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 SISTEM PENDETEKSI HOAKS BERBAHASA INDONESIA BERBASIS EVIDENCE RETRIEVAL DAN KLASIFIKASI INDO-BERT PADA PLATFORM IOS |
| Deskripsi | Aplikasi berbasis SwiftUI untuk memeriksa klaim atau judul berita, membaca feed berita yang telah dianalisis, serta menyimpan atau membagikan hasil pengecekan fakta. |
| Kategori | Skripsi - TI |
| Diunggah oleh | Heical Chandra Syahputra |
| Diunggah pada | Tue, 7 Jul 2026 |
2.
| Judul | RANCANG BANGUN SISTEM PENDETEKSI HOAKS BERBAHASA INDONESIA BERBASIS EVIDENCE RETRIEVAL DAN KLASIFIKASI INDO-BERT PADA PLATFORM IOS |
| Deskripsi | Aplikasi berbasis SwiftUI untuk memeriksa klaim atau judul berita, membaca feed berita yang telah dianalisis, serta menyimpan atau membagikan hasil pengecekan fakta. |
| Kategori | Skripsi - TI |
| Diunggah oleh | Heical Chandra Syahputra |
| Diunggah pada | Tue, 7 Jul 2026 |
3.
| Judul | RANCANG BANGUN SISTEM SMART ATTENDANCE BERBASIS GEOLOCATION DAN FACE RECOGNITION |
| Deskripsi | Pengelolaan data kehadiran konvensional di PT. XYZ masih rentan terhadap kesalahan pencatatan dan manipulasi. Penelitian ini bertujuan merancang sistem smart attendance berbasis website yang mengintegrasikan teknologi Face Recognition menggunakan Face-API.js dan Geolocation untuk validasi lokasi dalam radius maksimal 200 meter. Sistem dikembangkan menggunakan framework Next.js, MySQL, dan Role-Based Access Control (RBAC) dengan tiga peran. Hasil pengujian Black Box menunjukkan sistem berjalan dengan baik. Pengujian Face Recognition membuktikan sistem mampu mengenali wajah terdaftar secara real-time, serta berhasil menolak absensi ketika pengguna memakai masker, menggunakan wajah orang lain, atau dalam kondisi kurang cahaya. Pada pengujian Geolocation, sistem terbukti secara akurat mengizinkan absensi di dalam radius kantor dan berhasil memblokir pencatatan kehadiran jika karyawan terdeteksi di luar batas area kerja. Pengujian User Acceptance Testing (UAT) meraih tingkat kelayakan 92% dengan kriteria "Sangat Baik". Pengujian performa mencatat kecepatan respons real-time rata-rata pemuatan awal 2,43 detik dan pemindaian lanjutan 0,72 detik. Sistem efektif meningkatkan keamanan dan keakuratan kehadiran. |
| Kategori | Skripsi - TI |
| Diunggah oleh | Akhtar Faizi Putra |
| Diunggah pada | Mon, 6 Jul 2026 |
4.
| Judul | IMPLEMENTASI SISTEM KLASIFIKASI COVID-19, LUNG OPACITY, DAN PNEUMONIA PADA CITRA X RAY MENGGUNAKAN MOBILENETv2 |
| Deskripsi | Penyakit pernapasan seperti COVID-19 dan pneumonia memerlukan diagnosis dini yang <br /> cepat dan akurat. Penelitian ini bertujuan mengimplementasikan model Deep Learning <br /> berarsitektur MobileNetV2 untuk klasifikasi citra Chest X-Ray ke dalam empat kelas <br /> (Normal, COVID-19, Lung Opacity, dan Viral Pneumonia) pada sebuah platform web. <br /> Sistem dikembangkan menggunakan integrasi metodologi CRISP-DM dan SDLC <br /> Waterfall. Eksperimen pemodelan dievaluasi melalui berbagai skenario pra-pemrosesan <br /> dan pendekatan klasifikasi. Hasil pengujian kinerja membuktikan bahwa pendekatan <br /> klasifikasi hierarkis (2-step modelling) menjadi skenario paling optimal, di mana <br /> MobileNetV2 berhasil mencapai akurasi 91% pada klasifikasi biner dan 95% pada <br /> klasifikasi multi-kelas, secara signifikan mengungguli arsitektur CNN konvensional. <br /> Integrasi antarmuka sistem menggunakan kerangka kerja Next.js pada sisi frontend dan <br /> FastAPI pada backend. Pengujian fungsionalitas Black Box mencatatkan tingkat <br /> keberhasilan 100%. Selain itu, evaluasi kepuasan antarmuka yang melibatkan 14 <br /> responden menghasilkan skor System Usability Scale (SUS) sebesar 82,68 (Excellent) dan <br /> Net Promoter Score (NPS) sebesar +29 (Good). Kesimpulannya, sistem web klasifikasi <br /> medis yang dibangun terbukti akurat, efisien, dan mendapatkan tingkat loyalitas yang <br /> tinggi dari pengguna sebagai alat bantu skrining kesehatan paru-paru. |
| Kategori | Skripsi - TI |
| Diunggah oleh | Muhammad Rachmadhani Kurniawan |
| Diunggah pada | Tue, 7 Jul 2026 |
5.
| Judul | Pengembangan sistem informasi hilirisasi produk riset berbasis web |
| Deskripsi | Politeknik Negeri Jakarta (PNJ) melalui unit Rekayasa Teknologi dan Pusat Unggulan (RTPU) menghadapi permasalahan dalam pengelolaan dan penyebarluasan informasi produk riset, di mana proses tersebut belum didukung oleh platform digital terpusat yang dapat diakses oleh publik secara mudah, sehingga penyampaian informasi belum terstruktur serta minimnya visibilitas produk inovasi kepada masyarakat luas. Penelitian ini bertujuan untuk mengembangkan sistem informasi hilirisasi produk riset berbasis web pada RTPU PNJ yang dapat menyajikan informasi artikel inovasi, berita, pengumuman, lomba, produk unggulan, produk inovasi, profil pusat unggulan, produk pusat unggulan, dan program pelatihan secara terstruktur dan mudah diakses oleh publik. Metode pengembangan sistem menggunakan metode Waterfall. Sistem dikembangkan menggunakan framework Laravel dengan Filament sebagai panel admin dan MySQL sebagai sistem manajemen basis data. Pengujian sistem dilakukan menggunakan metode Black Box Testing, User Acceptance Testing (UAT) dengan mengadaptasi standar ISO 9126 yang meliputi 5 aspek, yaitu Functionality, Reliability, Usability, Efficiency, dan Portability, serta System Usability Scale (SUS), dengan responden UAT dan SUS dipilih menggunakan teknik purposive sampling sebanyak 24 responden. Hasil pengujian Black Box Testing menunjukkan 111 butir uji berstatus sesuai. Hasil UAT memperoleh skor aktual sebesar 89,6% dengan kategori sangat baik, mencakup aspek Portability 93%, Reliability 91,7%, Usability 89,7%, Functionality 87,1%, dan Efficiency 86,3%. Hasil pengujian SUS memperoleh skor rata-rata sebesar 87,5 yang termasuk dalam peringkat B dengan kategori Excellent. Sistem informasi hilirisasi produk riset RTPU PNJ yang dikembangkan telah memenuhi seluruh kebutuhan fungsional dan dapat digunakan secara operasional. |
| Kategori | Skripsi - TI |
| Diunggah oleh | Syafrizal Choir |
| Diunggah pada | Tue, 7 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
410
Agustus
296
September
134
Oktober
52
November
12
Desember
368