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 | RANCANG BANGUN SISTEM LAYANAN PELAPORAN WARGA DENGAN ANALISIS SENTIMEN LAPORAN BERBASIS WEB |
| Deskripsi | Pertumbuhan penduduk Indonesia yang pesat memicu meningkatnya kebutuhan akan sistem layanan masyarakat yang efisien, termasuk dalam pengelolaan laporan warga. Di RW 015 Kelurahan Bahagia, Bekasi, dengan total 3.872 jiwa dari 968 kepala keluarga, proses pelaporan warga masih dilakukan secara manual dan belum terdokumentasi dengan baik, sehingga menyulitkan pengelolaan laporan dan penanganan laporan berdasarkan tingkat urgensinya. Penelitian ini bertujuan untuk membangun sistem layanan pelaporan warga berbasis web dengan klasifikasi sentimen otomatis menggunakan model Bidirectional Long Short-Term Memory (Bi-LSTM). Model Bi-LSTM dipilih karena kemampuannya dalam memahami konteks teks secara lebih akurat melalui pemrosesan dua arah. Proses pengembangan sistem meliputi tahap data preprocessing, pelatihan model, dan integrasi ke dalam platform web. Evaluasi model dilakukan melalui pengujian kombinasi hyperparameter, yang menghasilkan akurasi sebesar 97,08%. Selain itu, pengujian sistem menggunakan metode black-box testing, User Acceptance Test (UAT), System Usability Scale (SUS), dan Net Promoter Score (NPS) menunjukkan hasil yang sangat baik, dengan skor SUS sebesar 88,61 dan NPS sebesar 77,78%. Hasil tersebut menunjukkan bahwa sistem ini tidak hanya akurat secara teknis, tetapi juga diterima dengan baik oleh pengguna utama sebagai solusi pengelolaan laporan warga. |
| Kategori | Skripsi - TI |
| Diunggah oleh | Larasati Maharani |
| Diunggah pada | Tue, 22 Jul 2025 |
2.
| Judul | RANCANG BANGUN APLIKASI POINT OF SALE (POS) BERBASIS WEB |
| Deskripsi | Usaha Mikro, Kecil, dan Menengah (UMKM) berkontribusi lebih dari 60% terhadap Produk Domestik Bruto (PDB) Indonesia dan menyerap sekitar 97% tenaga kerja. Namun, masih banyak UMKM yang belum memanfaatkan teknologi digital secara optimal. Salah satunya adalah Toko Biyan, toko agen yang menjual minuman secara grosir yang telah berdiri selama 14 tahun dan masih menggunakan pencatatan manual dalam transaksi dan pengelolaan stok, sehingga rentan terhadap kesalahan dan memperlambat proses operasional. Penelitian ini bertujuan merancang dan membangun aplikasi Point of Sale (POS) berbasis web menggunakan Laravel untuk mendukung digitalisasi proses transaksi, pengelolaan produk, pemasukan, pengeluaran, serta pelaporan keuangan. Metode pengembangan yang digunakan adalah Waterfall, meliputi analisis kebutuhan, perancangan, implementasi, dan pengujian. Berdasarkan hasil pengujian black box, seluruh fitur utama berjalan sesuai fungsi, sedangkan pengujian UAT menunjukkan bahwa pengguna merasa terbantu dalam penggunaan sistem. Evaluasi lebih lanjut menghasilkan skor System Usability Scale (SUS) sebesar 76,53 (kategori “Good”, grade B) dan Net Promoter Score (NPS) sebesar 33,33%, yang menunjukkan bahwa aplikasi ini layak digunakan dan direkomendasikan sebagai solusi pengelolaan operasional untuk toko skala mikro. |
| Kategori | Skripsi - TI |
| Diunggah oleh | Muhammad Aryaputra Adji |
| Diunggah pada | Tue, 22 Jul 2025 |
3.
| Judul | RANCANG BANGUN SISTEM LAYANAN PELAPORAN WARGA DENGAN ANALISIS SENTIMEN LAPORAN BERBASIS WEB |
| Deskripsi | Penelitian ini bertujuan untuk membangun sebuah aplikasi web klasifikasi sentimen otomatis terhadap laporan warga menggunakan metode Bi-LSTM (Bidirectional Long Short-Term Memory). Permasalahan yang diangkat dalam penelitian ini adalah laporan yang masuk di RW 015 Kelurahan Bahagia, tidak terdokumentasikan dengan baik tanpa adanya sistem klasifikasi sentimen, sehingga menyulitkan dalam menentukan pengelolaan dan prioritas penanganan dalam tingkat urgensinya. Metode Bi-LSTM digunakan untuk mengolah teks laporan dan mengklasifikasikannya ke dalam kategori sentimen positif, netral, atau negatif. Penelitian ini melalui beberapa tahapan, mulai dari preprocessing data, pelatihan model, hingga implementasi ke dalam sistem web. Evaluasi dilakukan dengan menguji berbagai kombinasi hyparameter untuk mendapatkan performa terbaik, yang menghasilkan akurasi model Bi-LSTM sebesar 97,08%. Selain itu, dilakukan juga pengujian sistem web melalui metode black box testing, UAT (User Acceptance Test), SUS (System Usability Scale), dan NPS (Net Promoter Score). Hasilnya menunjukkan bahwa pengujian UAT dengan wawancara mendapatkan respon yang baik dan pengujian sistem mendapat skor SUS sebesar 88,61 dan NPS sebesar 77,78%. Hasil tersebut menunjukkan bahwa sistem ini tidak hanya akurat secara teknis, tetapi juga diterima dengan baik oleh pengguna utama sebagai solusi pengelolaan laporan warga. |
| Kategori | Skripsi - TI |
| Diunggah oleh | Larasati Maharani |
| Diunggah pada | Tue, 22 Jul 2025 |
4.
| Judul | IMPLEMENTASI ALGORITMA RECURRENT NEURAL NETWORK (RNN) DALAM PERAMALAN OMSET PENJUALAN ONLINE PADA WEBSITE COTTONINK |
| Deskripsi | Peramalan penjualan merupakan proses penting dalam mendukung pengambilan keputusan bisnis, khususnya dalam perencanaan strategi pemasaran. Penelitian ini bertujuan untuk membangun sistem peramalan omset penjualan berbasis website dengan mengimplementasikan metode Recurrent Neural Network (RNN) menggunakan arsitektur Gated Recurrent Unit (GRU). Sistem ini dikembangkan menggunakan Python untuk pemodelan dan Laravel serta Flask untuk antarmuka web. Beberapa konfigurasi model GRU diuji dan dievaluasi berdasarkan nilai Mean Absolute Error (MAE) dan Root Mean Square Error (RMSE) untuk menentukan model terbaik. Model terbaik yang diperoleh dalam penelitian ini menghasilkan nilai MAE sebesar 12,69% dan RMSE sebesar 17,99%. Pengujian sistem dilakukan melalui evaluasi teknis (blackbox) dan User Acceptance Testing (UAT) menggunakan kuesioner dan wawancara. Hasil menunjukkan sistem dapat berjalan dengan baik dan stabil, serta mendapatkan skor UAT rata-rata 4,25 dari 5 (85%) dengan aspek kemudahan penggunaan memperoleh nilai tertinggi. Sistem dinilai sangat membantu mempercepat proses peramalan dan mendukung pengambilan keputusan. |
| Kategori | Skripsi - TI |
| Diunggah oleh | Sarah Humaira |
| Diunggah pada | Tue, 22 Jul 2025 |
5.
| Judul | DETEKSI PROMOSI JUDI ONLINE PADA PESAN DONASI MENGGUNAKAN LARGE LANGUAGE MODEL |
| Deskripsi | Penelitian ini mengembangkan aplikasi deteksi promosi judi online pada pesan donasi menggunakan Large Language Model (LLM) dari OpenAI API. Sistem dilengkapi fitur login, pencarian streamer, donasi, dan deteksi otomatis promosi judi. Pengujian Black Box menunjukkan semua fitur berfungsi baik. Evaluasi pengguna menggunakan Net Promoter Score (NPS) sebesar 72,73 dan System Usability Scale (SUS) dengan nilai 84,55 menunjukkan kepuasan dan kemudahan penggunaan yang tinggi. Sistem deteksi juga diuji dengan metrik presisi, recall, dan F1-score, menunjukkan akurasi yang cukup efektif meski masih dapat ditingkatkan dengan perluasan data latih dan optimasi model. Penelitian ini memberikan solusi efektif untuk mengurangi promosi judi online dalam pesan donasi dan dasar untuk pengembangan lebih lanjut. |
| Kategori | Skripsi - TI |
| Diunggah oleh | Sayyid Nabil Rifki |
| Diunggah pada | Tue, 22 Jul 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
292
September
133
Oktober
50
November
12
Desember
143