Browsing by Author "Fitrah Rumaisa (Pembimbing)"

Now showing 1 - 10 of 10
  • Thumbnail Image
    Item
    ANALISA PENERAPAN ALGORITMA ENHANCED CONFIX STRIPPING DAN CONFIX STRIPPING DALAM MENCARI KATA DASAR DENGAN PROSES STEMMING BAHASA INDONESIA INFORMAL YANG BERIMBUHAN
    (Program Studi S1 Informatika, 2023) Palupi, Muhamad Reza; Fitrah Rumaisa (Pembimbing)
    temming adalah proses dalam pemrosesan bahasa alami yang bertujuan untuk mengubah kata-kata menjadi bentuk dasarnya atau kata dasar. Hal ini dilakukan dengan menghilangkan awalan atau akhiran tertentu dari kata agar konteks dan makna tetap terjaga. Namun, dalam bahasa Indonesia, permasalahan muncul ketika variasi awalan dan akhiran sangat beragam, menyebabkan kesulitan dalam menentukan aturan pemotongan yang tepat. Penelitian ini membahas mengapa penggunaan stemming penting dalam bahasa Indonesia dan bagaimana algoritma Conflix Stripping (CS) dan Enhanced Conflix Stripping (ECS) digunakan untuk mengatasi permasalahan ini. CS dan ECS adalah dua metode yang umum digunakan dalam penentuan kata dasar dalam proses stemming. Algoritma Confix Stripping adalah metode stemming berbasis aturan linguistik untuk bahasa Indonesia. Sedangkan, Enhanced Confix Stripping merupakan pengembangan dari algoritma sebelumnya dengan aturan atau rule yang ditingkatkan. Terakhir, hasil eksperimen menunjukkan bahwa akurasi Confix Stripping mencapai 65,62%, sementara ECS menghasilkan akurasi sebesar 66,58%. Penelitian ini memiliki tujuan utama sebagai referensi bagi penelitian berikutnya dalam bidang pengolahan teks. Dengan merangkum penjelasan mengenai Stemming, permasalahan variasi bahasa Indonesia, konsep ECS dan Confix Stripping, serta hasil akurat dari kedua algoritma tersebut, penelitian ini berharap dapat memberikan panduan bagi penelitian selanjutnya dalam upaya mengatasi tantangan yang muncul dari perkembangan bahasa dan pengolahan teks.
  • Thumbnail Image
    Item
    ANALISIS DAN PERANCANGAN MODEL STEMMING UNTUK BAHASA INDONESIA INFORMAL MENGGUNAKAN ALGORITMA ARIFIN DAN SETIONO
    (Program Studi S1 Informatika, 2024) Ismail, Dimas Rahayu; Fitrah Rumaisa (Pembimbing)
    Stemming adalah proses di mana berbagai bentuk kata dipetakan ke bentuk dasarnya. Ini merupakan salah satu pendekatan dasar dalam pra-pemrosesan teks yang digunakan dalam Pemodelan Bahasa, Pemrosesan Bahasa Alami, dan aplikasi Pengambilan Informasi. Teknik ini sangat penting untuk meningkatkan akurasi dan efisiensi dalam berbagai aplikasi pengolahan teks. Penelitian ini bertujuan untuk mengimplementasikan stemming pada bahasa Indonesia informal menggunakan algoritma Arifin dan Setiono, serta melakukan evaluasi terhadap tingkat akurasi hasil stemming tersebut. Algoritma Arifin dan Setiono dipilih karena relevansinya dalam konteks bahasa Indonesia, terutama dalam menangani kata-kata informal yang sering ditemukan dalam komunikasi sehari-hari, seperti di media sosial. Dalam penelitian ini, digunakan 300 data tweet yang diambil dari platform media sosial Twitter yang mengandung kata-kata informal dalam bahasa Indonesia. Data ini akan diuji secara manual dengan memeriksa setiap kata untuk mendapatkan bentuk kata dasarnya. Hasil stemming kemudian akan dibandingkan dengan kata dasar yang diperoleh secara manual untuk menghitung tingkat akurasi algoritma yang digunakan. Penelitian ini diharapkan dapat memberikan kontribusi signifikan dalam bidang pemrosesan bahasa alami, khususnya dalam pengembangan teknik stemming untuk bahasa Indonesia. Selain itu, hasil penelitian ini diharapkan dapat membantu para peneliti dan praktisi dalam memilih dan mengembangkan algoritma stemming yang lebih efektif untuk bahasa Indonesia informal.
  • Thumbnail Image
    Item
    ANALISIS PERBANDINGAN METODE RESAMPLING PADA MODEL ENSEMBLE STACKING TERHADAP DETEKSI PENIPUAN KARTU KREDIT
    (Program Studi S1 Informatika, 2025) Hidayat, Kerisna; Fitrah Rumaisa (Pembimbing)
    Penelitian ini bertujuan untuk mengevaluasi pengaruh berbagai teknik resampling terhadap kinerja model ensemble stacking dalam mendeteksi penipuan transaksi kartu kredit. Ketidakseimbangan kelas antara transaksi normal dan penipuan menjadi tantangan utama dalam membangun sistem deteksi yang akurat. Untuk mengatasi hal tersebut, digunakan empat metode resampling, yaitu SMOTE-Tomek, SMOTE-ENN, Random Oversampling (ROS), dan Random Undersampling (RUS), yang kemudian dikombinasikan dengan pendekatan ensemble stacking menggunakan algoritma Decision Tree, Random Forest, dan Support Vector Machine sebagai base learners, serta Logistic Regression sebagai meta learner.Hasil penelitian menunjukkan bahwa Random Oversampling (ROS) memberikan performa terbaik secara keseluruhan dengan accuracy sebesar 99.68%, precision 95.16%, recall 83.29%, f1-score 88.83%, dan ROC AUC 0.9994, serta waktu resampling tercepat yaitu 0.08 detik. Teknik ini mampu menjaga keseimbangan antara deteksi fraud dan meminimalkan false positive. Sementara itu, SMOTE-ENN memiliki recall tertinggi yaitu 96.11%, menunjukkan deteksi yang sangat sensitif, namun precision-nya lebih rendah (73.23%) dan waktu pemrosesan paling lama. SMOTE-Tomek memberikan hasil yang seimbang dengan recall 94.39% dan precision 80.57%, sedangkan RUS meskipun unggul dalam recall (99.20%), memiliki precision paling rendah (59.79%) karena hilangnya informasi akibat penghapusan data mayoritas.Penelitian ini menyimpulkan bahwa kombinasi Random Oversampling dan ensemble stacking merupakan solusi yang paling efektif dan efisien dalam mendeteksi penipuan kartu kredit. Pendekatan ini tidak hanya unggul dalam metrik evaluasi, tetapi juga cocok untuk implementasi sistem deteksi yang cepat dan akurat di lingkungan transaksi digital.
  • Thumbnail Image
    Item
    ANALISIS SENTIMENT TERHADAP KEPUASAN KONSUMEN PADA JASA TRANSFORTASI OJEK ONLINE MAXIM MENGGUNAKAN MACHINE LEARNING TECHNIQUES
    (Program Studi S1 Informatika, 2025) Ilham, Muhamad Hadziq; Fitrah Rumaisa (Pembimbing)
    Perkembangan teknologi saat ini memiliki dampak yang besar pada kehidupan manusia. Salah satu keuntungan dari kemajuan teknologi adalah meningkatnya popularitas transportasi online. Maxim merupakan sebuah Perusahaan berasal dari Rusia yang bernaung dalam PT. Teknologi Perdana Indonesia yang hadir di Indonesia sejak Juli 2018. Salah satu jasa ojek online yang sering di gunakan dan memiliki jumlah pengguna yang cukup besar di Indonesia dan memiliki tingkat kepuasan yang bervariasi terhadap layanan yang diberikan kepada konsumen. Pada Penelitian ini bertujuan untuk menganalisis sentimen pengguna aplikasi maxim di google playstore, dengan mengkategorikan ulasan berdasarkan sentimen positif, netral dan negatif, serta menguji akurasi analisis dengan menggunakan algoritma machine learning. Pada penelitian ini menggunakan model cross industry standard process for data mining (CRISP-DM) sebagai pedoman dalam analisis. Analisis dilakukan dengan menggunakan data hasil scrapping data di google plystore. Dan implementasi menggunakan algorima Naive Bayes, Support Vector Machine, Random forest, dan K-Nearest Neighbor. Data yang diperoleh dalam penelitian ini sebanyak 50.000 data ulasan namun setelah dilakukan pre processing data menjadi 46089 data dan pemrosesan menggunakan skenario 80:20 membagi data menjadi 2 data training dan data testing. Hasil evaluasi model machine learning menunjukkan algoritma support vector machine memiliki nilai akurasi tertinggi sebesar 85%, Precision 83%, Recall 85%, dan F1-Score 82%.
  • Thumbnail Image
    Item
    APLIKASI STEMMING BAHASA INDONESIA TIDAK BAKU MENGGUNAKAN ALGORITMA NAZIEF & ADRIANI
    (Program Studi S1 Informatika, 2023) Sari, Fenny Nalkemala; Fitrah Rumaisa (Pembimbing)
    Semakin banyaknya penggunaan kata berimbuhan tidak baku bahasa Indonesia dalam berkomunikasi baik secara langsung maupun komunikasi di media sosial sebagai contohnya yaitu Facebook, Twitter dan sebagainya. Banyak pengguna yang merasakan akan sulitnya membedakan penggunaan kata baku dan tidak baku yang berimbuhan. Sebelumnya terdapat penelitian terdahulu yang melakukan penelitian mengenai stemming kata baku berimbuhan Bahasa Indonesia, tetapi kurangnya penelitian mengenai pengujian terhadap stemming kata berimbuhan tidak baku bahasa Indonesia, Maka pada penelitian ini akan membangun aplikasi stemming bahasa Indonesia tidak baku menggunakan algoritma Nazief & Adriani dan menguji akurasi pada algoritma stemming Nazief & Adriani. Membangun aplikasi stemming pada penelitian ini menggunakan metode pengembangan sistem waterfall. Dalam melakukan pengujian pada penelitian ini menggunakan 300 tweet yang memiliki kata berimbuhan tidak baku Bahasa Indonesia yang akan diuji secara manual dengan mengecek satu persatu untuk mendapatkan kata dasar. Hasil akhir penelitian ini dari 300 kata berimbuhan tidak baku bahasa Indonesia setelah dilakukan proses stemming terdapat 273 kata yang berhasil pada proses stemming, sehingga tingkat akurasi algoritma stemming Nazief & Adriani dalam melakukan stemming kata berimbuhan tidak baku bahasa indonesia adalah 91% atau 273 kata berhasil pada proses stemming.
  • Thumbnail Image
    Item
    FORECASTING PENJUALAN ONLINE PRODUK UMKM ELECTRONIC THINGIES PADA TOKOPEDIA MENGGUNAKAN METODE ARIMA
    (Program Studi S1 Informatika, 2023) Sholeh, Ridhan; Fitrah Rumaisa (Pembimbing)
    Dalam era digital ini, e-commerce telah menjadi platform yang vital bagi pertumbuhan UMKM (Usaha Mikro, Kecil, dan Menengah) di Indonesia. Salah satu platform e-commerce yang populer adalah Tokopedia, yang memberikan kesempatan bagi UMKM Electronic Thingies di Bandung, Jawa Barat, untuk menjual produk mereka secara online. Namun, fluktuasi nilai penjualan yang tinggi dapat menyebabkan tantangan dalam perencanaan produksi dan persediaan produk dengan tepat. Oleh karena itu, pengembangan model prediksi penjualan menjadi sangat penting untuk membantu UMKM dalam mengoptimalkan strategi bisnis mereka. Penelitian ini menggunakan data penjualan historis Electronic Thingies selama dua tahun terakhir, yaitu mulai dari Januari 2020 hingga April 2023. Jumlah data yang diperoleh mencakup 1215 observasi. Metode yang diadopsi dalam penelitian ini adalah model ARIMA (AutoRegressive Integrated Moving Average). Model ARIMA merupakan pendekatan statistik yang memanfaatkan hubungan antara observasi masa lalu dengan masa sekarang dan menggabungkannya dengan komponen autoregresi, integrasi, dan moving average. Pengimplementasian model ARIMA dilakukan menggunakan Bahasa Pemrograman Python di platform Google Colab. Hasil pengujian menunjukkan bahwa model prediksi ARIMA memiliki akurasi yang baik, dengan nilai Root Mean Square Error (RMSE) sebesar 10,85. Nilai RMSE yang relatif rendah mengindikasikan bahwa model ARIMA mampu melakukan prediksi penjualan produk UMKM Electronic Thingies dengan tingkat kesalahan yang rendah. Keakuratan model ini memungkinkan UMKM untuk merencanakan produksi dan persediaan produk dengan lebih efektif dan efisien. Selain itu, dengan memiliki prediksi yang lebih dapat diandalkan, UMKM juga dapat merespon perubahan permintaan pasar dan mengoptimalkan strategi pemasaran dan promosi produk. Penelitian ini berhasil mengembangkan model prediksi penjualan online produk UMKM Electronic Thingies pada platform Tokopedia menggunakan metode ARIMA. Model ARIMA telah terbukti memiliki akurasi yang baik dalam meramalkan penjualan di masa mendatang. Dengan adanya model prediksi ini, UMKM Electronic Thingies di Bandung dapat merencanakan produksi dan persediaan produk secara lebih efektif dan efisien, meningkatkan daya saing di pasar online, serta mendukung pertumbuhan dan kesuksesan bisnis mereka. Meskipun hasil penelitian ini menggembirakan, perlu diingat bahwa faktor eksternal seperti faktor pasar, musim, dan promosi perlu dipertimbangkan secara terpisah untuk mendapatkan gambaran yang lebih komprehensif dalam mengambil keputusan strategis. Dengan demikian, penelitian ini dapat memberikan kontribusi yang berarti bagi pengembangan UMKM dan industri e-commerce di Indonesia.
  • Thumbnail Image
    Item
    IMPLEMENTASI ALGORITMA RANDOM FOREST UNTUK PREDIKSI DAN KLASIFIKASI DAERAH BANJIR DI KABUPATEN BANDUNG
    (Program Studi S1 Informatika, 2025) Rianto, Aryan; Fitrah Rumaisa (Pembimbing)
    Banjir merupakan salah satu bencana alam yang sering terjadi di Kabupaten Bandung dan memberikan dampak signifikan terhadap aspek sosial, ekonomi, serta lingkungan. Berdasarkan data dari BNPB periode 2019 – 2023, tercatat 446 kejadian banjir dengan berbagai data kerugian. Penelitian sebelumnya menerapkan metode prediksi banjir seperti K-Nearest Neighbor, , Naive Bayes, Support Vector Machine, namun masih memiliki keterbatasan dari segi akurasi, efisiensi komputasi dan parameter data. Sebagai solusi, penelitian ini mengimplementasikan algoritma Random Forest, yang dikenal memiliki performa lebih baik. Tujuan dari penelitian ini untuk melakukan klasifikasi dan prediksi tingkat kerawanan banjir di Kabupaten Bandung secara akurat, serta menghasilkan sistem yang dapat mendukung perencanaan mitigasi bencana berbasis data. Variabel yang digunakan dalam model meliputi data curah hujan, jenis tanah, penggunaan lahan, dan data historis banjir dari tahun 2019 hingga 2023. Sebagai Metodologinya penelitian ini dilakukan dengan tahapan : pengumpulan data dari beberapa instansi yang terkait yaitu BMKG, BNPB, dan Bappeda. Preprocessing data dan Eksplorasi data, pemodelan menggunakan algoritma Random Forest dengan bantuan library Pycaret sebagai perbandingan algoritma yang tepat berdasarkan akurasi tertinggi dan scikit-learn sebagai penentuan algoritma terbaik, serta evaluasi model menggunakan metrik klasifikasi seperti akurasi, precision, recall, F1-score, AUC, Kappa dan MCC. Hasil penelitian menunjukkan bahwa model Random Forest yang telah di optimasi memiliki akurasi sebesar 96%, AUC 99%, dan rata-rata Precision, recall, dan F1score di atas 90%. Model ini terbukti mampu membedakan wilayah dengan tingkat risiko banjir tinggi dan rendah secara sangat baik. Model prediksi tersebut kemudian diintegrasikan ke dalam sebuah aplikasi berbasis web bernama CaaIR (Cek Area Caah dan Informasi Rawan), yang dibangun menggunakan framework React untuk antarmuka pengguna dan Flask untuk backend. Aplikasi ini memungkinkan pengguna memasukkan data parameter wilayah dan memperoleh prediksi tingkat kerawanan banjir secara instan.
  • Thumbnail Image
    Item
    IMPLEMENTASI APLIKASI PENJUALAN PADA PERUSAHAAN HG BABY KIDS BERBASIS WEBSITE
    (Program Studi S1 Informatika, 2024) Satriawan, Hendry Yan’gar; Fitrah Rumaisa (Pembimbing)
    HG Baby merupakan perusahaan yang bergerak dalam bidang retail barang untuk anak-anak dan bayi, berlokasi di jalan Caringin No.161, Babakan Ciparay, Kota Bandung. Pada HG Baby Kids ada 3 kegiatan proses bisnis yang diangkat dalam penelitian ini diantaranya proses penjualan, proses pembayaran, dan proses pelayanan online. Dalam 3 kegiatan tersebut, terdapat satu masalah yaitu belum menerapkan teknologi informasi sebagai alat bantu dalam bisnis. Maka tujuan penelitian ini untuk masing-masing kegiatan proses bisnis tersebut dapat dikembangkan sebuah sistem yang terintegrasi dimulai dari proses pencatatan penjualan, proses transaksi pembayaran, dan proses pelayanan secara terkomputerisasi. Metode yang digunakan dalam penelitian ini adalah kualitatif deksriptif berdasarkan pada data primer yaitu hasil wawancara dan hasil observasi. Dalam pelaksanaan pengembangan sistem menggunakan Metode SDLC model prototype yang terdiri dari 4 tahapan yaitu pengumpulan kebutuhan, proses desain yang cepat, membangun prototype, dan evaluasi perbaikan dengan bahasa pemodelan UML (Unified Modelling Language) yang diantaranya menggunakan diagram use case, activity, class diagram, dan sequence. Hasil dari penelitian ini adalah implementasi aplikasi penjualan berbasis website dengan menggunakan teknologi CMS atau Content Management System karena lebih cocok digunakan oleh perusahaan kecil yang tidak perlu mengeluarkan biaya yang tinggi tetapi mendapat kualitas website yang baik. Untuk membantu dalam membuat dan mengelola website tersebut yaitu menggunakan platform WordPress karena memiliki banyak fitur dan plugin. Hal-hal tersebut dapat memberikan solusi atas permasalahan 3 proses bisnis yakni proses penjualan, proses pembayaran serta proses pelayanan yang semula masih menggunakan media kertas mulai beralih menggunakan teknologi informasi salah satunya website dan seluruh pengelolaan yang terjadi dalam perusahaan dapat terkomputerisasi secara optimal.
  • Thumbnail Image
    Item
    IMPLEMENTASI BUSINESS INTELLIGENCE SEBAGAI PENDUKUNG TERHADAP ANALISIS DATA KEPEMILIKAN TANAH DI DESA JATISARI
    (Program Studi S1 Informatika, 2025) Fauziah, Ai Lusi; Fitrah Rumaisa (Pembimbing)
    Pengelolaan data kepemilikan tanah di tingkat desa masih banyak dilakukan secara manual menggunakan dokumen fisik dan spreadsheet, sehingga menyulitkan proses pencarian, pemetaan, dan analisis. Desa Jatisari sebagai objek penelitian menghadapi permasalahan serupa, khususnya dalam hal pengambilan keputusan berbasis data pertanahan yang tersebar dan tidak terintegrasi. Berdasarkan hal tersebut, penelitian ini bertujuan untuk merancang dan mengembangkan sistem Business Intelligence (BI) yang dapat menyajikan data kepemilikan tanah secara terstruktur, visual, dan mudah dipahami melalui dashboard interaktif. Penelitian juga menerapkan proses ETL (Extract, Transform, Load) untuk memproses data mentah menjadi informasi siap pakai, serta menampilkan informasi penting yang mendukung keputusan pemerintah desa. Penelitian ini menggunakan pendekatan rekayasa perangkat lunak dengan metode implementasi Business Intelligence yang terdiri atas tahapan: justifikasi, perencanaan, analisis kebutuhan, perancangan sistem, pembangunan, dan penyajian sistem. Data primer dikumpulkan dari arsip Kantor Desa Jatisari dan dokumen resmi Badan Pertanahan Nasional (BPN), kemudian diproses melalui Pentaho Data Integration untuk tahapan ETL dan divisualisasikan dalam Power BI. Dashboard yang dikembangkan menampilkan indikator visual seperti total luas tanah per wilayah, klasifikasi ukuran bidang, dan status legalitas bidang berdasarkan NIB. Visualisasi dilakukan secara interaktif dengan dukungan filter wilayah untuk mendukung pemahaman data yang lebih cepat dan tepat. Hasil pengujian melalui User Acceptance Test (UAT) yang melibatkan perangkat desa menunjukkan tingkat kepuasan rata-rata sebesar 94%, dengan penilaian positif terhadap kemudahan penggunaan, kejelasan navigasi, dan penyajian informasi yang interaktif. Sistem ini telah disimulasikan kepada pihak desa dan dinilai membantu proses digitalisasi data pertanahan, mempercepat analisis, serta mendukung pengambilan keputusan yang lebih akurat dan efisien di lingkungan pemerintahan desa.
  • Thumbnail Image
    Item
    PENERAPAN CUSTOMER RELATIONSHIP MANAGEMENT DENGAN INTEGRASI WEB DAN SOCIAL MEDIA PADA DISTROLINE
    (Program Studi S1 Informatika, 2017) Yozita, Ajeng Dita; Fitrah Rumaisa (Pembimbing)
    Survei yang dilakukan pada perusahaan Distroline meliputi pengelolaan data pelanggan, sarana komunikasi, pengelolaan data keinginan pelanggan, dan sarana pemasaran pada perusahaan. Dari hasil survei yang dilakukan, saat ini Distroline masih memanfaatkan teknologi yang sederhana, yaitu pengelolaan data pelanggan masih dengan menggunakan buku atau aplikasi perkantoran seperti Microsoft Excel. Untuk berkomunikasi dengan pelanggan, Distroline masih menggunakan SMS (Short Message Service). Data keinginan dari masing-masing pelanggan belum tersedia. Serta sarana pemasaran yang kurang memadai untuk memasarkan kepada masyarakat luar kota Bandung. Untuk mengantisipasi kebutuhan dan masalah pada perusahaan Distroline, akan diterapkan berupa konsep Customer Relationship Management yang berbasis pada website. Konsep tersebut mencakup dari masalah-masalah perusahaan yang terkait dengan pelanggan. Selain itu, media sosial akan ditambahkan pula untuk menunjang pemasaran yang cakupannya lebih luas. Dapat diambil kesimpulan bahwa aplikasi yang dikembangkan sudah dapat menyimpan data pelanggan dan menampilkan informasi yang sesuai untuk kebutuhkan pelanggan terkait produk-produk yang ada. Aplikasi yang telah dikembangkan dapat membantu perusahaan untuk berkomunikasi dengan pelanggan melalui pesan, dan sistem dapat mengetahui produk yang diinginkan oleh pelanggan dengan fitur wishlist, sehingga pemasaran produk dapat tepat sasaran.