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 APLIKASI DETEKSI SENJATA TRADISIONAL BERBASIS WEB DENGAN METODE DEEP LEARNING |
| Deskripsi | Senjata tradisional merupakan salah satu warisan budaya Indonesia yang perlu dilestarikan, namun kurangnya kesadaran dan pengetahuan masyarakat menjadi tantangan dalam upaya pelestarian. Penelitian ini bertujuan untuk merancang dan membangun aplikasi berbasis web menggunakan bahasa pemrograman Python, framework Flask, dan HTML, yang dapat mendeteksi serta mengklasifikasikan berbagai jenis senjata tradisional Yogyakarta menggunakan metode deep learning dengan algoritma Convolutional Neural Network (CNN). Dataset citra senjata tradisional Yogyakarta yang terdiri dari 700 gambar, dibagi menjadi 7 kelas (Keris, Tombak, Patrem, Tulup, Wedhung, Candrasa, dan Bandhil), digunakan untuk melatih model deteksi CNN dengan VGG16. Aplikasi web yang dikembangkan mengintegrasikan model deep learning dengan antarmuka pengguna berbasis HTML yang memudahkan proses deteksi senjata tradisional dan penyajian informasi terkait sejarah serta budayanya. Hasil evaluasi menunjukkan bahwa model deep learning CNN dengan VGG16 mampu mencapai akurasi klasifikasi yang memuaskan. Aplikasi ini diharapkan dapat membantu upaya pelestarian dan pengenalan senjata tradisional sebagai warisan budaya Indonesia yang berharga. |
| Kategori | Skripsi - TI |
| Diunggah oleh | Dwi Lusiana Rahayu |
| Diunggah pada | Thu, 29 Aug 2024 |
2.
| Judul | Analisis Assessment Penempatan Access Point Melalui Ekahau Ai Pro Dengan Model Propagasi COST 231 Multiwall Pada Gedung Politeknik Negeri Jakarta |
| Deskripsi | Jaringan WiFi telah menjadi kebutuhan pokok di berbagai institusi, termasuk Politeknik Negeri Jakarta (PNJ). Saat ini, PNJ memiliki beberapa gedung yang digunakan untuk kegiatan belajar mengajar, penelitian, dan administrasi. Namun, menurut pengaduan pada UPATIK PNJ, Jaringan WiFi di gedung-gedung PNJ belum memiliki perencanaan Access Point yang optimal yang disebabkan oleh penempatan Access Point yang belum terukur. Hal ini menyebabkan pengalaman penggunaan WiFi yang kurang baik bagi civitas akademika PNJ, seperti koneksi yang lambat dan area yang tidak terjangkau oleh sinyal WiFi. Penelitian ini akan melakukan analisis penempatan Access Point dengan melakukan perhitungan kebutuhan jumlah AP berdasarkan coverage area menggunakan metode COST 231 Multiwall. Penggunaan Software Ekahau Ai Pro untuk menvisualisasikan simulasi jangkauan sinyal dan InSSIDer untuk scanning jaringan WiFi PNJ. Parameter yang digunakan sebagai variabel penelitian meliputi luas area, jenis material hambatan, dan daya dari Access Point. Parameter yang dikaji untuk melakukan perhitungan meliputi EIRP (Effective Isotropic Radiated Power), FSL (Free space loss), dan MAPL (Maximum Allowed Path loss). Analisis performa WiFi dilakukan dengan menggunakan parameter RSSI (Received Signal Strength Indicator) dan SNR (Signal-to-Noise Ratio). Pengujian simulasi penempatan AP di PNJ menunjukkan beberapa temuan utama. Model Propagasi COST 231 Multiwall berhasil diterapkan untuk menghitung jumlah AP yang dibutuhkan guna mengoptimalkan performa kualitas jaringan WiFi di Gedung A, AA, B, E, dan F. Terdapat penambahan jumlah AP yang diperlukan untuk memadai cakupan area di berbagai gedung. Analisis RSSI dan SNR menunjukkan perbaikan signifikan dalam kualitas sinyal setelah optimalisasi, dengan peningkatan kategori sinyal Excellent dan penurunan kategori Good, Fair, dan Poor di beberapa lantai. Hasil penelitian ini diharapkan dapat menjadi landasan jangka panjang bagi Unit Pelayanan TIK (UPATIK) PNJ dalam melakukan penempatan Access Point yang strategis dan optimal. Serta meningkatkan kualitas layanan WiFi di PNJ dan mendukung aktivitas akademik di PNJ. |
| Kategori | Skripsi - TI |
| Diunggah oleh | Sofia Nabila Ramdan |
| Diunggah pada | Wed, 28 Aug 2024 |
3.
| Judul | Implementasi Metode Support Vector Regression Untuk Prediksi Kandungan Gula Pada Madu Lebah Tanpa Sengat |
| Deskripsi | Madu memiliki rasa manis yang khas karena mengandung gula alami. Untuk memeriksa kandungan gula dalam madu, biasanya diperlukan pengujian laboratorium yang menggunakan alat spektroskopi. Dalam penelitian ini, teknologi UV-Vis (Ultraviolet-Visible) spektroskopi digunakan untuk mengumpulkan data spektrum panjang gelombang dari sampel madu lebah tanpa sengat. Tujuan dari penelitian ini adalah untuk mengembangkan sebuah sistem model prediksi kandungan gula pada madu lebah tanpa sengat menggunakan metode Support Vector Regression (SVR) yang dikombinasikan dengan validasi silang K-Fold Cross Validation (K-Fold CV). Data yang digunakan dalam penelitian ini berasal dari hasil uji laboratorium yang dilakukan pada sampel madu dari wilayah Lampung dan Bogor. Metode SVR dengan K-Fold CV diterapkan untuk melakukan prediksi kandungan gula berdasarkan data spektrum UV-Vis dalam rentang panjang gelombang 357–725,5 nm. Model SVR dengan K-Fold CV, di mana nilai k yang digunakan adalah 10, berhasil memprediksi kandungan gula dengan tingkat akurasi yang sangat baik. Hasil penelitian menunjukkan bahwa model prediksi ini menghasilkan nilai RMSE (Root Mean Square Error) sebesar 0,05983 dan R² (koefisien determinasi) sebesar 0,99864, yang menunjukkan bahwa model memiliki kemampuan prediksi yang akurat dengan tingkat kesalahan yang rendah. |
| Kategori | Skripsi - TI |
| Diunggah oleh | Brilyan Sukma Suherman |
| Diunggah pada | Wed, 28 Aug 2024 |
4.
| Judul | RANCANG BANGUN APLIKASI DETEKSI MOTIF BATIK BERBASIS WEB DENGAN METODE DEEP LEARNING |
| Deskripsi | Batik adalah salah satu warisan budaya Indonesia yang mencerminkan keberagaman dengan berbagai motif yang memiliki filosofi dan makna tersendiri. Namun, kesadaran untuk melestarikan budaya ini masih rendah, meskipun UNESCO telah mengakui batik sebagai Warisan Budaya Takbenda (WBTb). Penelitian ini bertujuan membangun Aplikasi Deteksi Motif Batik Berbasis Web Menggunakan Metode Deep Learning dengan algoritma Convolutional Neural Network (CNN) dan tambahan transfer learning. Dataset yang digunakan dalam penyusunan model yaitu, citra motif batik dari Yogyakarta, terdiri dari 2000 citra, terbagi dalam 10 kelas motif batik, seperti Batik Ceplok, Ciptoning, Nitik, Parang Rusak, Kawung, Sidomukti. Slobog, Semen, Pamiluto dan Wahyu Tumurun. Penelitian ini membandingkan arsitektur model antara MobileNetV2, MobileNetV3Large, dan Xception, kemudian mengevaluasi hasil akhir berdasarkan akurasi dan confusion matrix. Hasil evaluasi model menunjukkan MobileNetV2 sebagai model terbaik yang diimplementasikan ke dalam web. Aplikasi web juga diuji secara mandiri dengan pengujian black box dan evaluasi pengguna menggunakan kuesioner System Usability Scale (SUS) dan Net Promoter Score (NPS). Hasil pengujian menunjukkan nilai SUS rata-rata sebesar 81,9 grade "A", dan NPS sebesar 41,7%, mengindikasikan tingkat kepuasan dan rekomendasi yang tinggi dari pengguna akhir. Aplikasi ini diharapkan dapat memberikan manfaat dalam melestarikan dan memperkenalkan keberagaman budaya batik Indonesia kepada masyarakat luas. |
| Kategori | Skripsi - TI |
| Diunggah oleh | Nadya Zahra Rahmadani |
| Diunggah pada | Wed, 28 Aug 2024 |
5.
| Judul | IMPLEMENTASI ALGORITMA ARIMA UNTUK MEMPREDIKSI PERKIRAAN PENJUALAN PRODUK SKINCARE |
| Deskripsi | Penggunaan sistem aplikasi prediksi perkiraan penjualan produk berbasis web yang sangat diperlukan saat ini untuk meningkatkan efisiensi dan kemudahan dalam menentukan total jumlah produk yang akan terjual, dengan adanya sistem aplikasi ini dapat memudahkan pengelolaan jumlah stock yang tersedia didalam gudang khususnya untuk penyimpanan agar tidak ada terjadinya lagi kelebihan stock dibeberapa produk sehingga dapat mengurangi ruang penyimpanan yang tersedia. Aplikasi ini dirancang menggunakan bahasa pemrograman Python untuk melakukan perhitungan prediksi dengan algoritma ARIMA, lalu tampilan dirancang menggunakan HTML untuk membuat dan menyusun struktur halaman agar dapat divisualisasikan dan dapat menampilkan grafik statistik sebagai perbandingan antara data aktual dan hasil dari prediksi perkiraan pejualan produk tersebut. Hasil pengujian black box dapat menunjukkan bahwa semua fitur dalam sistem aplikasi ini berfungsi dengan baik tanpa adanya kesalahan fungsional, dan dapat dipastikan bahwa sistem berjalan sesuai dengan ekspektasi dan setiap tahap proses pemodelan ARIMA dapat menghasilkan hasil yang sudah memuaskan dan dapat digunakan dengan tepat. Dengan adanya aplikasi ini dapat membantu brand accelyn skincare dalam memprediksi perkiraan penjualan jumlah produk untuk menunjukan pola permintaan konsumen terhadap produk tertentu dalam periode bulan tertentu apakah adanya peningkatan atau penurunan. |
| Kategori | Skripsi - TI |
| Diunggah oleh | Bilvan Nabil Laksvian |
| Diunggah pada | Wed, 28 Aug 2024 |
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