Implementasi asisten virtual untuk meningkatkan efisiensi produktivitas personal menggunakan algoritma Long Short-Term Memory (LSTM)

Taufiqurrahman, Fikri (2024) Implementasi asisten virtual untuk meningkatkan efisiensi produktivitas personal menggunakan algoritma Long Short-Term Memory (LSTM). Sarjana thesis, UIN Sunan Gunung Djati Bandung.

Preview	Text (COVER) 1_cover.pdf Download (227kB) | Preview
Preview	Text (ABSTRAK) 2_abstrak.pdf Download (276kB) | Preview
Preview	Text (DAFTAR ISI) 3_daftarisi.pdf Download (273kB) | Preview
Preview	Text (BAB I) 4_bab1.pdf Download (363kB) | Preview
	Text (BAB II) 5_bab2.pdf Restricted to Registered users only Download (539kB) | Request a copy
	Text (BAB III) 6_bab3.pdf Restricted to Registered users only Download (450kB) | Request a copy
	Text (BAB IV) 7_bab4.pdf Restricted to Registered users only Download (2MB) | Request a copy
	Text (BAB V) 8_bab5.pdf Restricted to Registered users only Download (306kB) | Request a copy
	Text (DAFTAR PUSTAKA) 9_daftarpustaka.pdf Restricted to Registered users only Download (319kB) | Request a copy

Abstract

Dalam era digital saat ini, kebutuhan akan teknologi yang dapat meningkatkan efisiensi produktivitas personal semakin meningkat. Penelitian ini bertujuan untuk mengembangkan dan mengimplementasikan asisten virtual yang meningkatkan efisiensi produktivitas personal menggunakan algoritma Long Short-Term Memory (LSTM) dan teknologi Natural Language Processing (NLP) untuk menghasilkan jawaban berdasarkan masukan pengguna serta melakukan perintah untuk mengatur jadwal dan melaporkan keuangan. Metode penelitian mengikuti kerangka Cross-Industry Standard Process for Data Mining (CRISP-DM), yang mencakup fase pemahaman bisnis, pemahaman data, persiapan data, pemodelan, evaluasi, dan penerapan. Implementasi sistem dilakukan berbasis aplikasi Android React Native dan Flask untuk server-side yang terhubung dengan Google Calendar API. Hasil penelitian menunjukkan bahwa asisten virtual berbasis LSTM mampu membuat model chatbot dengan akurasi prediksi sebesar 92,3% untuk memahami konteks percakapan dengan pengguna. Analisis lebih lanjut dengan teknologi NLP yang digunakan untuk ekstraksi informasi dengan fitur-fitur seperti ekstraksi judul, tanggal, waktu, durasi, nominal uang, dan text similarity yang dapat meningkatkan kemampuan asisten virtual dalam memahami dan merespons bahasa manusia secara alami. Lalu, feedback dari pengguna sebesar 95.6% aplikasi dapat meningkatkan efisiensi produktivitas personal melalui pengaturan jadwal dan finansial. Harapannya, penelitian ini dapat menjadi dasar bagi pengembangan lebih lanjut dan mendorong adopsi teknologi ini secara lebih luas untuk mendukung produktivitas manusia.

Actions (login required)

View Item