualisasikan

dalam Gambar16 . Visual ssaaysai termasuk dsemuanya tdia pri

mary sbaju , dimana e d selamanya nasi dari sebuah

cerdas tity w sebagai pos sbisa ( N = 196) . Ha af kdauri ini e pejantan seasyraec Hgani ize d inte
r face sebagai
inteli utamag nt ent itas (1 05 menit dyaitu), f ollowed oleh Tuan-tuan (21 stu dyaitu), ssistem s secara keseluruhan
(14 studi), a dan saya Hdaei l ( 13 pejantan yaitu). HAI di sana npayudara sebpuearhgaulan ted wi itu snatyealli
beelajar di IUI
adalah senyawa ent, ke erasio n, alga Hraitima , membantu ance, reko mender sistem e m, bersama

nversasional
antarmuka penggun a c , supp ort, ap plika pada, untuk Htaainah dialog ue sys tem.
Sensor2022,22,
23

5 2 1 3 3 2 4 1
Agen 1 1 1 3 1 2
1 1
algoritma
1
Aplikasi
Pendampingan
1 1 1
Komponen

UI percakapan 2 1 1

Sistem dialog 1 1

Interaksi 1 1 2 1

5 8 15 9 9 8 9 2
Antarmuka 12 17 11

Mesin 1 1 1

metode 1 1

Model 2 1 1 1 1 1 3 2 1

Sistem rekomendasi 2 1 3 2

Perangkat lunak
1 1

Mendukung 1

Sistem 1 1 1 2 1 3 2 2 1
2012 2013 2014 2015 2016 2017 2018 2019 2020 2021 2022
Alat
1

gambar e 16.Int erajin entitas saya n prima rkamu belajar es (N = 196).

To addr ess RQ 2. 6, gunakan d ML mcara adalah e xditarik dari p rimary stseperti yang dilaporkan
oleh ini dan auth Hrasi. Th e frekuensi sensi o f kategori Hraisi ed metos s adalah pr edikirim
snayGaambar17.
gunakan o f berbagai ka m u rvised l san gat bg sabuHdas iadalah paling c ommonly obs Mralam
agus menghasilkan

(101 studi),
mengikuti w diedit oleh metode d s dari kamu nsuper ised le seb duaehring ( 34 titik dyaitu). S emi-sup edirevisi (2
artikel)
dan r kekuatan esaya menghasilkan g (3 seni scaleya) w sebelumnyas commhanya kamused. F karmtu dia, lima
puluh studi
laporkan begitu msaya gunakanHfa.Ai I, whi c Htaidi ak t menjadi kucing

egoriz ed jatuh tempo ke l akc informasi. tertera

Selanjutnya eh cate gorizat Hnadiari kita ed algo ritma buatan ke dalam eligenc e adalah pra peada Gambar18,
tampilan sebyuaihng p rsetara t menggunakan buatan sebluanh eur sebsuayaah jaringan Hraki alg Hraitima (21% o f sHtuadi i

yang dianut),
insta nce-bas ed algo rbilangan bulat ( 20% dari mengamati ed pejantanseas)y, adan d klasik fikation Algoritme (14%
dari
pengamat ved stu dyaitu). Dkeputusan Pohon Al gorit ms (10% dari stu dyaitu) dan d Bayes ian Algoritma (8%

dari stu mati) w kurang komunikasi Hhaaniya kita ed.

101
100

80

60

40 34

20
2 3
0
Diawasi

Semi-Diawasi

diawasi
Tidak
Bala

gambar e 17.Gratis quency Hfami et Hdas diigunakan di ma chtidak tahu ning (N = 134).
Sensor2022,22,
24

24
23

20

16

15
13
12
10
10 9
8
7
6
5
5

Klasifik

Algoritma Pembelajaran
Algoritma berbasis
Pemrosesan bahasa

Algoritma Pohon
Algoritma
Algoritma
Model

Algoritma
Algoritma Jaringan Syaraf

Algoritma

Gambar 18.Jenis algoritma kecerdasan buatan yang digunakan (N = 117).

4.3. Evaluasi IUI

Untuk mengatasi evaluasi IUI, yang dipertimbangkan dalam RQ3.1, ruang lingkup evaluasi primer
pejantan ies divisualisasikan dalam Gambar19. Mayoritas (159 studi) artikel tidak melakukan evaluasi
usability atau pengalaman pengguna. Evaluasi tidak berlaku untuk 56%) studi lebih lanjut. Dari
(27artikel yang melakukan evaluasi, lebih banyak (43 studi) melakukan penelitian parsial
(24 detik tudies) dari evaluasi pengalaman pengguna yang lengkap (19 artikel). Sebaliknya, parsial

usabevaluasi ility adalah evaluasi tahu dalam satu studi, sedangkan 19 studi lebih lanjut melakukan
penuh kasambiulitas obesitas. Itu s evaluasi diekstraksi berdasarkan istilah yang digunakan dalam mengatasi

s baju. Meskipun dapat digunakan ty adalah c dianggap sebagai bagian dari pengalaman pengguna, persyaratannya adalah
tambahansebduiaphilih secara terpisah.

Pengalaman penggunaKegunaan

140

120

00

80

60

40

20

0
Tidak Ya Sebagian Tidak berlakukabel

Gambar 19.Lingkup evaluasi dalam studi utama (N = 211 ).

Sensor2022,22,
25

Angka20membahas RQ3.2 dengan memvisualisasikan metode evaluasi yang digunakan untuk

pengalaman pengguna dan evaluasi kegunaan. Metode evaluasi yang paling umum digunakan untuk
kedua tujuan adalah pengujian pengguna (38 artikel) dan kuesioner (26 artikel). Evaluasi pengalaman
pengguna IUI juga menggunakan eksperimen (8 artikel) dan evaluasi berbasis pakar (5 artikel).
Membandingkan pengujian otomatis dan manual, sebagian besar evaluasi masih dilakukan secara
manual oleh para ahli atau pengguna akhir. Kombinasi beberapa metode biasanya digunakan dalam
evaluasi, dengan jumlah rata-rata 1,6 metode evaluasi yang digunakan (N = 32, SD = 0,7, M = 1,6)
dalam evaluasi pengalaman pengguna dan 1,7 metode yang digunakan dalam evaluasi kegunaan (N =
19, SD = 0,7, M = 1,7). Kombinasi pengujian pengguna diikuti oleh kuesioner paling sering digunakan (8
studi mengevaluasi UX dan sepuluh studi mengevaluasi kegunaan di IUI). Jumlah orang yang termasuk
dalam evaluasi (pengguna atau pakar) dilaporkan dalam 43 studi, 15 di antaranya mengevaluasi
kegunaan dan 28 lainnya mengevaluasi pengalaman pengguna. Jumlah rata-rata pengguna yang
disertakan dalam evaluasi lebih tinggi dalam evaluasi kegunaan (N = 43, M = 15, SD = 50,4)
dibandingkan dengan evaluasi pengalaman pengguna (N = 15, M = 71,4, SD = 104,3).

Pengalaman penggunaKegunaan
20
0
18

15
15

11
10
8

5
5
33
2 2
11 1 1 1
0
Wawanc

Percoba
Kegunaan dan Metrik Perangkat

Pengujian
Evaluasi berbasis
Studi

Protokol berpikir
Grup

Daftar
Pengujian

Evaluasi

Gambar 20.Frekuensi metode evaluasi yang digunakan ( N 5= 8).

.
Untuk mengatasi RQ3
d fakta Hrasi d sain ehed dalam studi kegunaan
4,ckarakteristik
sebua h bersa ma

dan
tion diekstraksi. Evafaktor yang dinilai wekembali patateud di duea evaluasi UX yang
tidak

mengamati UX
delapan belas studi obs erv ing kegunaan o f aku kaAdmalahu. Di kaXmeuvAluatiodan ns, tindakan yang
paling
faktor adalah kemudahan
kasem(9uartikel), aman ety (4 arti cles), iknlan satisfsering diamati (4 artikel).
Angka
menampilkan semua fa yang dicatat cuntuks dan gratis mereka quency o f kasem. u n ak sa
u kamu empedu 21 evaluasi, efektivitas
(6 artikel), kegunaan umum (4 artikel), kenikmatan (3 artikel), kemampuan belajar (3 artikel), dan
kepuasan (3 artikel) diamati paling umum, seperti yang terlihat pada Gambar22.
 Sensor2022,22,
2

8
dengan sebagian besar s

disajikan saya
stkdamseausy(aS60 , S162,7 nd S 0 ) patateud wataseume k a meu aku s
5saayparHavaeiMeNt di ibue skaemdu sabakituy ( 6 dtetik). Tiga
peningkatan (2 studi) sdaanyaaku k a m dukitear xep ree cseanydaan m

Fsugay a 22. Fe t u res

Gambar 21.Fitur yang diamati dalam evaluasi UX IUI (N =

0

6
1
formalitas yang sesuai

2
1
Beban kognitif Kolaborasi Keterkendalian Efektivitas Otonomi Kemampuan Kompetensi

1
o
Upaya Kenikmatan Kepercayaan diri

2
u
Perlindungan kesalahan
Informasi kontekstual Kendala perangkat

1
Eksplorasi Ekspresi
lang

2
6
Kemudahan penggunaan
Frustrasi Kegunaan Kemanjuran
n

2
ersemua res katksueuvaluasi IUI
tkammatui r epperbaikan orting vement (5 studi eja) dir bagian =a1k6u),

Kegunaan umum Hiburan

Fgambar 23. Tingkatkan nt

9
Pencelupan
Kemampuan dipelajari Keahlian Penjelasan persuasif

1
2
seb u

Frustrasi Lucu dan menarik

2
11

1
Seberapa banyak pengguna menyukai ui
ah

Tuntutan mental
Kebaruan
Kualitas interaksi
kepercayaan peserta Pengetahuan

2
Pertunjukan Permintaan fisik Prediktabilitas Kendala lokasi

111
4
Produktifitas
Keamanan
Motivasi Interaksi alami
1
Kepuasan Reaksi keseluruhan terhadap sistem Keakuratan dan kebaruan yang dirasakan

3
sebag

Keberuntungan Kontrol yang dirasakan

Waktu penyelesaian
1

2
Pembelajaran yang dirasakan
Navigasi tugas
Kepribadian
ai

11
Permintaan sementara

Transparansi Persuasif dari sebuah penjelasan

ula

Populer presisi
2
ng

akka u mt i
ulang

2
Mengingat
1

Penerimaan

1111
Keterkaitan
se

Permintaan tanggapan
b

Keamanan
3

Kepuasan
u ah
seb

2
Keamanan
d a nrlaporan d dalam beberapa

4
Sdikaesadaran nasional
ua

perbaikan IUI yang diamati

Stimulasi

2
h

Menekankan

1111
Navigasi tugas Terminologi dan infsokrammausi batang d
Transparansi
Memercayai

Kegunaan
sebag a i

kasmerupertunangan

2
Tujuan pengguna

1
seb
uah
tidak

25 dari
Sensor2022,22,
26

6 Pengalaman penggunaKegunaan

6
5
5

3
2
2

0 0

0 ditingkatkan Sebagian ditingkatkan Ditolak

Gambar 23.Peningkatan kegunaan dan UX (N = 16).

5. Diskusi
5.1. Wawasan Evaluasi dan Tantangan
Hasil penelitian ini menunjukkan minat yang lebih tinggi untuk menghadirkan ide-ide baru yang
dikembangkan di bidang IUI dengan evaluasi yang dilakukan IUI terbatas. Penggunaan kegunaan dan
faktor UX yang tidak seragam diamati, serta masalah yang dilaporkan di bidang terkait [30]; kegunaan
dan UX tidak dianggap bersama tetapi terpisah, dengan evaluasi satu tampaknya mengecualikan yang
lain dalam studi yang diterbitkan. Faktor yang dievaluasi tidak secara jelas dikategorikan sebagai
kegunaan dan UX dalam studi, dengan keamanan, kepuasan, dan transparansi terkadang dianggap
sebagai UX dan terkadang sebagai faktor kegunaan.
Kebutuhan alat pengujian standar dan protokol evaluasi, diidentifikasi dalam [40], masih
menghadirkan peluang penelitian yang perlu ditangani lebih lanjut karena IUI diadopsi secara luas
dalam kehidupan sehari-hari. Masalah dengan kekurangan langkah-langkah standar yang berarti
masih ada, karena kriteria ekstraksi, berdasarkan tujuan evaluasi, ukuran, dan nilai dasar, yang
diharapkan, dan yang diamati dijatuhkan karena kekurangan informasi di sebagian besar studi
yang diterbitkan. Kami mencatat bahwa faktor kegunaan utama, penting dalam adaptasi IUI,
disajikan oleh [41] (stabilitas spasial, lokalitas, akurasi, prediktabilitas, frekuensi interaksi,
kompleksitas tugas, dan biaya interaksi rata-rata) masih belum memiliki metode dan metrik
evaluasi universal, atau tidak dilaporkan dalam studi.
Tantangan untuk membuktikan manfaat yang diperkenalkan IUI pada interaksi dengan pengguna,
yang disajikan dalam [42], juga dibahas dalam pekerjaan kami. Kami mengkonfirmasi bahwa
peningkatan interaksi HCI setelah menghadirkan IUI adalah tren yang diamati dalam dekade terakhir.
Sebagian besar evaluasi kegunaan dan UX (81% studi) menunjukkan peningkatan sebagian atau yang
dapat dikenali dalam metrik yang diamati. Namun, jumlah evaluasi yang dilakukan pada studi IUI yang
disajikan belum meningkat. Triangulasi metode evaluasi yang diamati belum digunakan sebagai norma
evaluasi, meskipun sebagian besar studi yang diamati menggunakan hingga dua metode dalam
evaluasi, terutama pengujian pengguna dan kuesioner. Kurangnya pedoman evaluasi IUI hemat
biaya, ditunjukkan oleh [40], adalah salah satu alasan yang mungkin. Alat evaluasi yang diamati,
seperti SUS, QUIS, indeks Beban Tugas NASA, dan teknik penilaian kesadaran situasi, dapat menawarkan
beberapa resolusi untuk masalah ini.
Kami selanjutnya mengidentifikasi kesenjangan penelitian dalam evaluasi solusi IUI yang diusulkan
dalam hal aksesibilitas. Tujuh studi yang diamati diterbitkan dalam domain aksesibilitas, sedangkan
hanya tiga kegunaan yang dievaluasi (S21, S35, dan S209) dan satu yang dievaluasi UX (S38).

5.2. Implikasi pada Debat Intelijen di IUI

Studi ini juga menawarkan saya kontra terkait dengan perdebatan tentang apa yang cerdas dalam diri pengguna
antarmuka, yang diungkapkan sdiedit oleh [1 0], yang mempresentasikan itu terutama, kecerdasan buatan
termasuk dalam IUI di for m dari intel agen ligent, algoritma, alat, dan asisten. Kami jaringan
furdi sana menunjukkan bahwa kammemaunfaatkan saraf tiruan, algoritme berbasis instans, sing, dan
kelaskebanyakan sifikasi IUI, bahasa alamige proses algoritme probabilistik untuk memperkenalkan buatan
Sensor2022,22,
27

kecerdasan sosial dalam solusi IUI. Selain itu, tren yang kuat dalam menggunakan metode
pembelajaran mesin diamati, dengan lebih dari setengah studi menyajikan beberapa bentuk
pembelajaran mesin dalam solusi mereka, dengan penggunaan pembelajaran yang diawasi secara
umum (101 artikel). Kami mengkonfirmasi diversifikasi yang diamati dari entitas cerdas (Gambar16)
disajikan dalam artikel IUI, yang sebelumnya diakui oleh [10]. Namun, entitas cerdas pusat, yang
diakui dalam studi IUI, tetap menjadi antarmuka pengguna di semua tahun yang diamati. Analisis
definisi yang dilakukan mengkonfirmasi korelasi antaramenyesuaikan*istilah dan IUI, Volkel [10]
disajikan. Dua definisi menghubungkan IUI secara langsung dengan pemrosesan bahasa alami
dan lebih sedikit dengan area AI umum. Definisi sempit yang diamati dapat dihasilkan dari
pemahaman ad-hoc tentang IUI, karena setengah dari studi utama yang diamati (N = 134)
termasuk metode ML, dengan tiga belas studi menggunakan metode pemrosesan bahasa alami.

5.3. Keterbatasan

Seperti yang diharapkan, pekerjaan ini terikat oleh keterbatasan karena rentang waktu beberapa
bulan untuk meninjau studi dan melakukan klasifikasi. Sejumlah besar publikasi prospektif yang
diidentifikasi secara manual dinilai sesuai atau tidak cocok untuk digunakan di masa depan. Karena
artikel disaring secara manual dalam rentang beberapa bulan, ada kemungkinan penolakan yang tidak
disengaja dan salah terhadap artikel penting. Studi ini difokuskan pada antarmuka pengguna yang
cerdas, dan temuannya tidak dapat digeneralisasikan ke domain HCI dan tidak dapat ditransfer secara
langsung ke bidang serupa (misalnya, antarmuka pengguna adaptif). Kemungkinan kesalahan manusia
juga harus dipertimbangkan. Keterbatasan klasifikasi yang salah telah dikurangi dengan konsultasi dari
semua peneliti yang terlibat untuk kasus-kasus marjinal. Keterbatasan mengenai analisis definisi ada
tiga;waktu—hanya definisi yang dikutip dalam artikel terpilih dari dekade terakhir yang dimasukkan
dalam sampel kami, secara efektif mengecualikan definisi sebelumnya yang mungkin telah digunakan
dalam penelitian sebelumnya, yang diterbitkan di area tersebut; (ii)kualitas—kualitas definisi yang
digunakan bervariasi dari kamus dan definisi ad-hoc yang digunakan untuk menempatkan IUI dalam
konteks artikel konferensi singkat hingga definisi analitis, yang disajikan dalam studi lain yang lebih
kompleks; (aku aku aku)cakupan—analisis yang dilakukan hanya dilakukan pada sampel artikel akademis
yang dipilih, dan meskipun beberapa penelitian mengutip definisi kamus, sumber utama potensial
lainnya tidak dimasukkan dalam penelitian ini.

5.4. Ancaman terhadap Validitas

Ancaman utama terhadap validitas penelitian kami adalah mengidentifikasi penelitian utama
yang relevan, ekstraksi data, dan klasifikasi. Pertama, kata kunci dan kueri yang dipilih mungkin
telah mengecualikan beberapa studi (misalnya, studi terutama menggunakan istilah antarmuka
adaptif). Namun, untuk memasukkan sebanyak mungkin studi terbaru yang relevan, pencarian
kami menyertakan enam perpustakaan digital. Kedua, karena bidang penelitian yang diamati
berusia puluhan tahun dan minat penelitian ini adalah tren terbaru, kami menghapus sejumlah
besar artikel berdasarkan tahun publikasi. Akibatnya, beberapa penelitian mendasar dan inovatif
dikeluarkan. Karena luasnya cakupan bidang, intersepsi di bidang IUI, dan beragamnya kualitas
dan kompleksitas studi yang diamati, proses ekstraksi dan klasifikasi data menjadi menantang.
Untuk meningkatkan validitas skema klasifikasi yang awalnya diusulkan, kami melakukan studi
percontohan dan meningkatkan skema pada berbagai iterasi. Untuk memudahkan perbandingan
temuan dengan studi lain, skema yang digunakan dalam pekerjaan terkait juga dipertimbangkan
saat melakukan studi percontohan.

6. Kesimpulan
Karya ini menambah pengetahuan di bidang multidisiplin antarmuka pengguna yang cerdas,
terutama menghubungkan HCI dan AI. Tinjauan umum yang objektif, objektif, dan sistematis
tentang tren di bidang IUI dalam dekade terakhir disajikan. Dari total 9849 penelitian, setelah
memperkenalkan filter penyempitan, kami memilih 211 artikel dan mengekstrak karakteristiknya
dalam pemetaan kami.
Temuan berikut diperoleh dengan analisis kami. Minat ilmiah dalam solusi IUI aktif
dan diikuti oleh sejumlah besar penelitian, yang mencapai puncaknya baru-baru ini
Sensor2022,22,
28

pada tahun 2019. Studi terutama mencakup aspek campuran dari area HCI dan AI. Penelitian
ini terutama kuantitatif, dengan eksperimen sebagai jenis penelitian utama. Demikian pula,
eksperimen, pengembangan prototipe, dan kuesioner adalah metode perolehan data utama
yang diamati dalam studi utama. Kontribusi utama dalam studi yang dipublikasikan adalah,
sebagian besar, antarmuka pengguna dan sistem. Solusi paling sering dimiliki oleh domain
HCI dan SE, kemudian diikuti oleh layanan kesehatan. Sejumlah besar domain aktif di mana
IUI diterapkan diamati. Lebih dari separuh solusi menggunakan teknik dan algoritma ML;
kebanyakan studi mengamati pemanfaatan pembelajaran yang diawasi. Analisis algoritma AI,
algoritma jaringan saraf tiruan, dan algoritma berbasis instance, klasifikasi, dan pemrosesan
bahasa alami adalah metode yang paling umum.
Peluang berikut diakui untuk penelitian masa depan: evaluasi IUI tidak memiliki
pedoman untuk menguji karakteristik khusus IUI bersama dengan metode standar yang
hemat biaya yang akan menawarkan evaluasi solusi yang diusulkan dengan cepat dan
dapat diterapkan secara luas. Demikian pula, analisis metrik yang paling sesuai untuk
evaluasi IUI menghadirkan peluang untuk penelitian masa depan. Publikasi
pembelajaran dalam bentuk artikel pengalaman dengan tantangan ini. Peluang untuk
evaluasi bersama UX dan kegunaan diamati, karena mereka dapat menawarkan
beberapa wawasan yang lebih luas tentang interaksi manusia-komputer dengan IUI.
Penerapan IUI dalam domain aksesibilitas masih jarang, meskipun memiliki peluang
untuk meningkatkan interaksi manusia-komputer bagi penyandang disabilitas.

Bahan Tambahan:Berikut ini tersedia di:https://www.mdpi.com/article/10.3390/s22155830/s1,

Studi termasuk dalam studi pemetaan sistematis.

Kontribusi Penulis:Artikel ini merupakan hasil kerja sama semua penulis. SB mengusulkan ide,
merancang proses review, mencari literatur, meninjau literatur, mengekstrak data, melakukan
analisis data, dan menulis naskah. TH meninjau literatur, melakukan analisis data, dan merevisi
draf pertama naskah. B.. meninjau literatur, mengekstrak data, menyiapkan data untuk analisis,
dan merevisi draf pertama. Semua penulis mengoreksi artikel. Semua penulis telah membaca dan
menyetujui versi naskah yang diterbitkan.

Pendanaan:Penelitian ini tidak menerima dana dari luar.

Pernyataan Dewan Peninjau Kelembagaan:Tak dapat diterapkan.

Pernyataan Persetujuan yang Diinformasikan:Tak dapat diterapkan.

Pernyataan Ketersediaan Data:Tak dapat diterapkan.

Ucapan terima kasih:Para penulis mengakui dukungan keuangan dari Badan Penelitian Slovenia
(pendanaan inti penelitian No. P2-0057).

Konflik kepentingan:Para penulis menyatakan tidak ada konflik kepentingan. Para penyandang dana tidak memiliki peran
dalam desain penelitian; dalam pengumpulan, analisis, atau interpretasi data; dalam penulisan naskah; atau dalam keputusan
untuk mempublikasikan hasil.

Singkatan
Singkatan berikut digunakan dalam naskah ini:

AI
AUI Kecerdasan buatan Antarmuka

HCI pengguna adaptif Interaksi

IUI manusia-komputer Antarmuka

ML pengguna cerdas Pembelajaran

SE mesin
Rekayasa Perangkat Lunak
SLR
Tinjauan literatur sistematis Studi
SMS
pemetaan sistematis Antarmuka
UI
pengguna
UX
Pengalaman pengguna
Sensor2022,22,
29

Lampiran A. Definisi IUI yang Disarikan

Tabel A1.Analisis definisi: definisi yang diekstraksi, ruang lingkup, dan teknologi yang dijelaskan.

Definisi Ekstraksi Studi Cakupan Teknologi

Berfokus pada

Termasuk

Termasuk
Bidang,

Cerd
AD
D1 S91 “Istilah cerdas dengan ini menjelaskan kemampuan antarmuka pengguna untuk secara ekstensif
beradaptasi dengan konteks penggunaan, yaitu, untuk pengguna tertentu, tugas, dan alat yang
tersedia.”
D2 S92 “Adaptasi UI yang cerdas memungkinkan aplikasi untuk bertindak lebih seperti x
manusia dan akibatnya, lebih cerdas.”
D3 S199 “. . . dan sarana cerdas dan adaptif untuk menerapkan teknik respons yang x
tepat. Selain itu, antarmuka cerdas dapat mempelajari gaya hidup subjek
dan menyesuaikan gaya/mode interaksi yang sesuai.”
D4 S138 “Intelligent User Interfaces (IUI) adalah antarmuka manusia-mesin yang memiliki x
tujuan untuk meningkatkan efektivitas, kealamian dan efisiensi interaksi
(interaksi mesin manusia) dengan penalaran (melibatkan (AI) metode kecerdasan
buatan), mewakili dan memodelkan pengguna , tugas, perangkat, dan konteks.”

D5 S189 “Beradaptasi dengan perilaku manusia dan niat yang mendasarinya semakin penting x
dalam mengembangkan antarmuka pengguna yang cerdas di berbagai bidang
aplikasi”
D6 S56 “Antarmuka pengguna yang cerdas (IUI) harus dapat menyesuaikan perilakunya dengan pengguna, x
perangkat, dan situasi yang berbeda.”
D7 S6 “Antarmuka pengguna yang cerdas adalah UI yang berisi beberapa perspektif

x kecerdasan buatan dalam komputasi. Ini membuat antarmuka lebih komprehensif,

D8 S118 menyesuaikan dan memandu interaksi.”
“Antarmuka pengguna yang cerdas, secara umum, berfokus pada interaksi antara x
kecerdasan mesin dan kecerdasan manusia.”
D9 S29
“...an IUI biasanya didasarkan pada pengetahuan yang dibantu komputer x
dari area subjek tertentu dan/atau model pengguna. Karena itu antarmuka
dapat lebih memahami kebutuhan pengguna dan mempersonalisasi atau
mendukung interaksi. Dengan kata lain, IUI dapat diartikan sebagai berikut:
merupakan perangkat lunak yang memiliki antarmuka cerdas dan
menggunakan teknik cerdas saat berinteraksi dengan pengguna. IUI
mungkin didasarkan pada beberapa model pengguna, atau pada
pengetahuan tentang fungsionalitas sistem, atau pada prosedur yang
membantu pengguna.” ...“Pembuatan antarmuka yang disebut “cerdas”
dirancang untuk memberi pengguna kemampuan tambahan, termasuk
kemampuan beradaptasi, penyesuaian, dan bantuan dalam memecahkan
masalah.

H10 S52
“Berdasarkan penelitian yang dipublikasikan, seseorang dapat membuat daftar fungsi x
yang terkait erat dengan gagasan antarmuka cerdas [35,43]: 1. analisis tindakan
pengguna;
2. sistem dialog (berbasis pidato);
3. kemampuan beradaptasi, yaitu sistem dapat mengubah pola perilakunya, sesuai
dengan situasi.”
Sensor2022,22,
30

Tabel A1.Lanjutan.

Definisi Ekstraksi Studi Cakupan Teknologi

Berfokus pada

Termasuk

Termasuk
Bidang,

Cerd
AD
D11 S56 “Selain itu, antarmuka ini milik sistem perangkat lunak yang mampu menyesuaikan diri x
dengan penggunanya.”
D12 S34 “...dengan kemampuan mereka untuk beradaptasi saat run-time dan membuat beberapa x
keputusan komunikasi mengenai 'apa', 'kapan', 'mengapa' dan 'bagaimana' berkomunikasi.”
Di dalamnya, mereka berhubungan dengan tampilan sebelumnya dari konsep komunikasi UI
H13 S35 kepada pengguna.” “...berfokus pada antarmuka yang membutuhkan teknologi cerdas untuk x
mewujudkannya [44]. Ini termasuk teknik bahasa alami dalam antarmuka, antarmuka untuk
sistem pembelajaran cerdas, metode baru untuk mengenali gerakan dan perhatian, antara
lain.”
H14 S20 “Umumnya, antarmuka pengguna yang cerdas berarti bahwa sisi komputer memiliki x
pemahaman lanjutan tentang lingkungan, yang memungkinkan antarmuka untuk lebih
memahami kebutuhan pengguna dan untuk mempersonalisasi atau memimpin interaksi.”
H15 S57 “...antarmuka manusia-mesin yang bertujuan untuk meningkatkan efisiensi, efektivitas, dan x
kealamian interaksi manusia-mesin dengan merepresentasikan, menalar, dan bertindak
berdasarkan model pengguna, domain, tugas, wacana, dan media—antarmuka pengguna
yang cerdas ( IUI), gunakan kecerdasan buatan (AI), interaksi manusia-komputer (HCI),
rekayasa perangkat lunak (SE) dan teknik lainnya untuk mempromosikan interaksi manusia-
mesin yang lebih alami dan bermanfaat.”
D16 S29 “Selain itu, bagaimanapun, antarmuka cerdas menjanjikan untuk menyediakan fitur x
tambahan, seperti [45]:
•pengenalan input informasi multimodal yang tidak akurat, ambigu dan/atau parsial
(memperoleh dan memproses informasi dalam sistem menggunakan berbagai
perangkat seperti mouse, keyboard, mikrofon);
•menciptakan representasi multimodal yang koheren, terpadu, dan dapat dipahami;
•pemecahan masalah otomatis sepenuhnya atau sebagian;
•manajemen interaksi (pemecahan masalah, kustomisasi, adaptasi antarmuka) melalui
representasi, inferensi, dan penggunaan model pengguna, model domain, model
tugas, dan model konteks.
Dengan kata lain, "kecerdasan" dari antarmuka pengguna dapat diartikan sebagai beberapa
agen subrutin"
H17 S172 “Dalam makalah ini kami membahas karakteristik utama dari Intelligent User Interface x
(IUI) untuk pembuatan cloud, yaitu, naturalitas, mobilitas cerdas, konfigurasi mandiri,
dan kustomisasi yang fleksibel.”
H18 S84 “Dalam makalah ini, kami menggunakan istilah IUI untuk merujuk pada antarmuka di mana sistem x
mencoba menafsirkan maksud pengguna.”
H19 S34 “...antarmuka pengguna yang cerdas” adalah antarmuka manusia-mesin yang x
bertujuan untuk meningkatkan efisiensi, efektivitas, dan kealamian interaksi manusia-
mesin dengan merepresentasikan, menalar, dan bertindak berdasarkan model
pengguna, domain, tugas, wacana, dan media (misalnya grafik, bahasa alami,
gerakan). Definisi mereka mencakup kemampuan untuk berpikir dan memahami
bahasa dan gerak tubuh (kecerdasan linguistik dan kinestetik fisik). Juga, itu
mendefinisikan tujuan atau tujuan dari kecerdasan teknologi - efisiensi, efektivitas, dan
kealamian interaksi.
Sensor2022,22,
31

Tabel A1.Lanjutan.

Definisi Ekstraksi Studi Cakupan Teknologi

Berfokus pada

Termasuk

Termasuk
Bidang,

Cerd
AD
D20 S171 “Antarmuka Pengguna Cerdas (IUI) adalah teknologi yang dimaksudkan untuk x
menengahi antara pengguna manusia dan mesin penalaran (misalnya, [46,47]). Seperti
arsitektur kognitif, mereka terinspirasi oleh wawasan dari psikologi eksperimental,
tetapi dalam hal ini fokusnya adalah pada wawasan tentang fungsi sistem persepsi
manusia daripada mekanisme penalaran internal.
D21 S139 “Antarmuka pengguna yang cerdas sedang diusulkan sebagai sarana untuk membuat x
sistem menjadi individual atau personal, sehingga meningkatkan fleksibilitas dan daya tarik
sistem. . . ”
D22 S151 “Antarmuka pengguna yang cerdas memiliki tujuan untuk beradaptasi secara dinamis dengan kebutuhan x
pengguna saat mereka berinteraksi dengan sistem informasi.”
D23 S115 “Antarmuka Pengguna Cerdas mengacu pada studi dan penggunaan dua
x bidang utama Ilmu Komputer yaitu Interaksi Komputer Manusia (HCI) dan
Kecerdasan Buatan (AI). HCI menyediakan teknik perancangan antarmuka
pengguna yang efisien dan AI digunakan untuk mengotomatisasi atau
membangun kecerdasan di antarmuka tersebut. Pada dasarnya istilah IIUIs
menunjukkan bahwa sebuah antarmuka atau antarmuka seperti sistem,
yang berinteraksi dengan pengguna, harus menghasilkan beberapa output
yang dianggap sebagai kecerdasan oleh pengguna, misalnya, jika pengguna
tidak tahu cara menyalin file di sistem operasi windows kemudian di
windows help harus ada bantuan yang tersedia untuk ini ketika pengguna
mencari ini, jika pengguna mengklik tombol yang salah maka pesan
otomatis harus muncul untuk bantuan pengguna,

H24 S148 “Antarmuka pengguna yang cerdas diusulkan sebagai sarana untuk membuat sistem lebih x
adaptif terhadap manusia, karena pengguna akhir sering kali harus mengatasi masalah
luapan informasi atau kelebihan kognisi ketika menghadapi sistem yang kompleks.”
D25 S87 “IUI adalah antarmuka dengan kemampuan adaptif, komunikasi, dan pemecahan masalah x
untuk membantu pengguna dengan cara yang cerdas.”
D26 S57 “IUI menggunakan teknik adaptasi untuk menjadi “cerdas/adaptif”, yaitu adaptivitas x
dibangun ke dalam sistem. Jadi sistem dengan IUI secara otomatis menyesuaikan beberapa
aspek dengan mempertimbangkan konteks penggunaan saat ini.”
D27 S153 Banyak juga alasan mengapa antarmuka aplikasi komputer dapat disebut cerdas: x
antarmuka yang memiliki pengetahuan tentang fungsionalitas aplikasi, antarmuka
yang memiliki pengetahuan tentang preferensi pengguna, antarmuka adaptif diri,
yaitu antarmuka yang didasarkan pada interaksi. dengan pengguna dapat
menyesuaikan diri dengan kebutuhannya, antarmuka yang memproses bahasa alami
dan menggunakan analisis semantik.”
D28 S35 “Penelitian di Antarmuka Pengguna Cerdas menjelaskan kelas luas jenis sistem x
yang menerapkan teknik Kecerdasan Buatan ke berbagai aspek Interaksi
Manusia-Komputer.”
D29 S28 “Fondasi antarmuka pengguna adaptif atau cerdas (AUI atau IUI) disajikan, x
tiga domain inti yang difokuskan: Kecerdasan Buatan (AI), Pemodelan
Pengguna (UM) dan Interaksi Manusia-Komputer (HCI).”
Sensor2022,22,
32

Tabel A1.Lanjutan.

Definisi Ekstraksi Studi Cakupan Teknologi

Berfokus pada

Termasuk

Termasuk
Bidang,

Cerd
AD
H30 S52 “Antarmuka pengguna yang cerdas memungkinkan untuk meningkatkan tingkat x
otonomi objek yang dikendalikan, serta berkontribusi pada kealamian dan
ergonomi interaksi manusia-mesin, memungkinkan pengguna untuk
memanfaatkan cara interaksi yang nyaman dan/atau alami sesuai dengan
kebutuhannya. Aspek pertama, yaitu, meningkatkan tingkat otonomi sistem,
penting untuk sistem robotik kompleks yang berfungsi dalam kondisi
ketidakpastian informasi, yang terakhir (meningkatkan ergonomi dan kealamian
antarmuka)—penting ketika sistem robot berinteraksi dengan manusia. (robot
sosial, robot bantu, exoskeleton, dll.).”
D31 S8 “Kebutuhan akan kecerdasan di UI juga telah mendorong penelitian dan x
pengembangan metode dan algoritme AI baru, yang memungkinkan
pengembangan interaksi cerdas manusia-komputer (HCII) dan IUI.”
D32 S138 “. . . sistem yang dapat meniru dialog manusia, dan mungkin antarmuka x
adaptif.”
D33 S49 "Istilah "antarmuka manusia-mesin cerdas" dipahami sebagai antarmuka yang x
menggunakan teknologi kecerdasan buatan [43] Antarmuka pengguna yang cerdas
memungkinkan peningkatan otonomi perangkat dan berkontribusi pada kealamian
dan ergonomi interaksi manusia-mesin; dengan demikian, pengguna bebas
menggunakan cara interaksi yang nyaman, atau alami untuk situasi tertentu.”
H34 S87 “Antarmuka ini termasuk jenis sistem cerdas yang mampu beradaptasi sendiri dengan x
pengguna dengan masalah kesehatan yang berbeda, ini dimungkinkan melalui
penentuan karakteristik perilaku yang membedakan setiap pengguna dari yang lain.”

D35
S115 “Antarmuka ini mengubah perilaku mereka sesuai dengan skenario waktu x
D36 nyata yang diterapkan.”
S66 “Komponen ini mengadaptasi dan merender elemen antarmuka melalui penggunaan x
H37 algoritme ML dengan memahami tujuan pengguna.”
S101 “Untuk mengoordinasikan para profesional yang berbeda, sumber dan sistem tepercaya yang x
dinamis dan mampu menyesuaikan respons dengan cepat diperlukan untuk memberikan informasi
waktu nyata Antarmuka pengguna cerdas yang baru berjanji untuk meningkatkan kualitas
koordinasi dan mengurangi kerangka waktu untuk melakukan hal ini.”
D38 S204 “Untuk meringkas, alih-alih pengguna beradaptasi dengan antarmuka, IUI dapat x
beradaptasi dengan pengguna dan lingkungannya. IUI mencoba menentukan
kebutuhan pengguna individu dan berupaya memaksimalkan efisiensi komunikasi.
Pendekatan ini mirip dengan toolkit pengembangan agen sesuai dengan spesifikasi
untuk sistem berbasis agen yang dapat dioperasikan.”

Tanda “x” digunakan untuk menunjukkan karakteristik yang diambil dari definisi.
 Sensor2022,22,
Tanda “x” digunakan untuk menunjukkan karakteristik yang diambil dari

Tabel A2.Analisis definisi: Karakteristik deskriptif

1
D
5
1
H
4
1
H
3
1
H
2
1
D
1
1
D
0
1
H
9
D
8
D
7
D
6
D
5
D
4
D
3
D
2
D
1
D
Adaptasi / Adaptasi
x

x
Personalisasi

x
Kemampuan untuk Bernalar

x
Berjalan saat Runtime

x
Kemampuan untuk Meniru
x

Kemampuan untuk Memahami

x
Kemampuan untuk Memutuskan

x
Ergonomis
x

Alami
x

Dapat disesuaikan

x
Kemampuan untuk Mewakili
x

x
Pendampingan
x

x
Kemampuan untuk Bernalar
x

x Kemampuan untuk Berkomunikasi

x
Luas

x
Otonom
x

Kemampuan untuk Menganalisis Tindakan Pengguna

x
Kemampuan untuk belajar

x
Kemampuan untuk Mengenali
x

Kemampuan untuk Model

x

x Intelijen
x

33 dari
Kemampuan untuk Memecahkan Masalah
x

x
Sensor2022,22,
34

Tabel A3.Analisis definisi: Tindakan apa yang dilakukan IUI dan adaptasinya.

Tindakan Adaptasi

Pola Perilaku
Pengetahuan

Maksud Pengguna,
Kustomisasi

Komunikasi
Personalisa

Perolehan

Pemikiran

Lingkung
Adaptasi

manusia
Menganali

Skenario
Perilaku

Domain
Pemodel

Ceram
Perhati
Media
Sikap
Sasaran
Konte

ah
an
an
si

D1 x x
D2
D3 x x x
D4 x x x x x x x
D5 x x
D6 x x x x
D7
D8
D9
H10 x x x
D11 x x
D12 x
H13 x
H14 x x
H15 x x x x x x x
D16 x x x
H17 x
H18 x
H19 x x x x x x x
D20
D21 x
D22 x x
D23
H24 x x
D25 x x x
D26 x x
D27 x x x x x
D28
D29
H30 x x
D31
D32 x
D33 x
H34 x x x
D35 x x
D36 x x
H37 x
D38 x x x x
Tanda “x” digunakan untuk menunjukkan karakteristik yang diambil dari definisi.
 Sensor2022,22,
35

Referensi
1. Shedroff, N.; Noessel, C.Make It So: Pelajaran Desain Interaksi dari Fiksi Ilmiah; Rosenfeld Media: New York, NY, AS, 2012.
2. Database Kutipan Film. Kutipan dari 2001: A Space Odyssey Tersedia. 2008–2022. Tersedia secara online:https://www.
moviequotedb.com/movies/2001-a-space-odyssey/quote_221.html(diakses pada 3 Juli 2022).
3. Dawden, warisan D. HAL; Komputer tahun 2001 sebagai mimpi dan kenyataan: Diedit oleh David G Stork MIT Press Cambridge Mass (1997) 384 pp
£16,95 ISBN 0 212 19378 7.Int. J.Inf. Kelola.1997,17, 297. [CrossRef]
4. AbdAlmaged, W. Anti-spoofing state-of-the-art: deep learning memenuhi sensor super.Bioma. teknologi. Hari ini2019,2019, 8–11. [
CrossRef]
5. Gonçalves, TG; Kolski, C.; de Oliveira, KM; Travassos, GH; Strugeon, EGL Tinjauan Literatur Sistematis tentang Antarmuka
Pengguna Cerdas: Hasil Awal. Dalam Prosiding Konferensi ke-31 tentang l'Interaction Homme-Machine: Adjunct, Grenoble,
Prancis, 10–13 Desember 2019; Asosiasi untuk Mesin Komputasi: New York, NY, AS, 2019; [CrossRef]
6. Sanchez, C.; Cedillo, P.; Bermeo, A. Studi Pemetaan Sistematis untuk Antarmuka Pengguna Cerdas—IUI. Dalam Prosiding Konferensi
Internasional 2017 tentang Sistem Informasi dan Ilmu Komputer (INCISCOS), Quito, Ekuador, 23–25 November 2017; hal. 361–368. [
CrossRef]
7. Miraz, MH; Ali, M.; Excell, PS Antarmuka pengguna adaptif dan kegunaan universal melalui plastisitas desain antarmuka pengguna.
Hitung. Sci. Putaran.2021,40, 100363. [CrossRef]
8. Van Velsen, L.; Van Der Geest, T.; Klaassen, R.; Steehouder, M. Evaluasi yang berpusat pada pengguna dari sistem adaptif dan adaptable: Sebuah
tinjauan literatur.tahu. Ind. Putaran.2008,23, 261–281. [CrossRef]
9. umak, B.; Brdnik, S.; Pušnik, M. Sensor dan Metode dan Algoritma Kecerdasan Buatan untuk Interaksi Cerdas Manusia &
Komputer: Studi Pemetaan Sistematis.Sensor2022,22, 20. [CrossRef]
10.Volkel, ST; Schneegass, C.; Eiband, M.; Buschek, D. Apa itu "Cerdas" di Antarmuka Pengguna Cerdas? Sebuah Meta-Analisis 25 Tahun IUI.
Dalam Prosiding Konferensi Internasional ke-25 tentang Antarmuka Pengguna Cerdas, Cagliari, Italia, 17–20 Maret 2020; Asosiasi
untuk Mesin Komputasi: New York, NY, AS, 2020; hlm. 477–487. [CrossRef]
11.Maybury, MT; Wahlster, W. Antarmuka Pengguna Cerdas: Sebuah Pengantar. DiBacaan di Antarmuka Pengguna Cerdas; Morgan
Kaufmann Publishers Inc.: San Francisco, CA, AS, 1998; hal 1–13.
12.Schlungbaum, E. Antarmuka Pengguna Individual dan Perangkat Perangkat Lunak Antarmuka Pengguna Berbasis Model. Dalam
Prosiding Konferensi Internasional ke-2 tentang Antarmuka Pengguna Cerdas, Orlando, FL, AS, 6–9 Januari 1997; Asosiasi untuk Mesin
Komputasi: New York, NY, AS, 1997; hal.229–232. [CrossRef]
13. Liu, J.; Wong, CK; Hui, KK Antarmuka pengguna adaptif berdasarkan pembelajaran yang dipersonalisasi.Intel IEEE. Sistem2003,18, 52–57. [
CrossRef]
14. Benyon, D.; Murray, D. Menerapkan pemodelan pengguna untuk desain interaksi manusia-komputer.Arti. Intel. Putaran.1993,7, 199–225. [
CrossRef]
15. Raheel, S. Meningkatkan pengalaman pengguna menggunakan Antarmuka Pengguna Adaptif yang cerdas dalam aplikasi seluler. Dalam
Prosiding Konferensi Multidisiplin Internasional IEEE 2016 tentang Teknologi Rekayasa (IMCET), Beirut, Lebanon, 2–4 November 2016; hlm. 64–
68. [CrossRef]
16. Shaw, IS Apa itu Sistem Cerdas? DiKontrol Fuzzy Sistem Industri: Teori dan Aplikasi; Pegas: Boston, MA, AS, 1998; hal. 1-3. [
CrossRef]
17. Syekh, S.; Sawand, M.; Khan, N.; Solangi, FB Pemahaman Komprehensif Antarmuka Pengguna Cerdas.Int. J. Adv. Hitung. Sci.
aplikasi2017,8, 395–401. [CrossRef]
18. Organisasi Internasional untuk Standardisasi.Ergonomi Interaksi Manusia-Sistem—Bagian 11: Kegunaan: Definisi dan Konsep;
Organisasi Internasional untuk Standardisasi: Jenewa, Swiss, 2018.
19. Organisasi Internasional untuk Standardisasi. Kegunaan; Organisasi Internasional untuk Standardisasi:
Jenewa, Swiss, 2021.
20.Rusu, C.; Rusu, V.; Roncagliolo, S.; González González, C. Kegunaan dan Pengalaman Pengguna: Apa yang Harus Kita Peduli?Int. J.Inf.
teknologi. Sistem Pendekatan (IJITSA)2015,8, 1–12. [CrossRef]
21.Zhou, Y.; Niu, S. Penelitian Sistem Evaluasi dan Metode Kuantitatif Smartphone Berdasarkan User Experience. Di Prosiding
Konferensi Internasional Asia ke-6 tentang Teknik Industri dan Inovasi Manajemen; Qi, E., Ed.; Atlantis Press: Paris, Prancis,
2016; hal.97–106.
22. Zhou, J.; Miao, X.; Dia, F.; Miao, Y. Pengaruh Gaya Font dan Warna Font dalam Teks Berita pada Beban Kognitif Pengguna di Antarmuka Pengguna
Cerdas.Akses IEEE2022,10, 10719–10730. [CrossRef]
23. Weisz, JD; Muller, M.; Ross, SI; Martinez, F.; Houde, S.; Agarwal, M.; Talamadupula, K.; Richards, JT Lebih Baik Bersama? Evaluasi
Terjemahan Kode yang Didukung AI. Dalam Prosiding Konferensi Internasional ke-27 tentang Antarmuka Pengguna Cerdas,
Helsinki, Finlandia, 22–25 Maret 2022; Asosiasi Mesin Komputasi: New York, NY, AS, 2022; hal.369–391. [CrossRef]
24.Höök, K. Tutorial 2: Merancang dan Mengevaluasi Antarmuka Pengguna yang Cerdas. Dalam Prosiding Konferensi Internasional ke-3
tentang Antarmuka Pengguna Cerdas, San Francisco, CA, AS, 6–9 Januari 1998; Asosiasi untuk Mesin Komputasi: New York, NY, AS,
1998; hal.5–6. [CrossRef]
25.Gajos, KZ; Everitt, K.; Tan, DS; Czerwinski, M.; Pengelasan, Prediktabilitas, dan Akurasi DS dalam Antarmuka Pengguna Adaptif. Dalam
Prosiding Konferensi SIGCHI tentang Faktor Manusia dalam Sistem Komputasi, Florence, Italia, 5-10 April 2008; Asosiasi untuk Mesin
Komputasi: New York, NY, AS, 2008; hal. 1271–1274. [CrossRef]
 Sensor2022,22,
36

26. Hefley, KAMI; Murray, D. Antarmuka Pengguna Cerdas. Dalam Prosiding Konferensi Internasional Pertama tentang Antarmuka
Pengguna Cerdas, Orlando, FL, AS, 4–7 Januari 1993; Asosiasi untuk Mesin Komputasi: New York, NY, AS, 1993; hal 3–10.
[CrossRef]
27.Yordania, MI; Mitchell, TM Pembelajaran mesin: Tren, perspektif, dan prospek.Sains2015,349, 255–260. [CrossRef] [PubMed]

28.Painuli, D.; Misra, D.; Bhardwaj, S.; Aggarwal, M. 20—Prakiraan dan prediksi COVID-19 menggunakan pembelajaran mesin. DiIlmu Data
untuk COVID-19; Kose, U., Gupta, D., de Albuquerque, VHC, Khanna, A., Eds.; Pers Akademik: Cambridge, MA, AS, 2021; hal. 381–397. [
CrossRef]
29.Abdul, A.; Vermeulen, J.; Wang, D.; Lim, OLEH; Kankanhalli, M. Tren dan Lintasan untuk Sistem yang Dapat Dijelaskan, Akuntabel, dan
Dapat Dicerahkan: Sebuah Agenda Penelitian HCI. Dalam Prosiding Konferensi CHI 2018 tentang Faktor Manusia dalam Sistem
Komputasi, Montreal, QC, Kanada, 21–26 April 2018.
30. Guerino, GC; Valentim, NMC Kegunaan dan evaluasi pengalaman pengguna antarmuka pengguna alami: Sebuah studi pemetaan sistematis. IET
Softw.2020,14, 451–467. [CrossRef]
31.Petersen, K.; Feldt, R.; Mujtaba, S.; Mattsson, M. Studi Pemetaan Sistematis dalam Rekayasa Perangkat Lunak. Dalam Prosiding
Konferensi Internasional ke-12 tentang Evaluasi dan Penilaian dalam Rekayasa Perangkat Lunak, Bari, Italia, 26–27 Juni 2008;
Pembelajaran BCS & Development Ltd.: Swindon, Jerman, 2008; hal.68–77.
32. Wieringa, R.; Gadis, N.; Mead, N.; Rolland, C. Persyaratan Klasifikasi dan Kriteria Evaluasi Makalah Teknik: Proposal dan Diskusi.
membutuhkan. Ind.2005,11, 102–107. [CrossRef]
33.Patrick, E.Antarmuka Pengguna Cerdas: Pengenalan dan Survei; TU Delft: Delft, Belanda, 2003.
34. Balaji, TK; Annavarapu, CSR; Bablani, A. Algoritma Pembelajaran Mesin untuk Analisis Media Sosial: Sebuah Survei. Hitung. Sci. Putaran. 2021,40,
100395. [CrossRef]
35.Zhang, Y.Kemajuan Baru dalam Pembelajaran Mesin; IntechOpen: London, Inggris, 2010.
36. Giovanna, C.; Nassimbeni, G.; Orze, G.; Sartor, M. Dibalik Definisi Industri 4.0: Analisis dan Pertanyaan Terbuka.Int. J.Prod.
Ekonomi2020,226, 107617. [CrossRef]
37.Bornmann, L. Masalah penilaian dampak kutipan untuk tahun publikasi terakhir dalam evaluasi kelembagaan.J.Inf.2013, 7, 722–
729. [CrossRef]
38.Chakraborty, N.; Mondal, S. Color Pass: Antarmuka pengguna yang cerdas untuk menahan serangan selancar bahu. Dalam Prosiding
Simposium Teknologi Mahasiswa IEEE 2014, Kharagpur, India, 28 Februari–2 Maret 2014; hal.13–18. [CrossRef]
39. Taele, P.; Hammond, T. BopoNoto: Aplikasi Pendidikan Sketsa Cerdas untuk Mempelajari Skrip Fonetik Zhuyin. Dalam Prosiding
Konferensi Internasional ke-21 tentang Sistem Multimedia Terdistribusi, Vancouver, BC, Kanada, 31 Agustus–2 September
2015; hal.101–107. [CrossRef]
40.Dostal, J.; Kristensson, PO; Quigley, A. Teknik Halus Tatapan-Tergantung untuk Memvisualisasikan Perubahan Tampilan di Lingkungan
Multi-Tampilan. Dalam Prosiding Konferensi Internasional 2013 tentang Antarmuka Pengguna Cerdas, Santa Monica, CA, AS, 19–22
Maret 2013; Asosiasi untuk Mesin Komputasi: New York, NY, AS, 2013; hal.137-148. [CrossRef]
41.Hartmann, M.Tantangan dalam Mengembangkan Antarmuka Pengguna Cerdas Adaptif Pengguna; LWA: Watervliet, NY, AS, 2009.
42.Höök, K. Langkah-langkah yang harus diambil sebelum antarmuka pengguna yang cerdas menjadi nyata.Berinteraksi. Hitung.2000,12, 409–426. [CrossRef]

43.Antsaklis, PJ; Passino, KMPengantar Kontrol Cerdas dan Otonom; Penerbit Akademik Kluwer: Park Norwell, MA, AS, 1993.

44. Paris, C.; Sidner, CL Pengantar Edisi Khusus KBS tentang Antarmuka Pengguna Cerdas.Sistem Berbasis Pengetahuan.2007,20, 509–510.
[CrossRef]

45. Pavlov, A.; Pidnebesna, H.; Stepashko, V. Pendekatan Berbasis Ontologi untuk Konstruksi Antarmuka Cerdas untuk Alat
Pemodelan Induktif. Dalam Prosiding Konferensi Internasional ke-15 IEEE 2020 tentang Ilmu Komputer dan Teknologi
Informasi (CSIT), Zbarazh, Ukraina, 23–26 September 2020; Jilid 2, hlm. 26–29. [CrossRef]
46. Kayu, SD; Zaientz, J.; Jenggot, J.; Frederiksen, R.; Lisse, S.; Crossman, J.; Huber, M.Kerangka Kerja Agen Antarmuka Cerdas untuk
Perintah dan Kontrol Pengawas; Laporan teknikal; Soar Technology Inc.: Ann Arbor, MI, AS, 2004.
47.Tanggul Parunak, HV; Huber, M.; Jones, R.; Kuis, M.; Zaientz, J. CaFé: Proses Kelompok untuk Merasionalisasi Teknologi dalam Sistem
AAMAS Hybrid. DiLokakarya Internasional tentang Sistem Multi-Agen Rekayasa; Springer: Berlin, Jerman, 2014, hlm. 227–245.