Pencarian Dokumen
Daftar Dokumen

IMPLEMENTASI SISTEM WAWANCARA KERJA BERBASIS RETRIEVAL-AUGMENTED GENERATION UNTUK OTOMATISASI PERTANYAAN DAN JAWABAN

Ahmad Zainul Mufid

Wawancara kerja merupakan tahapan krusial bagi pencari kerja, khususnya kalangan mahasiswa dan fresh graduate, yang membutuhkan persiapan matang serta latihan simulasi yang realistis. Karena simulasi konvensional sering terbatas pada pertanyaan statis, penelitian ini bertujuan mengimplementasikan sistem simulasi wawancara otomatis berbasis suara memanfaatkan kecerdasan buatan. Sistem ini memadukan Large Language Model (LLM), metode Retrieval-Augmented Generation (RAG), dan basis data vektor ChromaDB. Interaksi suara didukung teknologi Speech recognition (Whisper API) untuk mentranskripsi jawaban dan Text-to-Speech (Edge TTS) untuk menghasilkan suara pewawancara AI. Penilaian jawaban dihitung...

Status: publik


Implementasi Feature Engineering pada Sistem Klasifikasi Penyakit Tanaman Cabai Menggunakan XGBoost

Okta Gabriel Sinsaku Sinaga

Tanaman cabai sebagai komoditas hortikultura utama di Indonesia rentan penyakit daun seperti geminivirus (Geminivirus), cercospora leaf spot, leaf curl virus, dan kondisi sehat, yang sulit dideteksi manual karena gejala visual mirip dan variasi lapangan. Penelitian ini bertujuan mengimplementasikan feature engineering melalui ekstraksi fitur HSV (mean/std/skewness), GLCM (contrast/homogeneity/energy 4 orientasi), edge (Canny density), diikuti reduksi dimensi PCA (n_components tetap dan explained_variance kumulatif 90-95%), untuk klasifikasi menggunakan XGBoost pada sistem deteksi mobile petani. Metode mengadopsi kerangka hibrida Waterfall untuk SDLC dan CRISP-DM untuk ML, denga...

Status: publik


Implementasi Feature Engineering pada Sistem Klasifikasi Penyakit Tanaman Cabai Menggunakan XGBoost

Okta Gabriel Sinsaku Sinaga

Tanaman cabai sebagai komoditas hortikultura utama di Indonesia rentan penyakit daun seperti geminivirus (Geminivirus), cercospora leaf spot, leaf curl virus, dan kondisi sehat, yang sulit dideteksi manual karena gejala visual mirip dan variasi lapangan. Penelitian ini bertujuan mengimplementasikan feature engineering melalui ekstraksi fitur HSV (mean/std/skewness), GLCM (contrast/homogeneity/energy 4 orientasi), edge (Canny density), diikuti reduksi dimensi PCA (n_components tetap dan explained_variance kumulatif 90-95%), untuk klasifikasi menggunakan XGBoost pada sistem deteksi mobile petani. Metode mengadopsi kerangka hibrida Waterfall untuk SDLC dan CRISP-DM untuk ML, denga...

Status: publik


PERANCANGAN SISTEM REKOMENDASI BUKU DENGAN CONTENT BASED FILTERING UNTUK APLIKASI E-LIBRARY

Juan Graciano

Pertumbuhan koleksi buku pada perpustakaan digital sering memicu permasalahan information overload, di mana pengguna kesulitan menemukan buku yang relevan dari ribuan pilihan yang tersedia, sementara platform koleksi digital pada umumnya masih mengandalkan daftar statis atau pencarian berbasis kata kunci yang kurang adaptif terhadap preferensi personal pengguna. Penelitian ini bertujuan merancang dan mengukur performa model sistem rekomendasi buku berbasis Content-Based Filtering (CBF) yang memanfaatkan metadata judul, penulis, penerbit, genre, dan deskripsi buku. Pemodelan data mengikuti kerangka kerja Cross-Industry Standard Process for Data Mining (CRISP-DM), dimulai dari analisis kebutuh...

Status: publik


IMPLEMENTASI SISTEM FORECASTING HARGA SAHAM DENGAN PEMBARUAN BERBASIS DATA TERKINI MENGGUNAKAN METODE LONG SHORT TERM MEMORY

Muhammad Dzaky Naufal Asadel

Pertumbuhan jumlah investor saham di Indonesia belum sepenuhnya diiringi kemampuan analisis yang memadai, sehingga banyak keputusan investasi dipengaruhi oleh bias perilaku, khususnya kecenderungan mengikuti pergerakan pasar tanpa analisis yang memadai. Penelitian ini bertujuan merancang dan mengimplementasikan sistem forecasting harga saham dengan pembaruan berbasis data terkini menggunakan metode Long Short Term Memory pada saham TLKM.JK, BBCA.JK, dan BBRI.JK sebagai representasi saham blue chip di Bursa Efek Indonesia. Data historis diperoleh dari Yahoo Finance periode Januari 2020 hingga Februari 2026. Eksperimen mencakup seleksi fitur, pemilihan metode normalisasi, fungsi loss, serta hy...

Status: publik