Analisis Efisiensi Interaksi Pengguna pada Aplikasi WhatsApp Menggunakan Metode KLM
Abstract
WhatsApp merupakan salah satu aplikasi pesan instan yang paling banyak digunakan secara global, sehingga menuntut desain antarmuka yang mendukung interaksi pengguna yang cepat, intuitif, dan efisien. Penelitian ini bertujuan untuk menganalisis tingkat efisiensi interaksi pengguna pada aplikasi WhatsApp dengan menggunakan pendekatan Keystroke-Level Model (KLM). KLM merupakan metode prediktif dalam Human-Computer Interaction (HCI) yang digunakan untuk menghitung estimasi waktu yang dibutuhkan oleh pengguna ahli dalam menyelesaikan tugas rutin tanpa kesalahan. Skenario pengujian dalam penelitian ini difokuskan pada aktivitas utama pengguna, seperti mengirim pesan teks, melampirkan dokumen atau media, serta melakukan panggilan suara.
Analisis dilakukan dengan memecah setiap tugas ke dalam operator fundamental KLM, yaitu Keystroke (K), Pointing (P), Homing (H), Mental preparation (M), dan System Response (R). Hasil prediksi waktu eksekusi kemudian dievaluasi untuk mengidentifikasi metrik efisiensi dan potensi bottleneck dalam alur antarmuka aplikasi. Berdasarkan hasil analisis, WhatsApp menunjukkan tingkat efisiensi yang sangat tinggi pada tugas pengiriman pesan dasar. Namun, pada tugas yang melibatkan tahapan bersarang, ditemukan penambahan waktu akibat tingginya beban operator Mental preparation (M) dan Pointing (P). Penelitian ini menyimpulkan bahwa meskipun desain antarmuka WhatsApp secara umum telah dioptimalkan secara ergonomis untuk interaksi harian, penyederhanaan langkah pada beberapa fitur spesifik masih dapat dilakukan untuk lebih meminimalkan waktu eksekusi pengguna.
Keywords:
WhatsApp, Keystroke-Level Model (KLM), Human-Computer Interaction (HCI), Usability, Interaction EfficiencyReferences
APJII. (2023). Laporan survei internet APJII 2022–2023. Retrieved from https://apjii.or.id/survei
Badan Pusat Statistik. (2022). Statistik telekomunikasi Indonesia 2021. Retrieved from https://www.bps.go.id
Budiu, R., & Nielsen, J. (2015). Mobile user experience: Patterns and interaction design. Nielsen Norman Group.
Card, S. K., Moran, T. P., & Newell, A. (1980). The keystroke-level model for user performance time in a time-sharing system. Communications of the ACM, 23 (7), 396–410. https://doi.org/10.1145/358886.358895
Dix, A., Finlay, J., Abowd, G. D., & Beale, R. (2004). Human-computer interaction (3rd ed.). Pearson Education.
Dunlop, M. D., & Masters, A. M. (2009). Implications of keystroke-level models for mobile touchscreen interactions. International Journal of Mobile Human Computer Interaction, 1 (4), 1–16. https://doi.org/10.4018/jmhci.2009072201
Holleis, P., Otto, F., Hussmann, H., & Schmidt, A. (2007). Keystroke-level model for advanced mobile phone interaction. Proceedings of the SIGCHI Conference on Human Factors in Computing Systems (pp. 1505–1514). Association for Computing Machinery.
Kementerian Komunikasi dan Informatika RI. (2022). Indikator TIK 2022: Data dan statistik teknologi informasi dan komunikasi Indonesia. Retrieved from https://www.kominfo.go.id
Kieras, D. (2001). Using the keystroke-level model to estimate execution times. University of Michigan.
Rice, R., & Lunn, J. (2014). Touch-level model (TLM): Evolving KLM-GOMS for touchscreen devices. Journal of Usability Studies, 9 (3), 115–133.
Saffer, D. (2013). Microinteractions: Designing with details. O'Reilly Media.
Schulz, T. (2008). Using the keystroke-level model to evaluate mobile phones. Proceedings of the 31st Information Systems Research Seminar in Scandinavia (IRIS 31) (pp. 1-14). Norwegian Computing Center.
Downloads
Published
Issue
Section
License
Copyright (c) 2026 Radiet Febrian S, M. Jefri Akbar, Ratu Nabila Ulfa, Shypa Rahmawati
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
