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 | SISTEM PENDUKUNG KEPUTUSAN REKOMENDASI PEMILIHAN JURUSAN IPA/IPS DAN PEMINATAN MENGGUNAKAN METODE FUZZY MAMDANI PADA SISWA BARU SMAN 13 DEPOK |
| Deskripsi | Proses pemilihan peminatan di SMAN 13 Depok sering terkendala subjektivitas dan <br /> ketidakselarasan antara kompetensi akademik rapor dengan minat pribadi siswa, yang <br /> berisiko memicu fenomena salah jurusan. Penelitian ini bertujuan membangun Sistem <br /> Pendukung Keputusan (SPK) pemilihan jurusan menggunakan metode Fuzzy Mamdani <br /> berbasis web dengan arsitektur mirocservices. Logika fuzzy mengintegrasikan parameter <br /> input nilai rapor semester 1–5 untuk mata pelajaran kunci serta skor kuesioner minat <br /> (skala 0–100). Pemrosesan paralel dilakukan melalui tahapan fuzzifikasi kurva segitiga <br /> dan trapesium, evaluasi rule-base pakar, serta defuzzifikasi Centroid untuk menghasilkan <br /> persentase kelayakan secara real-time. Hasil pengujian skenario membuktikan bahwa <br /> sistem memiliki sifat kompensatori yang adil; variabel minat tinggi mampu mendongkrak <br /> skor kelayakan peminatan kelas meskipun nilai akademik berada di batas bawah, sekaligus <br /> menjalankan fungsi mitigasi untuk meredam pemaksaan jurusan. Berdasarkan pengujian <br /> usabilitas menggunakan metode System Usability Scale (SUS) terhadap 11 responden, <br /> aplikasi "Peta Peminatan" ini meraih skor rata-rata 74,32, yang menempatkannya pada <br /> kategori Good (Baik). Disimpulkan bahwa SPK ini stabil, ramah pengguna, serta memiliki <br /> keakuratan logika matematika tinggi untuk instrumen pembantu utama Guru BK dalam <br /> menentukan penjurusan secara adil, transparan, dan akurat. |
| Kategori | Skripsi - TI |
| Diunggah oleh | Rayhan Alfarizi |
| Diunggah pada | Fri, 17 Jul 2026 |
2.
| Judul | ANALISIS PENGARUH IMAGE ENHANCEMENT PADA MODEL MOBILENETV2 UNTUK KLASIFIKASI PENYAKIT TANAMAN PADI |
| Deskripsi | Penyakit tanaman padi merupakan salah satu faktor utama yang menyebabkan<br /> penurunan produktivitas dan kualitas hasil panen. Di sisi lain, proses identifikasi<br /> penyakit secara manual masih bergantung pada pengamatan visual yang<br /> memerlukan keahlian khusus sehingga berpotensi menimbulkan kesalahan<br /> diagnosis. Penelitian ini bertujuan untuk menganalisis pengaruh berbagai teknik<br /> image enhancement terhadap kinerja model MobileNetV2 berbasis transfer<br /> learning dalam mengklasifikasikan penyakit tanaman padi. Delapan skenario<br /> preprocessing tunggal yang terdiri atas Gamma Correction, Histogram<br /> Equalization (HE), Contrast Limited Adaptive Histogram Equalization (CLAHE),<br /> Median Blurring, Bilateral Filtering, Non-Local Means Denoising (NL-Means),<br /> Excess Green Index (ExG), serta lima kombinasi hybrid image enhancement diuji<br /> menggunakan metode Stratified 10-Fold Cross Validation. Evaluasi model<br /> dilakukan menggunakan metrik accuracy, precision, recall, dan F1-score. Hasil<br /> penelitian menunjukkan bahwa penerapan image enhancement memberikan<br /> pengaruh yang berbeda terhadap performa MobileNetV2. Metode Excess Green<br /> Index (ExG) sebagai preprocessing tunggal menghasilkan performa terbaik dengan<br /> nilai accuracy sebesar 91,25%, precision sebesar 91,28%, recall sebesar 91,25%,<br /> dan F1-score sebesar 91,25%, meningkat dibandingkan model baseline yang<br /> memperoleh accuracy sebesar 89,06%. Sementara itu, seluruh metode hybrid<br /> image enhancement yang diuji belum mampu melampaui performa ExG sebagai<br /> metode tunggal, meskipun beberapa kombinasi seperti ExG→NL-Means<br /> menghasilkan peningkatan dibandingkan baseline. Temuan penelitian ini<br /> menunjukkan bahwa efektivitas image enhancement tidak ditentukan oleh<br /> banyaknya tahapan preprocessing, melainkan oleh kesesuaiannya dalam<br /> meningkatkan kualitas fitur visual yang diekstraksi oleh MobileNetV2. Dengan<br /> demikian, Excess Green Index merupakan metode preprocessing yang paling efektif<br /> untuk meningkatkan performa klasifikasi penyakit tanaman padi pada dataset yang<br /> digunakan dalam penelitian ini |
| Kategori | Skripsi - TI |
| Diunggah oleh | Muhammad Alfi Luthfan Thufail |
| Diunggah pada | Fri, 17 Jul 2026 |
3.
| Judul | RANCANG BANGUN APLIKASI DETEKSI PITCH SUARA BERBASIS ANDROID DENGAN ALGORITMA FAST FOURIER TRANSFORM DAN CONVOLUTIONAL NEURAL NETWORK |
| Deskripsi | Proses penciptaan musik sering kali diawali dengan senandung (humming) sebagai bentuk ekspresi ide awal. Namun, bagi komposer pemula maupun profesional, melakukan transkripsi manual dari suara senandung menjadi notasi digital merupakan proses yang rumit dan memakan waktu. Penelitian ini bertujuan untuk merancang dan membangun aplikasi deteksi pitch suara berbasis mobile pada platform Android yang mampu mengonversi input suara manusia menjadi format Musical Instrument Digital Interface (MIDI). Sistem yang dibangun menggunakan pendekatan hibrida yang menggabungkan Digital Signal Processing dan Deep Learning. Algoritma Fast Fourier Transform (FFT) atau Short-Time Fourier Transform (STFT) diterapkan untuk mengekstraksi fitur sinyal suara monofonik menjadi citra spektrum (spektrogram). Selanjutnya, Convolutional Neural Network (CNN) digunakan untuk mengklasifikasikan citra spektrogram tersebut guna mengenali tinggi rendahnya pitch secara presisi. Model dilatih menggunakan dataset MIR-QBSH dan diimplementasikan ke dalam perangkat mobile menggunakan framework LiteRT untuk efisiensi komputasi di sisi pengguna. Hasil akhir dari penelitian ini adalah aplikasi yang dapat membantu musisi mendokumentasikan ide melodi secara otomatis ke dalam file MIDI, yang kemudian dapat disunting lebih lanjut pada perangkat lunak produksi audio. |
| Kategori | Skripsi - TI |
| Diunggah oleh | Daffa Ian Nabil |
| Diunggah pada | Fri, 17 Jul 2026 |
4.
| Judul | RANCANG BANGUN APLIKASI DETEKSI PITCH SUARA BERBASIS ANDROID DENGAN ALGORITMA FAST FOURIER TRANSFORM DAN CONVOLUTIONAL NEURAL NETWORK |
| Deskripsi | Proses penciptaan musik sering kali diawali dengan senandung (humming) sebagai bentuk ekspresi ide awal. Namun, bagi komposer pemula maupun profesional, melakukan transkripsi manual dari suara senandung menjadi notasi digital merupakan proses yang rumit dan memakan waktu. Penelitian ini bertujuan untuk merancang dan membangun aplikasi deteksi pitch suara berbasis mobile pada platform Android yang mampu mengonversi input suara manusia menjadi format Musical Instrument Digital Interface (MIDI). Sistem yang dibangun menggunakan pendekatan hibrida yang menggabungkan Digital Signal Processing dan Deep Learning. Algoritma Fast Fourier Transform (FFT) atau Short-Time Fourier Transform (STFT) diterapkan untuk mengekstraksi fitur sinyal suara monofonik menjadi citra spektrum (spektrogram). Selanjutnya, Convolutional Neural Network (CNN) digunakan untuk mengklasifikasikan citra spektrogram tersebut guna mengenali tinggi rendahnya pitch secara presisi. Model dilatih menggunakan dataset MIR-QBSH dan diimplementasikan ke dalam perangkat mobile menggunakan framework LiteRT untuk efisiensi komputasi di sisi pengguna. Hasil akhir dari penelitian ini adalah aplikasi yang dapat membantu musisi mendokumentasikan ide melodi secara otomatis ke dalam file MIDI, yang kemudian dapat disunting lebih lanjut pada perangkat lunak produksi audio. |
| Kategori | Skripsi - TI |
| Diunggah oleh | Daffa Ian Nabil |
| Diunggah pada | Fri, 17 Jul 2026 |
5.
| Judul | RANCANG BANGUN APLIKASI DETEKSI PITCH SUARA BERBASIS ANDROID DENGAN ALGORITMA FAST FOURIER TRANSFORM DAN CONVOLUTIONAL NEURAL NETWORK |
| Deskripsi | Proses penciptaan musik sering kali diawali dengan senandung (humming) sebagai bentuk ekspresi ide awal. Namun, bagi komposer pemula maupun profesional, melakukan transkripsi manual dari suara senandung menjadi notasi digital merupakan proses yang rumit dan memakan waktu. Penelitian ini bertujuan untuk merancang dan membangun aplikasi deteksi pitch suara berbasis mobile pada platform Android yang mampu mengonversi input suara manusia menjadi format Musical Instrument Digital Interface (MIDI). Sistem yang dibangun menggunakan pendekatan hibrida yang menggabungkan Digital Signal Processing dan Deep Learning. Algoritma Fast Fourier Transform (FFT) atau Short-Time Fourier Transform (STFT) diterapkan untuk mengekstraksi fitur sinyal suara monofonik menjadi citra spektrum (spektrogram). Selanjutnya, Convolutional Neural Network (CNN) digunakan untuk mengklasifikasikan citra spektrogram tersebut guna mengenali tinggi rendahnya pitch secara presisi. Model dilatih menggunakan dataset MIR-QBSH dan diimplementasikan ke dalam perangkat mobile menggunakan framework LiteRT untuk efisiensi komputasi di sisi pengguna. Hasil akhir dari penelitian ini adalah aplikasi yang dapat membantu musisi mendokumentasikan ide melodi secara otomatis ke dalam file MIDI, yang kemudian dapat disunting lebih lanjut pada perangkat lunak produksi audio. |
| Kategori | Skripsi - TI |
| Diunggah oleh | Daffa Ian Nabil |
| 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