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 SISTEM GPS TRACKING BERBASIS RADIO AMATIR HANDY TALKY PADA PERKEBUNAN SAWIT |
| Deskripsi | Penelitian ini bertujuan untuk merancang dan mengimplementasikan sistem pelacakan GPS berbasis radio amatir Handy Talky (HT) yang diterapkan pada perkebunan sawit. Sistem ini menggunakan mikrokontroler Raspberry Pi dengan sensor GPS Ublox Neo 8M untuk mengakuisisi data geospasial. Data tersebut dikirim melalui transmisi suara yang dimodulasi menggunakan soundcard dan kabel AUX, kemudian ditransmisikan melalui radio HT. Data yang diterima disimpan dalam basis data MySQL dan divisualisasikan melalui dashboard website menggunakan framework Laravel untuk monitoring real-time. Hasil analisis Quality of Service (QoS) menunjukkan bahwa sistem ini memiliki rata-rata delay sebesar 9 detik, throughput 1 paket per detik, dan packet loss sebesar 11.28%. Pengujian fungsionalitas menunjukkan kecepatan maksimum 18.65 km/jam, kecepatan minimum 0.02 km/jam, dan kecepatan rata-rata 5.26 km/jam, dengan tingkat keberhasilan pengiriman data sebesar 88.72%. Komparasi antara sensor GPS Ublox Neo 8 dan GPS Google menunjukkan akurasi yang baik dengan perbedaan rata-rata sekitar 10 meter dalam hal jarak dan ketinggian. Nilai Horizontal Dilution of Precision (HDOP) berkisar antara 0.8 hingga 1.2, menunjukkan tingkat akurasi yang tinggi. Namun, nilai Signal to Noise Ratio (SNR) rata-rata sebesar 18.75 dB menunjukkan kualitas sinyal yang masih rendah. Prediksi dari Radio Frequency Planner sesuai dengan kondisi di lapangan dan sangat berguna dalam menyusun strategi penempatan antena dan peralatan lainnya untuk optimalisasi jaringan komunikasi di area yang luas. Penelitian ini memberikan solusi efektif untuk pemantauan posisi kendaraan operasional di perkebunan sawit, serta meningkatkan efisiensi dan keamanan operasional. |
| Kategori | Skripsi - TMJ |
| Diunggah oleh | FIRMANSYAH HELMI KURNIAWAN |
| Diunggah pada | Mon, 19 Aug 2024 |
2.
| Judul | Rancang Bangun Sistem Pemilahan dan Pencacah Sampah Berbasis Deep Learning |
| Deskripsi | Masalah sampah yang tidak terkelola dengan baik di kota besar seperti Depok berdampak serius terhadap lingkungan dan kesehatan masyarakat. Penelitian ini mengembangkan sistem pemilahan dan pencacah sampah berbasis Deep Learning menggunakan algoritma You Only Look Once (YOLO) versi 8, diimplementasikan pada perangkat Raspberry Pi. Sistem ini dirancang untuk mengklasifikasikan enam jenis sampah, yakni kaca, logam, kardus, plastik, kertas, dan sampah organik. Metode penelitian meliputi pengumpulan dan anotasi data citra sampah untuk melatih model YOLOv8, yang dibandingkan dengan model YOLOv5m dan RCNN berdasarkan precision, recall, F1-score, dan mean Average Precision (mAP). Hasil evaluasi menunjukkan YOLOv8 dengan 200 epochs memiliki performa terbaik dengan precision 0.87, recall 0.805, F1-score 0.836, dan mAP 0.87. Implementasi sistem melibatkan pelatihan algoritma di Jupyter Notebook dan pengujian pada Raspberry Pi. Pengujian citra menunjukkan YOLOv8 memiliki tingkat kepercayaan 0.92 dan waktu inferensi 27.59 detik. Pengujian stream menunjukkan tingkat kepercayaan 0.84 dengan waktu inferensi 23.43 detik. Penelitian ini berkontribusi pada pengembangan teknologi klasifikasi sampah yang menunjukkan potensi besar YOLOv8 pada Raspberry Pi dalam meningkatkan pengelolaan sampah di tingkat lokal. |
| Kategori | Skripsi - TMJ |
| Diunggah oleh | Rezkytadewi Puspita |
| Diunggah pada | Mon, 19 Aug 2024 |
3.
| Judul | PEMBUATAN VIDEO ANIMASI 3D KESELAMATAN DAN KESEHATAN KERJA (K3) DI LINGKUNGAN PT TOYOTA MOTOR MANUFACTURING INDONESIA |
| Deskripsi | Keselamatan dan Kesehatan Kerja (K3) adalah unsur yang sangat penting untuk menjamin kelangsungan operasional dan produktivitas perusahaan. PT Toyota Motor Manufacturing Indonesia (TMMIN), Sebagai salah satu industri otomotif terbesar di Indonesia telah menerapkan upaya K3 seperti sosialisasi, kampanye, dan pelatihan. Namun, efektivitasnya dinilai masih kurang menyeluruh, terutama bagi karyawan dengan masa kerja kurang dari dua tahun. Penelitian ini bertujuan untuk merancang dan mengembangkan animasi 3D sebagai media pembelajaran di lingkungan PT TMMIN dengan metode pembuatan Multimedia Development Life Cycle (MDLC) yang terdiri dari 6 fase, yakni konsep, perancangan, pengumpulan bahan, pembuatan, pengujian, dan distribusi. Studi menunjukkan bahwa teknologi animasi 3D dapat memberikan visualisasi yang lebih menarik, sehingga diharapkan dapat meningkatkan pemahaman karyawan terhadap kesadaran K3. Penelitian ini menggunakan pendekatan kualitatif dan kuantitatif. Hasil dari penelitian ini berupa animasi 3D berdurasi 4 menit 46 detik dengan format MP4 yang didistribusikan kepada PT TMMIN yang diutamakan ditampilkan pada proses training. Namun, tetap dibagikan kepada karyawan melalui broadcast WhatsApp agar mudah diakses. Hasil beta testing menunjukkan bahwa 82,88% responden sangat setuju video animasi 3D dapat digunakan sebagai media pembelajaran untuk meningkatkan visualisasi dan efektivitas dalam penyampaian materi. |
| Kategori | Skripsi - TMD |
| Diunggah oleh | Muhammad Hirzi Farizan |
| Diunggah pada | Mon, 19 Aug 2024 |
4.
| Judul | PENGEMBANGAN DESAIN WEB MONITORING PADA IOT STRUKTUR JEMBATAN RANGKA BAJA |
| Deskripsi | Structured Health Monitoring System (SHMS) merupakan penerapan teknologi berkelanjutan pada jembatan. Uji kelayakan jembatan memberikan analisis kepada pengguna terkait perhitungan konstruksi dan perencanaan. Objek penelitian skripsi ini adalah menyajikan data sensor LVDT dan Accelerometer MPU6050 ke dalam web dashboard berbasis Internet of Thing (IoT) dan file format CSV yang digunakan pada pengujian jembatan rangka baja di Jurusan Teknik Sipil Politeknik Negeri Jakarta. Node- RED sebagai framework untuk memvisualisasikan data sensor ke dalam bentuk grafik dan file format CSV untuk dapat dianalisis. MySQL difungsikan sebagai data source untuk dapat memvisualisasikan log history pada waktu tertentu di Grafana Visualization. Komunikasi data memanfaatkan protokol MQTT dengan server broker Mosquitto yang berjalan pada koneksi WiFi, agar dapat mengintegrasikan data dari ESP-WROOM-32 ke web dashboard Node-RED dengan jangkauan konektivitas Wifi sejauh 14 meter. Quality of Service 0 (Fire and Forget) yang telah diuji, dengan nilai Delay 1,02 detik, Throughput 1568,607 bit per detik, Packet Loss 0,34% , dan Jitter 0,012 milidetik. Hasil penelitian skripsi ini memudahkan user untuk memantau nilai perubahan data sensor pada web dashboard Node-Red dan analisis lebih lanjut pada file format CSV, serta memvisualisasikan history pada Grafana Visualization. |
| Kategori | Skripsi - TMJ |
| Diunggah oleh | Fahri Ramadhan |
| Diunggah pada | Mon, 19 Aug 2024 |
5.
| Judul | Analisis Sentimen pada Cuitan Berita dengan Menggunakan Bidirectional Encoder Representations from Transformers (BERT) |
| Deskripsi | Masyarakat di Indonesia memilih media sosial sebagai salah satu platform yang paling sering diakses untuk mendapatkan informasi. Sebanyak 167 juta Masyarakat di Indonesia merupakan pengguna aktif Media Sosial. X adalah salah satu media sosial yang digunakan untuk mendapatkan informasi dan berita. Masyarakat yang tidak selektif dalam memilih berita menyebabkan kerentanan termakan akan berita hoaks. Oleh karena itu, penting untuk mengetahui sebuah cuitan berita merupakan tergolong berita positif, netral atau negatif sehingga dapat menekan penyebaran berita hoax. Tujuan dari penelitian ini adalah melakukan analisis sentimen pada cuitan berita menggunakan model Bidirectional Encoder Representations from Transformers (BERT) dengan bahasa Indonesia atau yang biasa disebut dengan IndoBERT. Hasil penelitian menunjukan bahwa hasil evaluasi model dapat dilihat dari rata-rata nilai akurasi sebesar 83.67% sedangkan persentase rata-rata evaluasi precision 84.17%, nilai recall 83.67% dan nilai f1-score 83.5% Selain itu, aplikasi berbasis web untuk klasifikasi sentimen cuitan berita X dengan pengujian blackbox juga menunjukan hasil performa yang baik yaitu 100% dan pengujian dengan metode SUS memperoleh skor 82.13. |
| Kategori | Skripsi - TI |
| Diunggah oleh | Hana Octavia Trinida Malo |
| Diunggah pada | Mon, 19 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