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 | IMPLEMENTASI DAN PEMROGRAMAN APLIKASI MULTIMEDIA INTERAKTIF ELECTRONIC FUEL INJECTION BERBASIS AUGMENTED REALITY DI UNITY |
| Deskripsi | Jurusan Teknik Sepeda Motor SMK Negeri 1 Bumijawa menghadapi kendala pembelajaran akibat keterbatasan alat peraga, khususnya pada materi Electronic Fuel Injection (EFI). Hasil kuesioner mendapati 91,4% siswa kelas XI TSM di SMK Negeri 1 Bumijawa menyatakan bahwa media pembelajaran yang ada belum menampilkan visual komponen dan alur kerja sistem secara jelas. 92,2% dari koresponden juga menyatakan bahwa mereka membutuhkan media pembelajaran yang lebih interaktif. Untuk mengatasi permasalahan tersebut, penelitian ini mengembangkan media pembelajaran berbasis Augmented Reality (AR) menggunakan Unity Engine dan Vuforia SDK guna memvisualisasikan sistem EFI secara interaktif dan mendukung pemahaman siswa terhadap materi yang kompleks. Penelitian ini menggunakan metode Multimedia Development Life Cycle (MDLC) untuk pengembangan aplikasinya. Alpha testing dengan metode Blackbox Testing yang dilakukan menunjukkan bahwa aplikasi yang dikembangkan sesuai dengan konsep dan desain. Kelayakan aplikasi diuji lebih jauh menggunakan metode Learning Object Review Instrument (LORI) dan Handheld Augmented Reality Usability Score (HARUS). Pengujian LORI oleh ahli media dan materi mendapati nilai 90.57% dan 98,3% yang sangat layak. Sedangkan pengujian HARUS oleh siswa mendapati nilai 81,57 yang menunjukkan bahwa aplikasi dapat diterima dengan nilai baik. |
| Kategori | Skripsi - TMD |
| Diunggah oleh | Aryaputra Idham Kautsar Rasul |
| Diunggah pada | Tue, 21 Jul 2026 |
2.
| Judul | IMPLEMENTASI DAN PEMROGRAMAN APLIKASI MULTIMEDIA INTERAKTIF ELECTRONIC FUEL INJECTION BERBASIS AUGMENTED REALITY DI UNITY |
| Deskripsi | Jurusan Teknik Sepeda Motor SMK Negeri 1 Bumijawa menghadapi kendala pembelajaran akibat keterbatasan alat peraga, khususnya pada materi Electronic Fuel Injection (EFI). Hasil kuesioner mendapati 91,4% siswa kelas XI TSM di SMK Negeri 1 Bumijawa menyatakan bahwa media pembelajaran yang ada belum menampilkan visual komponen dan alur kerja sistem secara jelas. 92,2% dari koresponden juga menyatakan bahwa mereka membutuhkan media pembelajaran yang lebih interaktif. Untuk mengatasi permasalahan tersebut, penelitian ini mengembangkan media pembelajaran berbasis Augmented Reality (AR) menggunakan Unity Engine dan Vuforia SDK guna memvisualisasikan sistem EFI secara interaktif dan mendukung pemahaman siswa terhadap materi yang kompleks. Penelitian ini menggunakan metode Multimedia Development Life Cycle (MDLC) untuk pengembangan aplikasinya. Alpha testing dengan metode Blackbox Testing yang dilakukan menunjukkan bahwa aplikasi yang dikembangkan sesuai dengan konsep dan desain. Kelayakan aplikasi diuji lebih jauh menggunakan metode Learning Object Review Instrument (LORI) dan Handheld Augmented Reality Usability Score (HARUS). Pengujian LORI oleh ahli media dan materi mendapati nilai 90.57% dan 98,3% yang sangat layak. Sedangkan pengujian HARUS oleh siswa mendapati nilai 81,57 yang menunjukkan bahwa aplikasi dapat diterima dengan nilai baik. |
| Kategori | Skripsi - TMD |
| Diunggah oleh | Aryaputra Idham Kautsar Rasul |
| Diunggah pada | Tue, 21 Jul 2026 |
3.
| Judul | Implementasi Feature Engineering pada Sistem Klasifikasi Penyakit Tanaman Cabai Menggunakan XGBoost |
| Deskripsi | Tanaman cabai sebagai komoditas hortikultura utama di Indonesia rentan penyakit daun <br /> seperti geminivirus (Geminivirus), cercospora leaf spot, leaf curl virus, dan kondisi sehat, <br /> yang sulit dideteksi manual karena gejala visual mirip dan variasi lapangan. Penelitian ini <br /> bertujuan mengimplementasikan feature engineering melalui ekstraksi fitur HSV <br /> (mean/std/skewness), GLCM (contrast/homogeneity/energy 4 orientasi), edge (Canny <br /> density), diikuti reduksi dimensi PCA (n_components tetap dan explained_variance kumulatif <br /> 90-95%), untuk klasifikasi menggunakan XGBoost pada sistem deteksi mobile petani. Metode <br /> mengadopsi kerangka hibrida Waterfall untuk SDLC dan CRISP-DM untuk ML, dengan <br /> dataset publik Kaggle/Roboflow (pra-pemrosesan OpenCV: resize 256x256, CLAHE, <br /> augmentasi), train-test split 80:20, evaluasi 5-fold CV via akurasi, presisi, recall, F1-score, <br /> serta feature importance. Diharapkan menghasilkan model efisien komputasi (inferensi <2 <br /> detik), akurasi >90%, standar optimal PCA untuk citra tanaman tropis, dan prototipe aplikasi <br /> Flutter multiplatform guna deteksi dini, percepatan pengobatan, serta pengurangan kerugian <br /> ekonomi petani cabai.<br /> <br /> Penelitian ini telah berhasil mengembangkan sistem klasifikasi penyakit tanaman <br /> cabai dengan menerapkan kombinasi metode ekstraksi fitur dan model pembelajaran <br /> mesin (machine learning). Berdasarkan hasil penelitian, pengujian fungsional, serta <br /> evaluasi pengguna yang telah dilakukan, dapat ditarik beberapa kesimpulan sebagai <br /> berikut: <br /> 1. Penerapan metode feature engineering yang mengombinasikan fitur warna (Hue <br /> Saturation Value / HSV), tekstur (Gray-Level Co-occurrence Matrix / GLCM), dan <br /> bentuk (Canny Edge Detection) terbukti sangat efektif dalam mengenali <br /> karakteristik visual penyakit daun cabai (infeksi Geminivirus, Cercospora, Leaf <br /> Curl, dan kondisi Sehat). Penggunaan Principal Component Analysis (PCA) <br /> dengan konfigurasi explained variance 0,95 berhasil memberikan standar <br /> optimalisasi terbaik karena mampu mereduksi penggunaan memori biner model <br /> hingga 40% (dari 421 KB menjadi 253 KB) dengan penurunan akurasi yang sangat <br /> minimal (hanya ∼1,5%), sehingga menghasilkan model yang ringan namun tetap <br /> akurat untuk diaplikasikan pada citra penyakit tanaman. <br /> 2. Pengembangan prototipe aplikasi mobile berbasis Flutter yang terintegrasi dengan <br /> backend FastAPI dan basis data MongoDB telah berhasil memberikan <br /> kemudahan akses yang optimal bagi petani cabai di lapangan. Keberhasilan <br /> interaksi antarmuka ini dibuktikan melalui pengujian System Usability Scale (SUS) <br /> dengan skor rata-rata 78,23 yang masuk ke dalam kategori Acceptable (Grade B, <br /> Excellent), serta didukung oleh hasil pengujian Black-box yang menunjukkan <br /> seluruh fungsi utama aplikasi berjalan dengan valid dan bebas dari galat (error). <br /> 3. Sistem terbukti mampu mempercepat proses identifikasi penyakit tanaman <br /> secara instan melalui pencapaian sub-second latency dengan total waktu respons <br /> (Total Response Time) sebesar 0,5393 detik (proses inferensi server XGBoost <br /> 0,2893 detik dan latensi jaringan 0,2500 detik). Kecepatan deteksi di bawah 1 detik <br /> ini memberikan keunggulan bagi petani untuk mengetahui jenis infeksi secara real<br /> 88 <br /> JURUSAN TEKNIK INFORMATIKA DAN KOMPUTER - POLITEKNIK NEGERI JAKARTA <br /> 89 <br /> time sehingga tindakan pengobatan tanaman dapat dilakukan secara cepat dan tepat <br /> sasaran. <br /> 4. Melalui performa akurasi model yang tinggi (mencapai 98,75% untuk model <br /> XGBoost tanpa PCA dan 98,00% dengan konfigurasi PCA 0,95), sistem ini mampu <br /> mengurangi risiko kerugian ekonomi petani akibat keterlambatan deteksi <br /> manual. Kemampuan deteksi yang akurat dan instan melalui gawai ini secara <br /> langsung berkontribusi dalam menekan laju penyebaran wabah di lahan terbuka <br /> sebelum meluas dan menyebabkan gagal panen. <br /> 5. Meskipun model menunjukkan performa generalisasi yang sangat tinggi pada test <br /> set internal (99%), sistem masih mengalami penurunan performa pada data <br /> eksternal dari internet akibat tumpang tindih (overlapping) fitur visual pada <br /> analisis Dot Plot. Hal ini mengindikasikan adanya ketergantungan model terhadap <br /> karakteristik latar belakang (background) dan pencahayaan dari dataset pelatihan, <br /> yang menuntut adanya tindakan pra-pemrosesan khusus berupa pemotongan <br /> (cropping) citra secara terfokus pada objek daun. <br /> <br /> Untuk pengembangan penelitian selanjutnya, disarankan beberapa hal sebagai berikut: <br /> 1. Menambahkan variasi data citra dengan latar belakang (background) yang lebih <br /> kompleks (langsung di lahan terbuka) untuk menguji ketangguhan model terhadap <br /> noise lingkungan <br /> 2. Mengembangkan fitur pemetaan sebaran penyakit berbasis GPS yang teintegrasi <br /> dengan data di MongoDB untuk memberikan peringatan dini(early warning <br /> system) bagi petani di wilayah sekitar <br /> 3. Memperluas keberagaman dataset asli (sebelum augmentasi) terutama pada kelas <br /> yang memiliki sampel sedikit seperti Cerospora, guna meningkatkan daya tahan <br /> (robustness) model terhadap data luar <br /> 4. Mengintegrasikan algoritma segmentasi citra atau Object Detection sebelum <br /> klasifikasi, agar model dapat secara otomatis memfokuskan ekstraksi fitur hanya <br /> pada area daun, tanpa terpengaruh oleh latar belakang citra yang kompleks. |
| Kategori | Skripsi - TI |
| Diunggah oleh | Okta Gabriel Sinsaku Sinaga |
| Diunggah pada | Tue, 21 Jul 2026 |
4.
| Judul | Rancang Bangun Sistem Informasi Manajemen Maintenance Gedung dan Aset Berbasis Web dengan Workflow Multi-Role dan Otomasi Surat Perintah Kerja |
| Deskripsi | Pemeliharaan gedung dan aset di Nusantara Group masih dilakukan secara <br /> manual, sehingga pengajuan perbaikan tidak terdokumentasi resmi, tidak ada <br /> rekam jejak pekerjaan, penerbitan Surat Perintah Kerja (SPK) dilakukan secara <br /> lisan, dan peminjaman alat antar cabang tidak tercatat sehingga berpotensi <br /> menimbulkan kehilangan aset. Penelitian ini bertujuan merancang dan <br /> membangun sistem informasi manajemen maintenance gedung dan aset <br /> berbasis web dengan alur kerja multi-role, otomatisasi penerbitan SPK, serta <br /> fitur monitoring dan pencatatan histori pekerjaan. Penelitian menggunakan <br /> pendekatan Research and Development dengan model pengembangan Waterfall, <br /> data dikumpulkan melalui wawancara, observasi, dan studi dokumentasi. Sistem <br /> diimplementasikan menggunakan framework Laravel dan basis data MySQL. <br /> Hasil pengujian Black Box Testing menunjukkan seluruh 30 skenario uji <br /> berjalan valid. Hasil User Acceptance Test menunjukkan skor 83,43% (Sangat <br /> Baik) dan 79,26% (Baik), sementara System Usability Scale menunjukkan skor <br /> rata-rata 77,25 (Grade B, Acceptable). Sistem yang dikembangkan berhasil <br /> mendukung transparansi, akuntabilitas, dan efisiensi proses pemeliharaan <br /> gedung dan aset perusahaan multi-cabang. |
| Kategori | Skripsi - TI |
| Diunggah oleh | Asiwidia Simanjuntak |
| Diunggah pada | Tue, 21 Jul 2026 |
5.
| Judul | ANALISIS IMPLEMENTASI K-DINAMIS DAN REVALUASI IP PADA DETEKSI SERANGAN DDOS BERBASIS ENTROPY PADA WEB SERVER UBUNTU |
| Deskripsi | Serangan Distributed Denial of Service (DDoS) berbasis HTTP Flood menjadi ancaman serius bagi ketersediaan layanan web server karena karakteristiknya yang menyerupai trafik pengguna sah. Penelitian ini mengimplementasikan sistem deteksi serangan DDoS secara real-time pada web server Ubuntu menggunakan metode entropy Shannon dengan parameter K-dinamis dan mekanisme revaluasi IP. Sistem bekerja melalui mekanisme sliding window untuk menganalisis distribusi trafik, menghitung normalized entropy, menentukan threshold adaptif menggunakan K-dinamis, serta melakukan revaluasi terhadap alamat IP mencurigakan. Pengujian dilakukan dalam tiga skenario, yaitu kondisi normal, flash crowd, dan serangan HTTP Flood menggunakan GoldenEye dan Locust pada lingkungan jaringan lokal berbasis VirtualBox. Hasil pengujian menunjukkan bahwa pada kondisi serangan, sistem berhasil mencapai nilai Akurasi sebesar 90,36%, Presisi 100%, dan Recall sebesar 66,67%. Implementasi metode ini mampu menjaga stabilitas penggunaan memori (RAM) server pada rata-rata 48%, namun beban komputasi deteksi real-time dan tingginya volume request menyebabkan lonjakan penggunaan CPU hingga mencapai maksimum 100,00% pada puncak serangan. |
| Kategori | Skripsi - TMJ |
| Diunggah oleh | Safina Ayu Rasya |
| Diunggah pada | Tue, 21 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
508
Agustus
313
September
134
Oktober
52
November
12
Desember
368