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 Pengenalan Aktivitas Manusia Berbasis Web Dengan Algoritma SSD MOBILENETv2 |
| Deskripsi | Human Activity Recognition (HAR) atau Pengenalan Aktivitas Manusia adalah salah satu topik dalam kecerdasan buatan cabang Computer Vision yang memiliki tujuan untuk menentukan atau memprediksi aksi yang dilakukan oleh subjek di dalam video. Penerapan HAR terdapat di berbagai bidang seperti keamanan, kesehatan, pendidikan, transportasi, dan manufaktur. Penggunaan dalam bidang keamanan cukup penting, melihat kasus kejahatan di Indonesia meningkat tiap tahun. Penelitian ini berfokus pada pengembangan model deteksi objek untuk menyelesaikan topik HAR dan mengimplementasikannya dalam bentuk web. Model deteksi objek yang digunakan adalah model SSD Mobilenet v2 yang dapat memproses gambar dan mendeteksi objek, memberikan label, serta memberikan kotak pembatas. Dataset yang digunakan untuk melatih model berisi gambar dengan kotak pembatas beserta label enam aksi, yaitu berdiri, berjalan, berlari, duduk, berkelah, dan mencuri. Dataset diperoleh dari berbagai sumber yang kemudian dibersihkan dan dilakukan feature engineering sebelum dijadikan data latih untuk model. Model kemudian diimplementasikan ke dalam aplikasi web yang dibuat menggunakan framework Flask. Hasil pengujian model menghasilkan nilai mAP@IoU=0.5 dan skor F1 sebesar 84,5% dan 88%. Hasil pengujian web memperoleh nilai System Usability Scale (SUS) sebesar 77. |
| Kategori | Skripsi - TI |
| Diunggah oleh | Muhammad Asaduddin |
| Diunggah pada | Fri, 25 Jul 2025 |
2.
| Judul | Aplikasi Web Untuk Deteksi Skizofrenia Menggunakan Sinyal Electroencephalography (EEG) Dengan Deep Learning |
| Deskripsi | Electroencephalogram (EEG) merupakan alat non-invasif yang digunakan untuk memantau aktivitas otak dan mendiagnosis berbagai gangguan neurologis dan psikologis, termasuk skizofrenia. Skizofrenia adalah gangguan mental kronis yang memengaruhi jutaan orang di seluruh dunia. Analisis sinyal EEG secara manual membutuhkan waktu yang lama dan melelahkan, sehingga diperlukan pendekatan otomatis berbasis teknologi. Penelitian ini bertujuan mengembangkan sistem deteksi skizofrenia berbasis deep learning menggunakan data sinyal EEG. Data yang digunakan bersifat non-publik dan berbentuk raw signal data yang melalui tahap prapemrosesan dan data yang diekstraksi fitur menggunakan metode Real Fast Fourier Transform (RFFT). Dua arsitektur model yang diuji dalam penelitian ini adalah 1D Convolutional Neural Network (CNN) dan Long Short-Term Memory (LSTM). Hasil pengujian menunjukkan bahwa model 1D CNN dengan bantuan feature extraction menggunakan RFFT memberikan hasil klasifikasi terbaik dengan akurasi sebesar 99%. Model terbaik ini kemudian diintegrasikan ke dalam aplikasi web sebagai alat bantu diagnosis skizofrenia berbasis EEG dan dilakukan User Acceptance Test (UAT) oleh peneliti dengan skor sebesar 82.0% untuk model dan 91.45% untuk aplikasi web. |
| Kategori | Skripsi - TI |
| Diunggah oleh | Dea Luthfina Azzahra |
| Diunggah pada | Thu, 24 Jul 2025 |
3.
| Judul | Pengembangan Sistem Klasifikasi Mainan Berbasis Web Dengan Algoritma YOLOv11 |
| Deskripsi | Pengelolaan mainan donasi dalam skala besar membutuhkan sistem yang efisien untuk menyortir dan mengklasifikasikan mainan berdasarkan bentuk visualnya. Penelitian ini bertujuan untuk mengembangkan sistem klasifikasi mainan berbasis web dengan memanfaatkan algoritma YOLOv11. Sistem ini dirancang untuk mengenali dan mengkategorikan mainan ke dalam empat kelas utama—animal, humanoid, vehicle, dan abstrak—melalui citra yang diperoleh secara real-time atau melalui unggahan gambar. Proses pelatihan model dilakukan menggunakan dataset yang telah dianotasi dengan Label Studio dan dilatih menggunakan platform Google Colab. Evaluasi performa menunjukkan bahwa varian YOLOv11-Small memberikan hasil terbaik dengan nilai mAP50 sebesar 0.96. Sistem web dibangun menggunakan FastAPI pada sisi backend dan Next.js pada sisi frontend, serta diuji menggunakan metode black box dan confusion matrix. Hasil pengujian membuktikan bahwa sistem mampu menjalankan proses klasifikasi secara akurat, cepat, dan responsif. |
| Kategori | Skripsi - TI |
| Diunggah oleh | Gilang Rianto Utomo |
| Diunggah pada | Thu, 24 Jul 2025 |
4.
| Judul | Analisis Perbandingan Model ARIMA, SARIMAX dan TimeGPT Untuk Forecasting Saham. |
| Deskripsi | Penelitian ini membandingkan kinerja tiga model peramalan time series ARIMA,<br /> SARIMAX, dan TimeGPT dalam memprediksi harga saham PT Astra International<br /> Tbk (ASII). Evaluasi dilakukan menggunakan metrik MAE, RMSE, dan MAPE<br /> terhadap data historis saham yang di prediksi dari 1 Juli 2024 hingga 30 Januari<br /> 2025. |
| Kategori | Skripsi - TI |
| Diunggah oleh | Dylan Ogyville Prawiro |
| Diunggah pada | Thu, 24 Jul 2025 |
5.
| Judul | Rancang Bangun Visitor Management System (VMS) Berbasis Web di PT Toyota Motor Manufacturing Indonesia |
| Deskripsi | Dalam lingkup PT Toyota Motor Manufacturing Indonesia (TMMIN), pengelolaan kunjungan secara manual sering menjadi kendala, khususnya ketika melakukan registrasi yang memakan waktu cukup lama dan ketepatan dalam pencatatan data pengunjung. Oleh karena itu, penelitian ini bertujuan untuk membangun sistem Visitor Management System (VMS) berbasis web guna mendukung proses registrasi dan pengelolaan kunjungan di PT TMMIN. VMS menyediakan fitur utama seperti pencatatan data kunjungan, approval kunjungan, monitoring status check-in dan check-out secara real-time, visualisasi data kunjungan, serta daftar riwayat kunjungan. Terdapat 4 tipe user yang memiliki akses sistem ini yaitu visitor, host (karyawan PT TMMIN), admin, dan resepsionis/security di area Head Office PT TMMIN. Pendekatan penelitian mencakup metode kualitatif (observasi, wawancara, studi literatur) dan kuantitatif (Black-Box Testing, UAT). Sistem VMS dirancang menggunakan teknologi modern, yaitu ReactJS untuk antarmuka pengguna, NodeJS untuk pengelolaan logika, dan PostgreSQL sebagai basis data. Sistem VMS dikembangkan menggunakan metode Waterfall mulai dari analisis kebutuhan, perancangan, implementasi, hingga pengujian. Pengujian sistem dilakukan melalui dua metode pengujian, yaitu Black-Box Testing untuk memverifikasi fungsionalitas sistem dan User Acceptance Testing (UAT) yang dilakukan oleh pengguna akhir untuk mengukur penerimaan pengguna terhadap sistem. Hasil pengujian menunjukkan bahwa sistem VMS berhasil mencapai tingkat keberhasilan fungsional 100% pada 47 skenario Black-Box Testing. Selain itu, hasil UAT menunjukkan tingkat penerimaan pengguna terhadap sistem dengan persentase total 87,4%. Hasil observasi menunjukkan penurunan durasi proses registrasi sebesar 100% untuk planned visitor dan 56,32% untuk unplanned visitor. |
| Kategori | Skripsi - TI |
| Diunggah oleh | Kanira Erliana Azwa Zalea |
| Diunggah pada | Thu, 24 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