Pengumuman
Syarat Upload
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
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 | RANCANG BANGUN DASHBOARD ANALITIK PADA SISTEM MANAJEMEN BARANG LAB TIK PNJ BERBASIS WEB SEBAGAI PENDUKUNG KEPUTUSAN PENGADAAN |
| Deskripsi | Peralihan sementara sistem peminjaman barang di Laboratorium TIK PNJ menggunakan Google Form telah menimbulkan berbagai keterbatasan, seperti kurangnya transparansi stok, pelacakan riwayat yang tidak terintegrasi, serta ketiadaan fitur analitik untuk merencanakan kebutuhan pengadaan tahunan. Untuk mengatasi permasalahan tersebut, penelitian ini bertujuan merancang dan membangun sistem manajemen barang berbasis web yang terintegrasi dengan dashboard analitik sebagai instrumen pendukung keputusan pengadaan. Pengembangan sistem dilakukan menggunakan metode Waterfall dengan mengimplementasikan tumpukan teknologi modern, meliputi Express.js pada sisi backend, Vue.js pada sisi frontend, PostgreSQL sebagai basis data, serta lingkungan container Docker. Sistem yang dikembangkan berhasil memfasilitasi seluruh siklus sirkulasi barang, mulai dari pengelolaan katalog barang, pengajuan dan verifikasi peminjaman, hingga pelaporan kendala operasional. Dashboard analitik pada sistem ini menerapkan pendekatan rule based yang mengkalkulasi frekuensi peminjaman, akumulasi kendala, dan sisa stok guna menghasilkan rekomendasi pengadaan aset secara otomatis. Berdasarkan hasil pengujian sistem, sebanyak 28 skenario pada API Testing berhasil dieksekusi secara optimal. Pengujian Black Box mengonfirmasi bahwa seluruh 34 skenario uji fungsional telah berjalan dengan normal sesuai dengan spesifikasi rancangan. Selain itu, hasil User Acceptance Testing (UAT) menunjukkan tingkat penerimaan sebesar 84,85 persen, yang mengkategorikan sistem ini ke dalam klasifikasi Sangat Layak. Penelitian ini menghasilkan solusi digital yang tidak hanya menstrukturkan administrasi laboratorium, tetapi juga menyediakan landasan analitik berbasis data bagi pengelola dalam mengambil keputusan pengadaan barang secara akurat dan efisien. |
| Kategori | Skripsi - TI |
| Diunggah oleh | Muhammad Rizki Awaluddin Mubin |
| Diunggah pada | Fri, 17 Jul 2026 |
2.
| Judul | RANCANG BANGUN MODEL PRE-TRAINED DAN APLIKASI DETEKSI SERAGAM SEKOLAH BERBASIS SISTEM PRESENSI ANDROID |
| Deskripsi | Pengawasan kepatuhan seragam siswa secara manual oleh guru berpotensi menimbulkan<br /> subjektivitas dan ketidakkonsistenan penilaian, sementara sistem absensi digital yang ada<br /> belum mengintegrasikan verifikasi atribut seragam sebagai bagian dari alur pencatatan<br /> kehadiran. Penelitian ini bertujuan membangun dataset seragam sekolah Indonesia yang<br /> memadai, mengembangkan sistem absensi Android yang mengintegrasikan deteksi multiatribut seragam secara on-device, serta mengevaluasi performa dan kelayakan deployment<br /> empat model deep learning pada perangkat Android nyata. Dataset kustom dibangun dari<br /> 566 gambar mencakup 16 kelas atribut seragam yang merepresentasikan variasi jenis<br /> seragam harian dan atribut pelengkap, mengisi keterbatasan dataset publik yang ada di<br /> mana dataset seragam Indonesia yang tersedia sebelumnya tidak mencakup atribut<br /> pelengkap dan memiliki jumlah citra yang sangat terbatas. Sistem SAPA (Sistem Absensi<br /> Pendeteksi Atribut) dikembangkan dengan pendekatan dua tahap dan mengintegrasikan<br /> empat model YOLOv11m, RT-DETR Large, RF-DETR Medium, dan MobileNetV2-SSD<br /> secara on-device tanpa ketergantungan server inferensi eksternal, dengan konversi<br /> masing-masing ke format TFLite, PyTorch Mobile, dan ONNX Runtime. Evaluasi pelatihan<br /> menghasilkan YOLOv11m sebagai model terbaik dengan mAP@0.5 sebesar 0,917, diikuti<br /> RT-DETR Large (0,885) dan RF-DETR Medium (0,846), sementara MobileNetV2-SSD<br /> tidak mencapai konvergensi yang memadai (mAP < 0,20). Pengujian skenario lapangan<br /> dengan 360 unit mengungkap paradoks antara akurasi statis dan kelayakan real-time: RFDETR Medium dan RT-DETR Large mencapai success rate 100% dan 96,7% namun hanya<br /> mampu di bawah 1 FPS pada CPU sehingga tidak layak deployment, sedangkan<br /> YOLOv11m menjadi satu-satunya model yang memenuhi ambang kelayakan dengan<br /> success rate 87,8% dan 3,4 FPS. Temuan ini menunjukkan bahwa evaluasi model pada<br /> server GPU tidak dapat dijadikan satu-satunya acuan kelayakan deployment mobile.<br /> Pengujian fungsional Black Box terhadap 20 skenario mencapai keberhasilan 100%. |
| Kategori | Skripsi - TI |
| Diunggah oleh | Frendy Eka Styabudi |
| Diunggah pada | Fri, 17 Jul 2026 |
3.
| Judul | ANALISIS DAN PERANCANGAN MODEL SISTEM APLIKASI PORTAL SISTEM PADA PT KERETA API PROPERTI MANAJEMEN |
| Deskripsi | PT Bumi Madani merupakan konsultan pengawas yang menerapkan On the Job Training (OJT) bagi pengawas pelaksana baru, namun evaluasi kesiapannya masih dilakukan secara lisan tanpa instrumen formal sehingga bersifat subjektif, tidak konsisten, dan tidak terdokumentasi. Penelitian ini bertujuan mengimplementasikan Fuzzy Inference System (FIS) Mamdani untuk mengolah data aktivitas simulasi menjadi evaluasi kesiapan peserta OJT. Sistem dibangun berbasis web dengan arsitektur berlapis menggunakan frontend React dan backend FastAPI bermesin scikit-fuzzy, serta basis data Google Cloud Firestore. Mesin evaluasi terdiri atas dua tahap, yaitu Tahap 1 yang menilai tiga domain kompetensi yakni K3, Material, dan Audit Lapangan secara paralel, serta Tahap 2 yang mengintegrasikan ketiganya melalui 27 aturan keputusan menjadi klasifikasi kesiapan Kritis, Pendampingan Terfokus, atau Mandiri. Basis aturan disusun melalui rekayasa pengetahuan yang divalidasi pakar. Hasil pengujian black box dan User Acceptance Testing menunjukkan seluruh skenario sesuai, sedangkan validasi pakar mencapai kesesuaian 91,67% pada Tahap 1 dan 88,89% pada Tahap 2. Dengan demikian, sistem mampu menghasilkan evaluasi kesiapan pengawas pelaksana yang objektif, konsisten, dan terdokumentasi. |
| Kategori | Skripsi - TI |
| Diunggah oleh | Shofiyah Salsabila |
| Diunggah pada | Fri, 17 Jul 2026 |
4.
| Judul | PREDIKSI HARGA EMAS MENGGUNAKAN METODE ARIMA DAN LSTM DENGAN INTEGRASI SISTEM CHATBOT RAG |
| Deskripsi | Emas merupakan instrumen investasi fluktuatif yang memerlukan pemantauan intensif. Penelitian ini mengembangkan Goltraak, sistem pelacakan dan prediksi harga emas berbasis kecerdasan buatan (Artificial Intelligence). Menggunakan metode Waterfall dengan arsitektur server-klien terpisah, sistem ini dibangun dengan Flutter (frontend), FastAPI (backend), serta diimplementasikan pada Google Cloud Platform (GCP) dengan pipeline MLOps terotomatisasi. Goltraak membandingkan model statistik ARIMA dan deep learning Univariate LSTM untuk proyeksi harga 7 hari ke depan, serta menyediakan chatbot interaktif berpendekatan Retrieval-Augmented Generation (RAG) untuk menyajikan informasi harga terkini secara akurat. Hasil pengujian Black Box Testing terhadap 11 skenario fungsional mencatatkan tingkat keberhasilan 100%. Pada pengujian model peramalan, ARIMA menunjukkan performa yang lebih unggul dan stabil dengan nilai Mean Absolute Percentage Error (MAPE) sebesar 1,21% untuk skenario beli dan 1,43% untuk skenario jual. Sementara itu, model LSTM menghasilkan tingkat galat yang lebih tinggi, yaitu sebesar 3,42% pada skenario beli dan 6,13% pada skenario jual. Pengujian melalui User Acceptance Testing (UAT) dilakukan dengan melibatkan 10 orang responden pegiat investasi emas, baik dari masyarakat umum maupun lingkaran terdekat (keluarga dan teman), menunjukkan tingkat kepuasan pengguna (Overall Satisfaction) mencapai 94%. Hasil ini membuktikan bahwa Goltraak sangat layak, andal, dan bermanfaat bagi masyarakat dalam memantau tren pasar emas harian. |
| Kategori | Skripsi - TI |
| Diunggah oleh | Muhammad Bryan |
| Diunggah pada | Fri, 17 Jul 2026 |
5.
| Judul | PREDIKSI HARGA EMAS MENGGUNAKAN METODE ARIMA DAN LSTM DENGAN INTEGRASI SISTEM CHATBOT RAG |
| Deskripsi | Emas merupakan instrumen investasi fluktuatif yang memerlukan pemantauan intensif. Penelitian ini mengembangkan Goltraak, sistem pelacakan dan prediksi harga emas berbasis kecerdasan buatan (Artificial Intelligence). Menggunakan metode Waterfall dengan arsitektur server-klien terpisah, sistem ini dibangun dengan Flutter (frontend), FastAPI (backend), serta diimplementasikan pada Google Cloud Platform (GCP) dengan pipeline MLOps terotomatisasi. Goltraak membandingkan model statistik ARIMA dan deep learning Univariate LSTM untuk proyeksi harga 7 hari ke depan, serta menyediakan chatbot interaktif berpendekatan Retrieval-Augmented Generation (RAG) untuk menyajikan informasi harga terkini secara akurat. Hasil pengujian Black Box Testing terhadap 11 skenario fungsional mencatatkan tingkat keberhasilan 100%. Pada pengujian model peramalan, ARIMA menunjukkan performa yang lebih unggul dan stabil dengan nilai Mean Absolute Percentage Error (MAPE) sebesar 1,21% untuk skenario beli dan 1,43% untuk skenario jual. Sementara itu, model LSTM menghasilkan tingkat galat yang lebih tinggi, yaitu sebesar 3,42% pada skenario beli dan 6,13% pada skenario jual. Pengujian melalui User Acceptance Testing (UAT) dilakukan dengan melibatkan 10 orang responden pegiat investasi emas, baik dari masyarakat umum maupun lingkaran terdekat (keluarga dan teman), menunjukkan tingkat kepuasan pengguna (Overall Satisfaction) mencapai 94%. Hasil ini membuktikan bahwa Goltraak sangat layak, andal, dan bermanfaat bagi masyarakat dalam memantau tren pasar emas harian. |
| Kategori | Skripsi - TI |
| Diunggah oleh | Muhammad Bryan |
| Diunggah pada | Fri, 17 Jul 2026 |
Dokumen Statistik
Total Dokumen Terupload
5 dokumen
Upload Dokumen Perbulan 2026
Januari
75
Februari
85
Maret
16
April
2
Mei
Tidak ada dokumen
Juni
2
Juli
407
Agustus
296
September
134
Oktober
52
November
12
Desember
368