PEWARNAAN TITIK PELANGI ANTI-AJAIB DAN ANALISIS SENTIMEN NAïVE BAYES UNTUK PRIORITAS PEMANTAUAN SPKLU DI JAKARTA

AUFA FAHMI WIDYATNA, . (2025) PEWARNAAN TITIK PELANGI ANTI-AJAIB DAN ANALISIS SENTIMEN NAïVE BAYES UNTUK PRIORITAS PEMANTAUAN SPKLU DI JAKARTA. Sarjana thesis, UNIVERSITAS NEGERI JAKARTA.

	Text COVER.pdf Download (2MB)
	Text BAB 1.pdf Download (529kB)
	Text BAB 2.pdf Restricted to Registered users only Download (1MB) | Request a copy
	Text BAB 3.pdf Restricted to Registered users only Download (624kB) | Request a copy
	Text BAB 4.pdf Restricted to Registered users only Download (2MB) | Request a copy
	Text BAB 5.pdf Restricted to Registered users only Download (535kB) | Request a copy
	Text DAFTAR PUSTAKA.pdf Download (513kB)
	Text LAMPIRAN.pdf Restricted to Registered users only Download (1MB) | Request a copy

Abstract

Polusi udara merupakan permasalahan global yang menyebabkan lebih dari 7 juta kematian setiap tahun, dan Jakarta termasuk salah satu kota dengan kualitas udara terburuk di dunia, di mana sektor transportasi menyumbang lebih dari 67% emisi. Transisi menuju kendaraan listrik menjadi solusi penting, sehingga keberadaan dan kualitas layanan Stasiun Pengisian Kendaraan Listrik Umum (SPKLU) perlu dipantau secara optimal. Penelitian ini bertujuan untuk menentukan pewarnaan titik pelangi dan pewarnaan titik pelangi anti-ajaib serta menerapkan pewarnaan titik pelangi anti-ajaib pada graf SPKLU dan mengintegrasikannya dengan analisis sentimen menggunakan model Naïve Bayes untuk menentukan prioritas petugas dalam melakukan pemantauan SPKLU di Jakarta. Metode yang digunakan meliputi kajian teori graf untuk menentukan pewarnaan titik pelangi dan pewarnaan titik pelangi anti-ajaib pada graf amalgamasi layang-layang $Amal(Kt_{s,2},x,c)$ serta menerapkannya pada graf SPKLU, dilanjutkan dengan pemrosesan teks ulasan pengguna PLN Mobile dan pembangunan model analisis sentimen menggunakan algoritme Naïve Bayes untuk mengintegrasikan hasil pewarnaan graf dengan tingkat sentimen pengguna dalam menentukan prioritas pemantauan SPKLU. Hasil menunjukkan model Naïve Bayes memiliki akurasi 94%, presisi 98%, recall 95%, spesifikasi 94%, dan F1-score 96%; sementara pewarnaan titik pelangi anti-ajaib mampu menentukan jumlah minimum petugas dan pembagian wilayah pemantauan. Target khusus penelitian tercapai melalui integrasi kedua metode yang menghasilkan strategi pemantauan SPKLU yang lebih efisien, terarah, dan mendukung percepatan penggunaan kendaraan listrik dalam upaya mengurangi polusi udara di Jakarta. ***** Air pollution is a global problem that causes more than 7 million deaths annually, and Jakarta is among the cities with the poorest air quality in the world, where the transportation sector contributes more than 67% of total emissions. The transition to electric vehicles has become an important solution; therefore, the availability and service quality of Public Electric Vehicle Charging Stations (SPKLU) need to be optimally monitored. This study aims to determine rainbow vertex coloring and antimagic rainbow vertex coloring, apply antimagic rainbow vertex coloring to the SPKLU graph, and integrate it with sentiment analysis using the Naïve Bayes model to determine the priority of monitoring officers for SPKLU in Jakarta. The methods used include graph theory analysis to determine rainbow vertex coloring and antimagic rainbow vertex coloring on the amalgamation kite graph $Amal(Kt_{s,2}, x, c)$ and apply it to the SPKLU graph, followed by text preprocessing of user reviews from the PLN Mobile application and the development of a sentiment analysis model using the Naïve Bayes algorithm to integrate the graph coloring results with user sentiment levels in determining SPKLU monitoring priorities. The results show that the Naïve Bayes model achieves an accuracy of 94%, precision of 98%, recall of 95%, specification of 94%, and an F1-score of 96%, while antimagic rainbow vertex coloring is able to determine the minimum number of officers and the division of monitoring areas. The specific objectives of the study are achieved through the integration of both methods, resulting in a more efficient and targeted SPKLU monitoring strategy that supports the acceleration of electric vehicle adoption in efforts to reduce air pollution in Jakarta.

Item Type:	Thesis (Sarjana)
Additional Information:	1). Devi Eka Wardani Meganingtyas, S.Pd., M.Si; 2). Drs. Mulyono, M.Kom.
Subjects:	Sains > Matematika
Divisions:	FMIPA > S1 Matematika
Depositing User:	Aufa Fahmi Widyatna .
Date Deposited:	06 Feb 2026 02:39
Last Modified:	06 Feb 2026 02:39
URI:	http://repository.unj.ac.id/id/eprint/65021

Actions (login required)

View Item