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 | PENERAPAN TEXT CLASSIFICATION DALAM MENGANALISIS KOMUNIKASI PELANGGAN DI MEDIA SOSIAL |
| Deskripsi | Perkembangan pesat interaksi digital menuntut analisis komunikasi pelanggan yang efektif<br /> di media sosial guna mengoptimalkan Manajemen Hubungan Pelanggan (CRM).<br /> Pendekatan tradisional seringkali terkendala oleh volume dan sifat data yang tidak<br /> terstruktur, sehingga mengakibatkan keterlambatan dalam memberikan layanan kepada<br /> pelanggan. Penelitian ini berfokus pada optimasi CRM melalui Klasifikasi Teks dengan<br /> model DistilBERT untuk mengkategorikan isu pelanggan. Studi ini menggunakan dataset<br /> publik (9.974 entri percakapan pelanggan berbahasa Inggris dalam beberapa kelas) yang<br /> melalui pra-pemrosesan komprehensif, termasuk undersampling dan pembagian data dua<br /> skenario. Model DistilBERT di-fine-tune dengan delapan konfigurasi hyperparameter, dan<br /> kinerjanya dievaluasi menggunakan metrik akurasi, presisi, dan recall. Hasil menunjukkan<br /> kinerja model yang luar biasa, dengan beberapa skenario mencapai skor validasi<br /> sempurna (1.0000), mengindikasikan generalisasi kuat dan overfitting minimal. Sebuah<br /> dasbor KPI juga diintegrasikan untuk visualisasi isu terklasifikasi dan metrik CRM relevan<br /> lainnya untuk wawasan yang dapat ditindaklanjuti. Temuan ini mengonfirmasi bahwa<br /> pendekatan Klasifikasi Teks berbasis DistilBERT dapat diimplementasi pada sistem CRM |
| Kategori | Skripsi - TI |
| Diunggah oleh | Syahrul Rayhansyah |
| Diunggah pada | Fri, 11 Jul 2025 |
2.
| Judul | RANCANG BANGUN WEB PEMBUATAN PASANGAN PERTANYAAN-JAWABAN OTOMATIS DENGAN TEKNIK RETRIEVAL-AUGMENTED GENERATION |
| Deskripsi | Tantangan dalam pembuatan soal evaluasi yang berkualitas dan memakan waktu bagi pendidik menjadi latar belakang utama penelitian ini, terutama dalam konteks rendahnya literasi pemahaman bacaan siswa di Indonesia. Untuk mengatasi masalah ini, dikembangkan Soalify, sebuah aplikasi web yang menerapkan inovasi teknik Retrieval-Augmented Generation (RAG) untuk menghasilkan pasangan pertanyaan-jawaban format esai secara otomatis dari teks berbahasa Indonesia. Metodologi penelitian mencakup perancangan arsitektur full-stack (Next.js, FastAPI, PostgreSQL) dan pengembangan pipeline RAG yang melibatkan embedding teks, penyimpanan di vector store, dan retrieval yang dioptimalkan dengan TF-IDF. Validasi sistem dilakukan secara komprehensif melalui empat pendekatan: pengujian fungsional (black-box), kebergunaan (System Usability Scale), evaluasi model otomatis (LLM-as-a-Judge), dan evaluasi pakar (Human Evaluation). Hasil pengujian menunjukkan performa sistem yang sangat baik: fungsionalitas sistem mencapai 100%; skor kebergunaan SUS mencapai 74.58 dari 12 responden (kategori 'Good'); model RAG memperoleh Skor Relevansi Konteks 100%; serta uji konsistensi penilaian pakar menghasilkan nilai Cohen's Kappa sebesar 0.667 (kategori 'Kuat'). Hasil-hasil ini secara kolektif membuktikan bahwa aplikasi Soalify merupakan solusi yang valid secara teknis, efektif, dan andal, sehingga berpotensi menjadi alat bantu yang berharga untuk para pendidik di Indonesia. |
| Kategori | Skripsi - TI |
| Diunggah oleh | Andra Rizki Pratama |
| Diunggah pada | Thu, 10 Jul 2025 |
3.
| Judul | RANCANG BANGUN SISTEM MANAJEMEN KOMUNIKASI PELANGGAN BERBASIS LARGE LANGUAGE MODEL |
| Deskripsi | Sistem manajemen komunikasi pelanggan (CRM) tradisional sering menghadapi tantangan dalam mengintegrasikan berbagai platform komunikasi dan mengelola data secara real-time, yang berdampak pada kualitas layanan dan pengambilan keputusan strategis. Penelitian ini bertujuan untuk merancang dan membangun sistem manajemen komunikasi pelanggan berbasis Large Language Model (LLM) yang terintegrasi dengan platform website dan dilengkapi dengan dashboard KPI dengan data yang selalu diperbaharui. Metodologi Waterfall digunakan dalam pengembangan sistem ini, yang diimplementasikan menggunakan Next.js untuk frontend, NestJS untuk backend, dan Supabase sebagai basis data, serta berintegrasi dengan Twilio untuk WhatsApp dan OpenAI (GPT-4o Mini) melalui framework Langchain untuk kemampuan LLM. Hasil pengujian fungsional dan integrasi menunjukkan bahwa semua skenario berhasil dilalui, mengindikasikan fungsionalitas dan integrasi antar komponen yang solid. User Acceptance Testing (UAT) untuk admin menghasilkan skor rata-rata 4.62 dari skala 5, menandakan penerimaan yang baik meskipun teridentifikasi ruang untuk peningkatan pada kecepatan respons dan efisiensi pengiriman pesan. Sementara itu, System Usability Scale (SUS) untuk pelanggan mencapai skor rata-rata 93.21, menempatkan sistem dalam kategori "Excellent" dan menunjukkan kemudahan penggunaan yang tinggi dari perspektif pengguna akhir. Secara keseluruhan, sistem ini terbukti efektif dalam mengintegrasikan berbagai saluran komunikasi dan menyediakan insight kinerja real-time, sehingga berpotensi meningkatkan efisiensi pengelolaan interaksi pelanggan dan kepuasan pelanggan. |
| Kategori | Skripsi - TI |
| Diunggah oleh | Arfiano Jordhy Ramadhan |
| Diunggah pada | Thu, 10 Jul 2025 |
4.
| Judul | RANCANG BANGUN CHATBOT SARANA INFORMASI DBD DENGAN PENDEKATAN BERBASIS ATURAN DAN FEEDFORWARD NEURAL NETWORK |
| Deskripsi | Terjadinya peningkatan kasus DBD di Indonesia pada minggu ke-22 tahun 2024 <br /> dibandingkan tahun sebelumnya, serta faktor geografis Indonesia yang ideal untuk nyamuk <br /> Aedes menjadikan DBD sebagai potensi penyakit tahunan. Sehingga, peran masyarakat <br /> dalam menghadapi potensi ini sangat penting. Salah satu faktor yang mendorong <br /> masyarakat melakukan tindakan pencegahan adalah kemudahan akses terhadap informasi <br /> mengenai pencegahan DBD. Penelitian ini bertujuan untuk merancang dan membangun <br /> chatbot berbasis aturan (rule-based) yang dilengkapi dengan Feedforward Neural <br /> Network (FNN) sebagai sarana penyebaran informasi mengenai DBD, serta melakukan <br /> evaluasi dari aspek performa, fungsionalitas, dan keterimaan pengguna. Model <br /> dikembangkan menggunakan beberapa kombinasi metode preprocessing berbasis text <br /> normalization (lemmatization NLP-ID, stemming Sastrawi, dan MPStem) dan daftar <br /> stopwords (dari NLP-ID dan GitHub Louis). Dari beberapa kombinasi preprocessing yang <br /> diuji, model dengan stemming Sastrawi dan stopwords dari NLP-ID memberikan hasil <br /> evaluasi terbaik dibandingkan model lainnya. Pengujian performa menggunakan <br /> confusion matrix menunjukkan bahwa model ini mencapai nilai weighted F1-Score sebesar <br /> 0,98. Pengujian fungsionalitas menggunakan metode Black Box memiliki nilai efektifitas <br /> keseluruhan sebesar 100%, dan evaluasi keterimaan pengguna menggunakan System <br /> Usability Scale (SUS) memperoleh skor rata-rata 87,1 yang termasuk dalam kategori <br /> “A+”. Temuan ini menunjukkan bahwa chatbot yang dirancang bangun berhasil menjadi <br /> sarana informasi DBD yang dapat diterima dengan baik oleh pengguna. |
| Kategori | Skripsi - TI |
| Diunggah oleh | Adi Satrio Wicaksono |
| Diunggah pada | Thu, 10 Jul 2025 |
5.
| Judul | RANCANG BANGUN SISTEM CONVEYOR OTOMATIS DAN COMPUTER VISION UNTUK IDENTIFIKASI DAN PEMISAHAN JENIS SIRIP HIU |
| Deskripsi | Indonesia merupakan salah satu produsen hiu terbesar di dunia dengan volume ekspor <br /> sirip hiu yang tinggi. Namun, verifikasi jenis sirip masih dilakukan secara manual dan <br /> rentan kesalahan, terutama dalam membedakan spesies yang dilindungi. Penelitian ini <br /> bertujuan merancang sistem konveyor otomatis berbasis ESP32 dan Raspberry Pi 5 yang <br /> mampu mengidentifikasi dan memisahkan tiga jenis sirip punggung hiu secara otomatis: <br /> Carcharhinus melanopterus, Carcharhinus limbatus, dan Carcharhinus sorrah dengan <br /> ukuran 10–50 cm. Sistem meliputi perancangan hardware konveyor, pemrograman ESP32 <br /> untuk kontrol sensor dan aktuator, serta pemrosesan citra di Raspberry Pi 5 menggunakan <br /> model computer vision. Pengujian dilakukan pada aspek fungsionalitas perangkat keras, <br /> akurasi sensor jarak VL53L0X V2, presisi motor servo, respons mekanik sistem pemilah, <br /> dan durabilitas operasional. Hasil pengujian menunjukkan bahwa sensor memiliki akurasi <br /> tinggi, motor servo bekerja presisi dengan error sudut kecil, dan sistem memberikan <br /> respons cepat terhadap deteksi objek. Uji durabilitas menunjukkan perangkat mampu <br /> beroperasi terus-menerus dengan suhu motor tetap stabil. Sistem ini diharapkan dapat <br /> meningkatkan efisiensi proses verifikasi sirip hiu, mengurangi beban kerja manual, serta <br /> mendukung pelestarian spesies hiu melalui identifikasi otomatis. |
| Kategori | Skripsi - TMJ |
| Diunggah oleh | WILLIAM NISON MANURUNG |
| Diunggah pada | Thu, 10 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
296
September
134
Oktober
52
November
12
Desember
143