Warna Pembagian warna dilakukan lebih konsisten agar lebih mudah memahami/terbiasa dengan tiket Severity Status Call to Action High - Critical Open Danger.

Presentasi berjudul: "Warna Pembagian warna dilakukan lebih konsisten agar lebih mudah memahami/terbiasa dengan tiket Severity Status Call to Action High - Critical Open Danger."— Transcript presentasi:

1 Warna Pembagian warna dilakukan lebih konsisten agar lebih mudah memahami/terbiasa dengan tiket Severity Status Call to Action High - Critical Open Danger Normal - Medium Waiting a Response Caution Low In process Warning Clear - General Neutral #D0021B #F5A623 #F8E71C #7ED321 #4A90E2 #4A4A4A

2 Penjelasan Umum Penggunaan warna dan latar tidak dibuat banyak karena menitikberatkan kepada fokus konten. Penggunaan pop-up karena dengan asumsi penggunaan terbanyak pada komputer dengan layar yang cukup besar (dibandikan dengan smartphone), dan memotong jumlah klik untuk efisiensi respon pengguna. Pengguaan pop-up juga didasarkan untuk menghindari distraksi karena konten banyak yang serupa dan memilik banyak elemen teks.

3 Penggunaan inisial, minimalisir icon mengingat kemungkinan besar pengguna tidak memahami relevansi icon-icon yang ada di dashboard.

4 Dengan tombol penyaringan data yang akan ditampilkan.
Penyederhanaan hasil peninjauan luas/ikhtisar dengan menggunakan skema/grafik. Dengan tombol penyaringan data yang akan ditampilkan.

5 Tampilan ketika tombol ”departemen” pada penyaringan ditekan.
Dilengkapi dengan pelengkap otomatis saat mengetik. Tampilan yang sama juga akan berlaku kepada penyaringan “users”

6 Kode tiket, dengan warna menandakan “tiket terbuka”
Tingkat kepelikan Asal tiket Isi tiket Tanggal tiket

7 Penyaringan dalam pencarian, untuk memudahkan dalam pencarian cuitan (tweet).
Dengan opsi: Akun mana yang dituju Kata kunci Tanggal awal dan akhir

8 Pemilihan aksi untuk cuitan (tweet) dapat dilakukan keseluruhan atau sebagian.

9 Hasil dari pencarian cuitan (tweet)
Garis biru menandakan tiket terpilih (untuk aksi dalam jumlah besar) Tombol aksi. Lihat detil, tolak, dan lanjutkan ke departemen terkait

10 Aksi melanjutkan cuitan (tweet) ke departemen terkait
Parameter penentu tiket. Tingkat kepelikan, departemen, pengguna, dan catatan. Tanda bintang berarti harus diisi. Cuitin (tweet) yang akan dilanjutkan.

11 Hasil pencarian tiket Hasil hanya ditampilkan 1 kolom untuk mempermudah pengguna dalam membaca. Tombol-tombol aksi juga dibuat lebih menonjol secara visual agar lebih mudah diidentifikasi. Informasi yang dimunculkan juga sudah disesuaikan dengan tampilan yang sudah ada (posisi kode tiket, informasi konten, bagian bawah)

12 Membalas tiket Selain membalas tiket, tiket juga bisa diubah status, tingkat kepelikan, dan lainnya. Agar mempermudah dalam membalas tiket, maka ditampilkan juga tiket yang akan dibalas.

13 User Interface Daily Tweet Rate Graph Features for analytics
Search : POI / Keyword / hashtag Daily Tweet Rate Daily Tweet Rate Graph Choropleth (Based on tweet on specific Admin Boundary) Tweet amount Tweet Profile (domestic / Foreign) Trending Keyword Hashtag Features for analytics Heatmaps Tourist Density Clustered Tourist Profile (domestic / foreign) Tourist origin Tourist amount Distribution Tweet Location Object TOP POIs Period Last 7 days Bandwidth Filter 7 – 14 days Time Range 06 AM 05.59 AM

14 Choropleth Objectives
Illustrate volume of tweet Choropleth Tweet amount Objectives Visualize the tweet volume based on admin boundary (level 4) Identify size of tourist in respective admin based on number of tweet Tweet Profile (domestic / foreign tourist ) with tabular graph above the choropleth Tourist Profile

15 Choropleth - Trending Objectives
Identify trending topic based on top hashtag and keyword in particular admin level 3 Illustrate volume of tweet

16 Heatmaps Objectives Visualize tourist agglomeration in specific location and time Density Heatmaps

17 Clustered Clustered Map Objectives visualize volume of tourist in specific area based on the amount of tweet This feature also allow users to understand particular POI which potentially has biggest visitor Clustered Map overlaid with heatmaps

18 Clustered Objectives Visualize and identify tourist profile in specific location Clustered Map Tweet Profile All Tourist Tourist Type (foreign/domestic) Tourist Origin

19 Analytics Subset Questions/Problem Statements Most visited POI in southern part of Bali? Expected visualization Display the distribution of most visited POIs based on tweet data Tabular data also provided next to the map to understand top POI based on size of tweet Objectives identify top location for tourist in particular time and days Hardrock Bali (1K tweet) Potato Head Bali (800 tweet) Seminyak Beach (500 tweet) …. …..