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 | 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 |
2.
| Judul | PREDIKSI HARGA EMAS MENGGUNAKAN METODE ARIMA DAN LSTM DENGAN INTEGRASI SISTEM CHATBOT RAG |
| Deskripsi | Emas merupakan instrumen investasi fluktuatif yang memerlukan pemantauan intensif. Penelitian ini mengembangkan Goltraak, sistem pelacakan dan prediksi harga emas berbasis kecerdasan buatan (Artificial Intelligence). Menggunakan metode Waterfall dengan arsitektur server-klien terpisah, sistem ini dibangun dengan Flutter (frontend), FastAPI (backend), serta diimplementasikan pada Google Cloud Platform (GCP) dengan pipeline MLOps terotomatisasi. Goltraak membandingkan model statistik ARIMA dan deep learning Univariate LSTM untuk proyeksi harga 7 hari ke depan, serta menyediakan chatbot interaktif berpendekatan Retrieval-Augmented Generation (RAG) untuk menyajikan informasi harga terkini secara akurat. Hasil pengujian Black Box Testing terhadap 11 skenario fungsional mencatatkan tingkat keberhasilan 100%. Pada pengujian model peramalan, ARIMA menunjukkan performa yang lebih unggul dan stabil dengan nilai Mean Absolute Percentage Error (MAPE) sebesar 1,21% untuk skenario beli dan 1,43% untuk skenario jual. Sementara itu, model LSTM menghasilkan tingkat galat yang lebih tinggi, yaitu sebesar 3,42% pada skenario beli dan 6,13% pada skenario jual. Pengujian melalui User Acceptance Testing (UAT) dilakukan dengan melibatkan 10 orang responden pegiat investasi emas, baik dari masyarakat umum maupun lingkaran terdekat (keluarga dan teman), menunjukkan tingkat kepuasan pengguna (Overall Satisfaction) mencapai 94%. Hasil ini membuktikan bahwa Goltraak sangat layak, andal, dan bermanfaat bagi masyarakat dalam memantau tren pasar emas harian. |
| Kategori | Skripsi - TI |
| Diunggah oleh | Muhammad Bryan |
| Diunggah pada | Fri, 17 Jul 2026 |
3.
| Judul | PREDIKSI HARGA EMAS MENGGUNAKAN METODE ARIMA DAN LSTM DENGAN INTEGRASI SISTEM CHATBOT RAG |
| Deskripsi | Emas merupakan instrumen investasi fluktuatif yang memerlukan pemantauan intensif. Penelitian ini mengembangkan Goltraak, sistem pelacakan dan prediksi harga emas berbasis kecerdasan buatan (Artificial Intelligence). Menggunakan metode Waterfall dengan arsitektur server-klien terpisah, sistem ini dibangun dengan Flutter (frontend), FastAPI (backend), serta diimplementasikan pada Google Cloud Platform (GCP) dengan pipeline MLOps terotomatisasi. Goltraak membandingkan model statistik ARIMA dan deep learning Univariate LSTM untuk proyeksi harga 7 hari ke depan, serta menyediakan chatbot interaktif berpendekatan Retrieval-Augmented Generation (RAG) untuk menyajikan informasi harga terkini secara akurat. Hasil pengujian Black Box Testing terhadap 11 skenario fungsional mencatatkan tingkat keberhasilan 100%. Pada pengujian model peramalan, ARIMA menunjukkan performa yang lebih unggul dan stabil dengan nilai Mean Absolute Percentage Error (MAPE) sebesar 1,21% untuk skenario beli dan 1,43% untuk skenario jual. Sementara itu, model LSTM menghasilkan tingkat galat yang lebih tinggi, yaitu sebesar 3,42% pada skenario beli dan 6,13% pada skenario jual. Pengujian melalui User Acceptance Testing (UAT) dilakukan dengan melibatkan 10 orang responden pegiat investasi emas, baik dari masyarakat umum maupun lingkaran terdekat (keluarga dan teman), menunjukkan tingkat kepuasan pengguna (Overall Satisfaction) mencapai 94%. Hasil ini membuktikan bahwa Goltraak sangat layak, andal, dan bermanfaat bagi masyarakat dalam memantau tren pasar emas harian. |
| Kategori | Skripsi - TI |
| Diunggah oleh | Muhammad Bryan |
| Diunggah pada | Fri, 17 Jul 2026 |
4.
| Judul | RANCANG BANGUN CHATBOT PERPUSTAKAAN BERBASIS HYBRID RETRIEVAL AUGMENTED GENERATION MULTI-SOURCE PADA LAYANAN OPAC POLITEKNIK NEGERI JAKARTA |
| Deskripsi | Perpustakaan Politeknik Negeri Jakarta memiliki layanan katalog dan informasi perpustakaan yang digunakan oleh mahasiswa, dosen, dan pengguna umum. Namun, pencarian katalog berbasis kata kunci masih memiliki keterbatasan dalam memahami maksud pengguna, sedangkan informasi layanan tersebar pada beberapa dokumen resmi. Selain itu, sebagian besar metadata deskripsi buku belum lengkap sehingga dapat mengurangi kualitas pencarian semantik. Berdasarkan permasalahan tersebut, dikembangkan chatbot perpustakaan berbasis Multi-Source Retrieval-Augmented Generation yang menggabungkan katalog OPAC, dokumen layanan, dan data statistik perpustakaan. Sistem menerapkan Hybrid Retrieval berbasis BM25 dan dense embedding BAAI/bge-m3, Document RAG dengan ChromaDB, LLM-router Qwen3.5 4B, serta enrichment metadata untuk melengkapi deskripsi buku. Evaluasi dilakukan melalui ground truth, ablation study, grid search bobot, evaluasi retrieval, routing comparison, RAGAS, black box testing, dan human evaluation. Hasil pengujian menunjukkan bobot Hybrid Retrieval terbaik adalah BM25 0,20 dan dense 0,80 dengan Hit@5 sebesar 100% dan NDCG@5 sebesar 0,7988. LLM-router memperoleh akurasi 95,1%, sedangkan black box testing dengan 52 skenario yang diuji oleh peneliti menghasilkan pass rate 98,1% (51 dari 52 skenario). Hasil tersebut menunjukkan bahwa chatbot mampu membantu pencarian, rekomendasi, dan layanan informasi perpustakaan secara relevan serta berbasis sumber data yang dapat ditelusuri. |
| Kategori | Skripsi - TI |
| Diunggah oleh | GEMA HAFIZH MAULIDI |
| Diunggah pada | Fri, 17 Jul 2026 |
5.
| Judul | Rancang Bangun Sistem Pemilihan Sepatu Futsal dan Sepak Bola Menggunakan Metode Content Based Filtering dengan Cosine Similarity |
| Deskripsi | Pemilihan sepatu futsal dan sepak bola yang sesuai dengan kebutuhan pengguna sering<br /> kali menjadi permasalahan karena banyaknya variasi produk yang tersedia di pasaran.<br /> Penelitian ini bertujuan untuk mengembangkan sistem rekomendasi sepatu futsal dan<br /> sepak bola berbasis website yang dapat membantu pengguna dalam menentukan pilihan<br /> sepatu berdasarkan preferensi yang diinginkan. Metode yang digunakan adalah ContentBased Filtering (CBF) dengan perhitungan kemiripan menggunakan Cosine Similarity.<br /> Data produk direpresentasikan berdasarkan atribut merek, jenis lapangan, dan kategori<br /> harga, kemudian ditransformasikan menggunakan teknik Tf Idf untuk menentukan atribut<br /> teks. Sistem yang dikembangkan mampu memberikan rekomendasi produk berdasarkan<br /> tingkat kemiripan antara preferensi pengguna dan karakteristik produk yang tersedia pada<br /> database. Hasil pengujian fungsional menunjukkan bahwa seluruh fitur sistem berjalan<br /> dengan baik, sedangkan pengujian usability menggunakan metode System Usability Scale<br /> (SUS) memperoleh nilai rata-rata sebesar 85,25 yang termasuk kategori Excellent dan<br /> Acceptable. Berdasarkan hasil penelitian, sistem yang dikembangkan mampu membantu<br /> pengguna dalam memperoleh rekomendasi sepatu yang sesuai dengan preferensinya serta<br /> memiliki tingkat kemudahan penggunaan yang baik |
| Kategori | Skripsi - TI |
| Diunggah oleh | Muhamad Alfabel |
| 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
405
Agustus
296
September
134
Oktober
52
November
12
Desember
368