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 | PENGEMBANGAN CHATBOT BERBASIS AGENTIC RETRIEVAL-AUGMENTED GENERATION PADA APLIKASI PENCATATAN KALORI |
| Deskripsi | Permasalahan berat badan berlebih dan obesitas menunjukkan perlunya pemantauan<br /> asupan kalori harian yang lebih mudah dan konsisten. Penelitian ini bertujuan<br /> mengembangkan chatbot berbasis Agentic Retrieval-Augmented Generation (RAG) pada<br /> aplikasi NutriVision agar pengguna dapat memperoleh informasi gizi dan mencatat<br /> makanan melalui bahasa alami. Metode yang digunakan adalah pengembangan sistem<br /> dengan tahapan analisis kebutuhan, perancangan, implementasi, dan pengujian. Chatbot<br /> dikembangkan menggunakan LangChain Agent, model LLM GPT-OSS-120B melalui Groq,<br /> Flask API, RDBMS PostgreSQL, dan aplikasi Android berbasis Kotlin. Sistem dilengkapi<br /> tools untuk mencari makanan, mengambil data porsi, mencatat, mengubah, menghapus<br /> food log, serta mengambil dan memperbarui profil pengguna. Evaluasi dilakukan<br /> menggunakan 100 skenario LLM-as-a-Judge, 20 test case Black Box Testing, serta<br /> pengujian usability melalui System Usability Scale (SUS) dan Net Promoter Score (NPS)<br /> yang melibatkan 16 responden berusia 20–25 tahun. Hasil menunjukkan skor rata-rata<br /> LLM-as-a-Judge sebesar 0,90 dengan pass rate 95%, Black Box Testing mencapai tingkat<br /> keberhasilan 100%, skor SUS sebesar 80,63 (kategori Acceptable, grade B), serta NPS<br /> sebesar 62,5 dengan 62,5% promoter dan 37,5% passive tanpa detractor (kategori<br /> Excellent). Hasil tersebut menunjukkan bahwa chatbot NutriVision mampu mendukung<br /> pencatatan makanan dan pemantauan kalori secara lebih mudah, fungsional, dan diterima<br /> dengan baik oleh pengguna. |
| Kategori | Skripsi - TI |
| Diunggah oleh | Haffidz Aimar Maulana |
| Diunggah pada | Sun, 19 Jul 2026 |
2.
| Judul | PERANCANGAN SISTEM DETEKSI DAN SPK GANODERMA SAWIT BERBASIS CITRA TERMAL MENGGUNAKAN HYBRID CNN-TRANSFORMER |
| Deskripsi | Penyakit Busuk Pangkal Batang (BPB) akibat jamur Ganoderma boninense menjadi ancaman serius bagi industri kelapa sawit karena bersifat asimtomatik pada fase awal. Skripsi ini merancang sistem deteksi dini non-destruktif berbasis citra termal menggunakan arsitektur Hybrid CNN-Transformer untuk mengklasifikasikan tingkat keparahan infeksi ke dalam 5 kelas (SEHAT, Scoring 1-4), dengan hasil akurasi global sebesar 72,66%. Hasil klasifikasi ini diintegrasikan dengan Sistem Pendukung Keputusan (SPK) berbasis Fuzzy Mamdani yang secara otomatis menghasilkan rekomendasi tindakan penanganan (monitoring, pengendalian intensif, atau eradikasi) sesuai tingkat keparahan. Seluruh sistem diimplementasikan dalam bentuk dashboard web terintegrasi untuk mendukung pemantauan sebaran Ganoderma di perkebunan kelapa sawit secara real-time. |
| Kategori | Skripsi - TI |
| Diunggah oleh | Muhammad Arifandi Prasetyo |
| Diunggah pada | Sat, 18 Jul 2026 |
3.
| Judul | RANCANG BANGUN DASHBOARD ANALITIK PADA SISTEM MANAJEMEN BARANG LAB TIK PNJ BERBASIS WEB SEBAGAI PENDUKUNG KEPUTUSAN PENGADAAN |
| Deskripsi | Peralihan sementara sistem peminjaman barang di Laboratorium TIK PNJ menggunakan Google Form telah menimbulkan berbagai keterbatasan, seperti kurangnya transparansi stok, pelacakan riwayat yang tidak terintegrasi, serta ketiadaan fitur analitik untuk merencanakan kebutuhan pengadaan tahunan. Untuk mengatasi permasalahan tersebut, penelitian ini bertujuan merancang dan membangun sistem manajemen barang berbasis web yang terintegrasi dengan dashboard analitik sebagai instrumen pendukung keputusan pengadaan. Pengembangan sistem dilakukan menggunakan metode Waterfall dengan mengimplementasikan tumpukan teknologi modern, meliputi Express.js pada sisi backend, Vue.js pada sisi frontend, PostgreSQL sebagai basis data, serta lingkungan container Docker. Sistem yang dikembangkan berhasil memfasilitasi seluruh siklus sirkulasi barang, mulai dari pengelolaan katalog barang, pengajuan dan verifikasi peminjaman, hingga pelaporan kendala operasional. Dashboard analitik pada sistem ini menerapkan pendekatan rule based yang mengkalkulasi frekuensi peminjaman, akumulasi kendala, dan sisa stok guna menghasilkan rekomendasi pengadaan aset secara otomatis. Berdasarkan hasil pengujian sistem, sebanyak 28 skenario pada API Testing berhasil dieksekusi secara optimal. Pengujian Black Box mengonfirmasi bahwa seluruh 34 skenario uji fungsional telah berjalan dengan normal sesuai dengan spesifikasi rancangan. Selain itu, hasil User Acceptance Testing (UAT) menunjukkan tingkat penerimaan sebesar 84,85 persen, yang mengkategorikan sistem ini ke dalam klasifikasi Sangat Layak. Penelitian ini menghasilkan solusi digital yang tidak hanya menstrukturkan administrasi laboratorium, tetapi juga menyediakan landasan analitik berbasis data bagi pengelola dalam mengambil keputusan pengadaan barang secara akurat dan efisien. |
| Kategori | Skripsi - TI |
| Diunggah oleh | Muhammad Rizki Awaluddin Mubin |
| Diunggah pada | Fri, 17 Jul 2026 |
4.
| Judul | RANCANG BANGUN MODEL PRE-TRAINED DAN APLIKASI DETEKSI SERAGAM SEKOLAH BERBASIS SISTEM PRESENSI ANDROID |
| Deskripsi | Pengawasan kepatuhan seragam siswa secara manual oleh guru berpotensi menimbulkan<br /> subjektivitas dan ketidakkonsistenan penilaian, sementara sistem absensi digital yang ada<br /> belum mengintegrasikan verifikasi atribut seragam sebagai bagian dari alur pencatatan<br /> kehadiran. Penelitian ini bertujuan membangun dataset seragam sekolah Indonesia yang<br /> memadai, mengembangkan sistem absensi Android yang mengintegrasikan deteksi multiatribut seragam secara on-device, serta mengevaluasi performa dan kelayakan deployment<br /> empat model deep learning pada perangkat Android nyata. Dataset kustom dibangun dari<br /> 566 gambar mencakup 16 kelas atribut seragam yang merepresentasikan variasi jenis<br /> seragam harian dan atribut pelengkap, mengisi keterbatasan dataset publik yang ada di<br /> mana dataset seragam Indonesia yang tersedia sebelumnya tidak mencakup atribut<br /> pelengkap dan memiliki jumlah citra yang sangat terbatas. Sistem SAPA (Sistem Absensi<br /> Pendeteksi Atribut) dikembangkan dengan pendekatan dua tahap dan mengintegrasikan<br /> empat model YOLOv11m, RT-DETR Large, RF-DETR Medium, dan MobileNetV2-SSD<br /> secara on-device tanpa ketergantungan server inferensi eksternal, dengan konversi<br /> masing-masing ke format TFLite, PyTorch Mobile, dan ONNX Runtime. Evaluasi pelatihan<br /> menghasilkan YOLOv11m sebagai model terbaik dengan mAP@0.5 sebesar 0,917, diikuti<br /> RT-DETR Large (0,885) dan RF-DETR Medium (0,846), sementara MobileNetV2-SSD<br /> tidak mencapai konvergensi yang memadai (mAP < 0,20). Pengujian skenario lapangan<br /> dengan 360 unit mengungkap paradoks antara akurasi statis dan kelayakan real-time: RFDETR Medium dan RT-DETR Large mencapai success rate 100% dan 96,7% namun hanya<br /> mampu di bawah 1 FPS pada CPU sehingga tidak layak deployment, sedangkan<br /> YOLOv11m menjadi satu-satunya model yang memenuhi ambang kelayakan dengan<br /> success rate 87,8% dan 3,4 FPS. Temuan ini menunjukkan bahwa evaluasi model pada<br /> server GPU tidak dapat dijadikan satu-satunya acuan kelayakan deployment mobile.<br /> Pengujian fungsional Black Box terhadap 20 skenario mencapai keberhasilan 100%. |
| Kategori | Skripsi - TI |
| Diunggah oleh | Frendy Eka Styabudi |
| Diunggah pada | Fri, 17 Jul 2026 |
5.
| Judul | ANALISIS DAN PERANCANGAN MODEL SISTEM APLIKASI PORTAL SISTEM PADA PT KERETA API PROPERTI MANAJEMEN |
| Deskripsi | PT Bumi Madani merupakan konsultan pengawas yang menerapkan On the Job Training (OJT) bagi pengawas pelaksana baru, namun evaluasi kesiapannya masih dilakukan secara lisan tanpa instrumen formal sehingga bersifat subjektif, tidak konsisten, dan tidak terdokumentasi. Penelitian ini bertujuan mengimplementasikan Fuzzy Inference System (FIS) Mamdani untuk mengolah data aktivitas simulasi menjadi evaluasi kesiapan peserta OJT. Sistem dibangun berbasis web dengan arsitektur berlapis menggunakan frontend React dan backend FastAPI bermesin scikit-fuzzy, serta basis data Google Cloud Firestore. Mesin evaluasi terdiri atas dua tahap, yaitu Tahap 1 yang menilai tiga domain kompetensi yakni K3, Material, dan Audit Lapangan secara paralel, serta Tahap 2 yang mengintegrasikan ketiganya melalui 27 aturan keputusan menjadi klasifikasi kesiapan Kritis, Pendampingan Terfokus, atau Mandiri. Basis aturan disusun melalui rekayasa pengetahuan yang divalidasi pakar. Hasil pengujian black box dan User Acceptance Testing menunjukkan seluruh skenario sesuai, sedangkan validasi pakar mencapai kesesuaian 91,67% pada Tahap 1 dan 88,89% pada Tahap 2. Dengan demikian, sistem mampu menghasilkan evaluasi kesiapan pengawas pelaksana yang objektif, konsisten, dan terdokumentasi. |
| Kategori | Skripsi - TI |
| Diunggah oleh | Shofiyah Salsabila |
| Diunggah pada | Fri, 17 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
404
Agustus
296
September
134
Oktober
52
November
12
Desember
368