Browsing by Author "Ai Rosita (Pembimbing)"

Now showing 1 - 5 of 5
  • Thumbnail Image
    Item
    PENERAPAN ALGORITMA ANT COLONY OPTIMIZATION, GOOGLE MAPS DAN ROUTES API UNTUK MENINGKATKAN EFEKTIVITAS PENGELOLAAN SAMPAH: APLIKASI PELAPORAN MASALAH DAN REKOMENDASI RUTE PENGUMPULAN SAMPAH
    (Program Studi S1 Informatika, 2024) Atmoko, Bayu Surya; Ai Rosita (Pembimbing)
    Permasalahan pengelolaan sampah adalah masalah serius di Indonesia, dengan total timbunan sampah nasional mencapai 35,9 juta ton pada tahun 2022, dan kota Bandung menjadi kota ketiga terbanyak penghasil sampah di Jawa Barat. Penelitian ini bertujuan untuk membangun aplikasi yang mampu memberikan rekomendasi rute pengumpulan sampah yang optimal kepada petugas kebersihan UPTD Pengelolaan Sampah, serta dapat digunakan oleh masyarakat untuk melaporkan dan memantau riwayat tindak lanjut dari pelaporan sampah dengan cepat dan mudah. Rekomendasi rute pengumpulan sampah didapatkan dengan menggunakan algoritma Ant Colony Optimization (ACO), serta menampilkan rute perjalanan menggunakan Google Maps dan koordinat dari Routes API. Hasil penelitian menunjukkan bahwa algoritma ACO terbukti efektif untuk memberikan rute optimal. Perbandingan dengan algoritma Dijkstra, menunjukkan bahwa rute ACO mampu mempertimbangkan kriteria tambahan (durasi dan prioritas), tanpa mengorbankan efektivitas dalam menemukan rute dengan jarak terpendek. Rekomendasi rute ini memberikan manfaat bagi petugas kebersihan sehingga mempercepat proses pembersihan sampah dan meningkatkan efektivitas waktu sebesar 36%. Aplikasi juga mempermudah masyarakat melaporkan dan memantau riwayat tindak lanjut pelaporan sampah melalui aplikasi mobile Android. Hasil kuesioner menunjukkan bahwa 86% responden setuju bahwa aplikasi ini bermanfaat untuk mempercepat dan mempermudah pelaporan permasalahan dan pengelolaan sampah. Saran pengembangan sistem ini di masa depan yaitu menganalisis data dan memprediksi area lokasi dengan banyak laporan sampah dan rute yang sering dilalui untuk memetakan dan menentukan strategi pembersihan sampah lebih lanjut. Hal ini untuk upaya peningkatan kualitas pengelolaan sampah di Indonesia.
  • Thumbnail Image
    Item
    PENERAPAN METODE NATURAL LANGUAGE PROCESSING UNTUK SOCIAL LISTENING DALAM CUSTOMER RELATIONSHIP MANAGEMENT STUDI KASUS FAUZAN TEKSTIL
    (Program Studi S1 Informatika, 2025) Rafael, Yohannes Rahul; Ai Rosita (Pembimbing)
    Penelitian ini dilatarbelakangi oleh meningkatnya penggunaan media sosial sebagai ruang interaksi konsumen dan produsen, di mana opini dan tren dari konsumen menjadi sumber data yang berharga untuk mendukung pengambilan keputusan bisnis. Bagi perusahaan tekstil, terutama yang bergerak dalam penjualan online seperti Fauzan Textile, pemanfaatan data media sosial terutama pada TikTok mampu menjadi strategi penting dalam mempertahankan hubungan dengan pelanggan sekaligus meningkatkan daya saing di era digital. Penelitian ini menerapkan pendekatan kuantitatif deskriptif dengan mengintegrasikan konsep Social Listening ke dalam Customer Relationship Management (CRM). Data diperoleh dari platform TikTok menggunakan teknik Natural Language Processing (NLP), meliputi tahapan crawling data, prapemrosesan teks, klasifikasi sentimen (positif, negatif, netral), hingga visualisasi hasil analisis. Sistem dibangun dengan memanfaatkan Laravel sebagai backend dan Python (Flask) untuk proses analisis sentimen, sehingga mampu memberikan pemantauan respons publik secara real-time. Hasil penelitian menunjukkan bahwa sistem CRM berbasis web dengan fitur Social Listening dapat membantu perusahaan memahami opini dan perilaku konsumen secara lebih mendalam. Dengan demikian, perusahaan dapat menyusun strategi pemasaran yang lebih tepat sasaran, meningkatkan kepuasan pelanggan, serta memperkuat hubungan jangka panjang dengan konsumen. Penelitian ini menegaskan bahwa integrasi Social Listening dalam CRM berpotensi menjadi alat strategis dalam mendukung inovasi pemasaran digital di industri tekstil..
  • Thumbnail Image
    Item
    PENGEMBANGAN WEBSITE INTERAKTIF MULTI-PLATFORM UNTUK LIVE STREAMING DENGAN INTEGRASI CLOUD COMPUTING DAN AI ASSISTANT
    (Program Studi S1 Informatika, 2025) Adlillah, Satria Tantra; Ai Rosita (Pembimbing)
    Pengembangan website interaktif untuk live streaming merupakan solusi inovatif yang bertujuan untuk mempermudah proses bagi individu yang ingin melakukan live streaming sekaligus mendorong interaksi real-time antara streamer dan penonton. Proyek ini mengintegrasikan cloud computing dan asisten AI untuk meningkatkan pengalaman pengguna serta memastikan fungsionalitas yang lancar di berbagai platform, termasuk PC dan perangkat seluler. Metodologi yang digunakan meliputi penerapan arsitektur website yang responsif, integrasi dengan teknologi pemrosesan data secara real-time, dan penggunaan AI untuk memberikan rekomendasi serta fitur interaktif. Hasil penelitian menunjukkan bahwa sistem yang diusulkan meningkatkan aksesibilitas dan interaktivitas dalam live streaming, menawarkan solusi praktis dan skalabel bagi streamer. Penelitian ini berkontribusi pada pengembangan teknologi live streaming dan menjadi dasar untuk inovasi di masa depan.
  • Thumbnail Image
    Item
    PERBANDINGAN ALGORITMA KLASIFIKASI KNN DAN NAÏVE BAYES UNTUK PREDIKSI STUNTING PADA BALITA DI KECAMATAN BANJARAN
    (Program Studi S1 Informatika, 2025) Mu’taz, Rivaldy Fauzan; Ai Rosita (Pembimbing)
    Stunting merupakan permasalahan gizi kronis yang berdampak serius terhadap tumbuh kembang anak. Penelitian ini bertujuan untuk membandingkan kinerja algoritma Naïve Bayes dan K-Nearest Neighbors (KNN) dalam memprediksi stunting pada balita di Kecamatan Banjaran. Dataset terdiri dari 12.000 data balita dengan tiga fitur utama: usia, jenis kelamin, dan tinggi badan. Penelitian menggunakan pendekatan kuantitatif dengan penerapan algoritma pembelajaran mesin. Teknik oversampling SMOTE diterapkan hanya pada data latih untuk menghindari kebocoran data, serta digunakan validasi silang 5-fold cross-validation. Nilai K=3 dipilih untuk model akhir KNN berdasarkan analisis kurva validasi guna menghindari overfitting. Hasil menunjukkan bahwa KNN secara signifikan mengungguli Naïve Bayes dalam semua metrik evaluasi. Model Naïve Bayes menghasilkan akurasi 67,50%, presisi 50,87%, recall 61,38%, F1 score 55,63%, spesifisitas 70,54%, dan AUC score 75,71%. Sementara itu, model KNN (K=3) mencapai akurasi 99,11%, presisi 98,08%, recall 99,25%, F1 score 98,66%, spesifisitas 99,03%, dan AUC score 99,65%. Perbedaan kinerja kedua model dikonfirmasi melalui Uji McNemar dengan nilai p < 0,05, yang menunjukkan perbedaan signifikan secara statistik. Kinerja rendah Naïve Bayes disebabkan oleh pelanggaran asumsi independensi fitur, khususnya korelasi tinggi antara usia dan tinggi badan (r ≈ 0.87). Kesimpulannya, KNN merupakan algoritma yang lebih tepat digunakan untuk prediksi stunting pada dataset ini. Namun, keterbatasan jumlah fitur menunjukkan perlunya penelitian lanjutan dengan variabel tambahan dan validasi eksternal sebelum diterapkan dalam skala yang lebih luas.
  • Thumbnail Image
    Item
    SISTEM INFORMASI GEOGRAFIS BERBASIS WEBSITE UNTUK PEMETAAN INVENTARIS ASET TETAP
    (Program Studi Teknik Informatika, Universitas Widyatama, 2023) Lutfian Nurcholiq; Ai Rosita (Pembimbing)
    Inventarisasi aset adalah suatu kegiatan pencatatan aset yang dilakukan sebuah perusahaan, organisasi, dan pihak-pihak yang berkepentingan dengan tujuan untuk mencatat harta yang dimiliki. Dalam proses inventarisasi aset memiliki beberapa kendala seperti pencatatan masih menggunakan dokumen fisik yang memiliki risiko untuk hilang, terjadinya human error, maupun pudar seiring waktu berjalan dan dapat rusak akibat bencana alam yang tidak dapat diprediksi. Berdasarkan permasalahan yang terjadi, maka perlu adanya tindakan digitalisasi untuk mempermudah serta dapat meminimalkan terjadinya human error ataupun hal yang tidak diinginkan dalam proses pencatatan aset sehingga mempermudah dalam segi pemantauan terhadap aset. Dalam penelitian ini, framework digunakan untuk membangun sistem informasi geografis berbasis website yang dapat mempermudah proses inventarisasi serta pemantauan aset. Pengembangan sistem ini menggunakan metode SDLC (System Development Life Cycle) dan untuk perancangan menggunakan ERD (Entity Relationship Diagram) dalam membuat schema database. Tools atau alat yang digunakan dalam pengembangan ini yaitu XAMPP yang digunakan untuk membangun database dengan MySQL sebagai bahasa query, serta menggunakan text editor VS Code (Visual Studio Code) untuk menerjemahkan perancangan menjadi sebuah kode. Lalu dalam pengembangan sistem ini menggunakan bahasa pemrograman PHP dan framework laravel serta framework leaflet js untuk membangun sistem informasi geografis berbasis website dalam penelitian ini. Terdapat pengukuran nilai guna dalam penelitian ini yang berdasarkan survey menggunakan google form dengan mendapatkan hasil 100% responden menyatakan bahwa sistem inventarisasi aset memiliki kegunaan dalam proses inventarisasi aset.