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 | APLIKASI MOBILE UNTUK PREDIKSI HARGA CRYPTOCURRENCY ETHEREUM BERBASIS MODEL GATED RECURRENT UNIT (GRU) DENGAN CONTINOUS FINE-TUNING PADA ROLLING WINDOW DATA |
| Deskripsi | Volatilitas ekstrem pada pergerakan harga cryptocurrency Ethereum memberikan tantangan besar bagi investor dalam manajemen risiko finansial. Meskipun metode deep learning terbukti andal dalam analisis deret waktu finansial, penggunaan model statis rentan mengalami degradasi performa akibat perubahan kondisi pasar yang cepat. Penelitian ini bertujuan mengembangkan sistem prediksi harga pasangan aset ETH/IDR berfrekuensi tinggi dengan timeframe 5 menit menggunakan arsitektur Gated Recurrent Unit (GRU) yang diintegrasikan dengan mekanisme continuous fine-tuning, serta diimplementasikan ke dalam aplikasi mobile hibrida berbasis CapacitorJS dan backend FastAPI. Pelatihan algoritma dibatasi pada ekstraksi fitur OHLCV dengan lookback window 48 timestep guna memproyeksikan harga 15 menit ke depan, di mana pembaruan bobot model dieksekusi secara asinkron setiap 24 jam menggunakan data 5 hari terakhir dan improvement threshold sebesar 1%. Hasil eksperimen menunjukkan arsitektur GRU mengungguli LSTM dengan mencatatkan tingkat kesalahan Mean Absolute Error (MAE) yang lebih rendah, yakni 43,995 berbanding 44,447 pada pengujian data harian. Simulasi historis continuous fine-tuning selama 128 hari merekam rasio penolakan pembaruan sebesar 92,19%, membuktikan bahwa algoritma secara presisi mampu menyaring noise acak untuk mencegah fenomena catastrophic forgetting. Pada 7,81% siklus pembaruan yang disetujui, mekanisme ini menyumbangkan rata-rata peningkatan akurasi MAE sebesar 9,10%. Pengujian fungsional black box juga memvalidasi tingkat keberhasilan sistem 100%. Dapat disimpulkan bahwa integrasi continuous fine-tuning sukses bertindak sebagai jaring pengaman adaptif yang menjaga relevansi operasional model, menjadikan aplikasi ini sebagai instrumen pendukung keputusan investasi yang presisi dan responsif. |
| Kategori | Skripsi - TI |
| Diunggah oleh | Ghavio Rizky Ananda Budiawan |
| Diunggah pada | Wed, 15 Jul 2026 |
2.
| Judul | RANCANG BANGUN TASK MANAGEMENT SYSTEM UNTUK MONITORING PEKERJAAN PADA RADHIYAN PET & CARE |
| Deskripsi | Pengelolaan tugas yang masih menggunakan media terpisah, seperti Microsoft Excel dan WhatsApp, menyebabkan proses koordinasi, pemantauan, dan evaluasi kinerja pada Radhiyan Pet & Care belum terkelola dengan baik. Hal ini memicu kesulitan memantau progres tugas antar divisi, informasi tidak terpusat, dan keterbatasan data kinerja secara real-time. Oleh karena itu, penelitian ini bertujuan mengembangkan Task Management System berbasis web yang mengintegrasikan pengelolaan tugas, pemantauan pekerjaan, dan evaluasi kinerja pegawai. Pengembangan sistem menggunakan metode Waterfall dengan framework Laravel, dan basis data MySQL. Fitur utama meliputi manajemen tugas, kalender, notifikasi, Key Performance Indicator (KPI), serta laporan capaian kinerja. Pengujian sistem dilakukan melalui Black Box Testing, User Acceptance Test (UAT), dan System Usability Scale (SUS). Hasil pengujian fungsional menunjukkan seluruh fitur berjalan sesuai kebutuhan. Hasil UAT membuktikan sistem dapat diterima untuk operasional perusahaan. Pengujian SUS terhadap 14 responden memperoleh nilai 86,07 (kategori Acceptable, Grade B, Excellent). Disimpulkan bahwa sistem ini efektif membantu pengelolaan tugas, pemantauan pekerjaan, dan evaluasi kinerja secara terintegrasi |
| Kategori | Skripsi - TI |
| Diunggah oleh | Daffa Putra Setyatama |
| Diunggah pada | Wed, 15 Jul 2026 |
3.
| Judul | APLIKASI BERBASIS WEB DETEKSI DINI GANGGUAN TIDUR SLEEP APNEA DARI SINYAL PERNAPASAN DENGAN ARSITEKTUR HYBRID DEEP LEARNING |
| Deskripsi | Sleep apnea merupakan gangguan tidur yang ditandai dengan henti napas berulang saat tidur dan berisiko menimbulkan berbagai komplikasi kesehatan apabila tidak terdeteksi sejak dini. Penelitian ini bertujuan merancang dan membangun aplikasi berbasis web bernama SleepWell untuk deteksi dini sleep apnea menggunakan sinyal pernapasan dengan arsitektur hybrid deep learning. Dataset yang digunakan berasal dari UCD St. Vincent's University Hospital yang terdiri dari 25 pasien dengan empat kanal sinyal, yaitu Flow, Sum, Abdo, dan SpO₂. Sinyal diproses melalui tahapan resampling ke 8 Hz, normalisasi, segmentasi window 30 detik, dan balancing dataset. Tiga arsitektur model dibandingkan, yaitu Pure CNN, LSTM, dan Hybrid CNN-LSTM. Hasil evaluasi menunjukkan bahwa model Hybrid CNN-LSTM menghasilkan performa terbaik dengan akurasi 90,96%, precision 89,87%, recall 92,32%, dan F-1 score 91,08%. Model tersebut diintegrasikan ke dalam aplikasi web berbasis Laravel dengan FastAPI sebagai backend deteksi. Pengujian Black Box Testing menunjukkan seluruh fitur berjalan sesuai fungsinya, dan pengujian User Acceptance Testing yang melibatkan 10 tenaga medis memperoleh nilai rata-rata 90,18%, menunjukkan bahwa aplikasi layak digunakan sebagai alat bantu deteksi dini sleep apnea. |
| Kategori | Skripsi - TI |
| Diunggah oleh | Naura Mufidah |
| Diunggah pada | Wed, 15 Jul 2026 |
4.
| Judul | Rancang Bangun Game Edukasi Sejarah Jalur Rempah Di Museum Kebaharian Jakarta |
| Deskripsi | Museum Kebaharian Jakarta, khususnya Eksebisi Bilik Rempah, menghadapi kendala dalam menarik<br /> minat pengunjung karena penyajian sejarah masih didominasi media statis yang kurang mendukung visualisasi dan<br /> pengalaman belajar yang interaktif. Penelitian ini bertujuan merancang dan membangun game edukasi sejarah jalur<br /> rempah Nusantara serta menguji kelayakannya sebagai media interaktif bagi pengunjung museum. Pengembangan<br /> dilaksanakan menggunakan metode Multimedia Development Life Cycle (MDLC) versi Luther-Sutopo melalui enam<br /> tahap: pengonsepan, perancangan, pengumpulan aset, pembuatan, pengujian, dan distribusi. Aplikasi Petualangan<br /> Arung dikembangkan dengan Unity 2022 LTS untuk platform Android, menampilkan gameplay berbasis keputusan<br /> dagang yang merepresentasikan tiga jalur rempah utama, yaitu Kepulauan Maluku, Batavia, dan Selat Malaka serta<br /> dilengkapi animasi cutscene historis, sistem leaderboard, dan dukungan dua bahasa, Indonesia dan Inggris. Pengujian<br /> dilaksanakan melalui tiga tahap, yaitu alpha testing dengan 68 skenario black box, validasi ahli oleh ahli materi dan<br /> ahli media, serta beta testing kepada 30 responden pengunjung museum. Validasi ahli materi menghasilkan indeks<br /> 93,3% dan validasi ahli media menghasilkan indeks 90,0%, keduanya dalam kategori Sangat Setuju, dengan rata-rata<br /> keseluruhan 91,7%. Pengujian beta menghasilkan indeks keseluruhan 85,1% (Sangat Setuju), mencakup aspek<br /> kemudahan penggunaan (86,9%), aturan dan umpan balik (83,8%), keterlibatan bermain (83,8%), narasi dan konten<br /> sejarah (86,3%), serta kelayakan edukasi (85,2%). Hasil ini menunjukkan bahwa Petualangan Arung layak digunakan<br /> sebagai instalasi kios interaktif pada Eksebisi Bilik Rempah Museum Kebaharian Jakarta dalam menyampaikan<br /> sejarah jalur rempah Nusantara secara interaktif kepada pengunjung generasi muda. |
| Kategori | Skripsi - TMD |
| Diunggah oleh | Muhammad Bimo Ariotedjo |
| Diunggah pada | Wed, 15 Jul 2026 |
5.
| Judul | PENGEMBANGAN APLIKASI MOBILE UNTUK EVALUASI KUALITAS GERAKAN SQUAT BERBASIS DEEP LEARNING |
| Deskripsi | Gerakan squat sangat efektif untuk melatih otot bawah, namun berisiko cedera seperti lumbar hyperlordosis dan knee valgus jika dilakukan dengan teknik yang salah. Keterbatasan pengamatan visual karena tingginya biaya sewa pelatih profesional membuat evaluasi latihan mandiri menjadi sulit dijangkau oleh masyarakat umum. Penelitian ini bertujuan untuk mengembangkan aplikasi mobile Android yang terintegrasi dengan model deep learning untuk mengevaluasi kualitas gerakan squat secara objektif melalui input video. Penelitian ini memanfaatkan teknologi MediaPipe Pose untuk mengekstraksi titik koordinat persendian bahu, pinggul, lutut, tumit, dan pergelangan kaki menjadi sinyal time-series. Data diproses menggunakan teknik sliding window sebesar 30 frame dan diklasifikasikan menggunakan arsitektur 1D-Convolutional Neural Network (1D-CNN) yang kinerjanya dibandingkan dengan model Bi-CGRU. Model tersebut diimplementasikan secara on-device menggunakan TensorFlow Lite, dan aplikasi dikembangkan secara native menggunakan Kotlin. Hasil pengujian menunjukkan bahwa model 1D-CNN dengan optimizer RMSprop mencapai performa tertinggi dengan akurasi 97.6%, presisi 97.7%, recall 97.6%, dan F1-score 97.6%, mengungguli model Bi-CGRU yang memiliki akurasi 96%. Analisis Explainable AI (XAI) menggunakan metode SHAP dan Grad CAM mengungkap bahwa stabilitas dan posisi pergelangan kaki (ankle dan heel) merupakan fitur paling dominan dalam mendeteksi postur squat yang salah. Pengujian fungsionalitas aplikasi melalui Black Box Testing meraih tingkat keberhasilan 100%. Evaluasi oleh pengguna akhir masyarakat umum sebanyak 24 responden menghasilkan skor System Usability Scale (SUS) sebesar 79,3 (kategori Good/Grade B) dan Net Promoter Score (NPS) sebesar 62,4% (kategori NPS Leader). Aplikasi ini terbukti layak, fungsional, dan efektif untuk membantu masyarakat umum memantau serta mengevaluasi gerakan squat secara mandiri tanpa memerlukan perangkat keras tambahan. |
| Kategori | Skripsi - TI |
| Diunggah oleh | Muhammad Reza Harsono |
| Diunggah pada | Wed, 15 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
409
Agustus
296
September
134
Oktober
52
November
12
Desember
368