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.

[img]
Preview
Text (COVER)
1_cover.pdf

Download (227kB) | Preview
[img]
Preview
Text (ABSTRAK)
2_abstrak.pdf

Download (276kB) | Preview
[img]
Preview
Text (DAFTAR ISI)
3_daftarisi.pdf

Download (273kB) | Preview
[img]
Preview
Text (BAB I)
4_bab1.pdf

Download (363kB) | Preview
[img] Text (BAB II)
5_bab2.pdf
Restricted to Registered users only

Download (539kB) | Request a copy
[img] Text (BAB III)
6_bab3.pdf
Restricted to Registered users only

Download (450kB) | Request a copy
[img] Text (BAB IV)
7_bab4.pdf
Restricted to Registered users only

Download (2MB) | Request a copy
[img] Text (BAB V)
8_bab5.pdf
Restricted to Registered users only

Download (306kB) | Request a copy
[img] 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.

Item Type: Thesis (Sarjana)
Uncontrolled Keywords: Asisten Virtual; Chatbot; Google Calendar; Pengelolaan Jadwal; Pengelolaan Keuangan; Long Short-Term Memory (LSTM); Natural Language Processing (NLP)
Subjects: Data Processing, Computer Science
Applied Linguistics
Divisions: Fakultas Sains dan Teknologi > Program Studi Teknik Informatika
Depositing User: Fikri Taufiqurrahman
Date Deposited: 03 Sep 2024 07:35
Last Modified: 03 Sep 2024 07:35
URI: https://digilib.uinsgd.ac.id/id/eprint/94873

Actions (login required)

View Item View Item