Pengumuman

PENTING, Siapkan sebelumnya:

1. Format penamaan folder dan file .pdf adalah : NIM_Nama_Lengkap
2. Laporan Skripsi dalam bentuk kompilasi satu file utuh termasuk lembar pengesahan yang telah ditandatangani dan telah diberi watermark dalam bentuk file .pdf (panduan watermark dapat dilihat di : https://tinyurl.com/y46j793x ) di public

3. Folder .zip/.rar (ukuran max. 100 MB) yang berisi : diprivate
a. Laporan Skripsi dalam bentuk kompilasi satu file utuh termasuk lembar pengesahan yang telah ditandatangani dan telah diberi watermark dalam bentuk file dan .doc/.docx
b. Jurnal Skripsi, maksimal 8 halaman sesuai template contoh yang telah ditentukan.
c. Aplikasi yang dibuat berikut software pendukungnya jika ada
d. Readme aplikasi, Penjelasan bagaimana instalasi dan pemakaian aplikasi yang dibuat (bentuk file format .pdf dan .doc/.docx)
e. Poster Skripsi(bentuk file .jpg).

Koleksi Pustaka
Riwayat Unggah Dokumen
1.
Judul DETEKSI KECURANGAN MAHASISWA MELALUI PERILAKU TUBUH DENGAN COMPUTER VISION
Deskripsi Penelitian ini bertujuan untuk mendeteksi kecurangan selama ujian menggunakan model YOLOv8, yang memanfaatkan teknik Deep Learning dan Convolutional Neural Networks (CNN). Metode observasi lapangan digunakan untuk memperoleh data secara langsung, yang kemudian dilabel dan diproses sebelum digunakan untuk melatih model. Model YOLOv8 diimplementasikan untuk mendeteksi perilaku mencurigakan selama ujian di dalam kelas dengan akurasi yang tinggi. Hasil pengujian menunjukkan bahwa model ini mampu mendeteksi tindakan kecurangan dengan tingkat akurasi yang memadai, terutama pada kelas "not-cheating". Namun, model mengalami kesulitan dalam mendeteksi kelas "cheating" dengan precision yang lebih rendah. Kurva F1 confidence dengan nilai sebesar 0.78 menunjukkan bahwa model bekerja dengan baik secara keseluruhan, meskipun diperlukan penyesuaian untuk meningkatkan recall pada kelas "cheating". Secara keseluruhan, penelitian ini mendukung penggunaan YOLOv8 sebagai alat yang efektif untuk pengawasan ujian berbasis visi komputer, memberikan kontribusi signifikan dalam meningkatkan integritas dan keadilan dalam proses evaluasi akademik.
Kategori Skripsi - TI
Diunggah oleh Nisrina Izzatul Islam
Diunggah pada Tue, 21 Oct 2025

2.
Judul DETEKSI KECURANGAN MAHASISWA MELALUI PERILAKU TUBUH DENGAN COMPUTER VISION
Deskripsi Penelitian ini bertujuan untuk mendeteksi kecurangan selama ujian menggunakan model YOLOv8, yang memanfaatkan teknik Deep Learning dan Convolutional Neural Networks (CNN). Metode observasi lapangan digunakan untuk memperoleh data secara langsung, yang kemudian dilabel dan diproses sebelum digunakan untuk melatih model. Model YOLOv8 diimplementasikan untuk mendeteksi perilaku mencurigakan selama ujian di dalam kelas dengan akurasi yang tinggi. Hasil pengujian menunjukkan bahwa model ini mampu mendeteksi tindakan kecurangan dengan tingkat akurasi yang memadai, terutama pada kelas "not-cheating". Namun, model mengalami kesulitan dalam mendeteksi kelas "cheating" dengan precision yang lebih rendah. Kurva F1 confidence dengan nilai sebesar 0.78 menunjukkan bahwa model bekerja dengan baik secara keseluruhan, meskipun diperlukan penyesuaian untuk meningkatkan recall pada kelas "cheating". Secara keseluruhan, penelitian ini mendukung penggunaan YOLOv8 sebagai alat yang efektif untuk pengawasan ujian berbasis visi komputer, memberikan kontribusi signifikan dalam meningkatkan integritas dan keadilan dalam proses evaluasi akademik.
Kategori Skripsi - TI
Diunggah oleh Nisrina Izzatul Islam
Diunggah pada Tue, 21 Oct 2025

3.
Judul masjay
Deskripsi Uya
Kategori Skripsi - TI
Diunggah oleh Jaya Sofyan
Diunggah pada Mon, 22 Sep 2025

4.
Judul RANCANG BANGUN WEBSITE REKAYASA TEKNOLOGI DAN PRODUK UNGGULAN: PENGEMBANGAN PORTAL LEARNING MANAGEMENT SYSTEM UNTUK PROGRAM PELATIHAN PADA REKAYASA TEKNOLOGI DAN PRODUK UNGGULAN POLITEKNIK NEGERI JAKARTA
Deskripsi Pengembangan portal Learning Management System (LMS) merupakan langkah strategis dalam mendukung efektivitas proses pembelajaran jarak jauh, khususnya pada program pelatihan di Rekayasa Teknologi dan Produk Unggulan (RTPU) PNJ. LMS berperan penting dalam memfasilitasi penyampaian materi, interaksi antara peserta dan pengajar, serta pengelolaan proses belajar secara daring. Pada penelitian ini, dikembangkan sebuah aplikasi portal pembelajaran bernama RTPU PNJ dengan menggunakan framework React.js untuk sisi antarmuka pengguna dan Node.js pada sisi backend. Proses pengembangan dilakukan melalui beberapa tahapan, seperti wawancara dengan kepala RTPU, perancangan desain, implementasi, dan pengujian aplikasi. Seluruh tahapan tersebut dilakukan guna menghasilkan sebuah sistem pembelajaran daring yang efektif, terstruktur, dan sesuai dengan kebutuhan pengguna di lingkungan RTPU PNJ.
Kategori Skripsi - TI
Diunggah oleh Prayoga W
Diunggah pada Mon, 11 Aug 2025

5.
Judul RANCANG BANGUN LEARNING MANAGEMENT SYSTEM UNTUK PROGRAM PELATIHAN PADA RTPU PNJ
Deskripsi Learning Management System (LMS) merupakan alat penting dalam mendukung proses pembelajaran daring, terutama pada program pelatihan vokasi. Penelitian ini bertujuan untuk merancang dan mengembangkan LMS berbasis website yang disesuaikan dengan kebutuhan program pelatihan di Rekayasa Teknologi dan Produk Unggulan (RTPU) Politeknik Negeri Jakarta. LMS ini dikembangkan menggunakan framework React.js untuk sisi frontend dan Tailwind CSS untuk styling antarmuka, serta menerapkan pendekatan pengembangan sistem berbasis metode Waterfall. Metodologi yang digunakan meliputi tahapan analisis kebutuhan melalui wawancara dan observasi, perancangan sistem dengan diagram use case dan activity, hingga implementasi dan pengujian menggunakan metode Blackbox. Hasil dari pengujian menunjukkan bahwa seluruh fungsionalitas sistem berjalan sesuai ekspektasi, dengan tingkat keberhasilan 100%. Sistem LMS ini diharapkan dapat meningkatkan efektivitas pelatihan, mempercepat proses digitalisasi pembelajaran, dan menjadi solusi strategis dalam mendukung pengembangan kompetensi di lingkungan RTPU PNJ.
Kategori Skripsi - TI
Diunggah oleh Gianna Nasya Odelia Impal
Diunggah pada Wed, 6 Aug 2025
Dokumen Statistik
Total Dokumen Terupload

5 dokumen


Upload Dokumen Perbulan 2025
Januari 64
Februari 69
Maret 16
April 2
Mei Tidak ada dokumen
Juni Tidak ada dokumen
Juli 222
Agustus 296
September 134
Oktober 52
November 12
Desember 143