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 UI/UX PADA WEBSITE DAN SISTEM ENTERPRISE RESOURCE PLANNING PT UKIRAMA SOLUSI INDONESIA |
| Deskripsi | Pembelajaran robotic arm industri pada pendidikan vokasi masih menghadapi kendala dalam memahami konsep kinematika, sistem koordinat, ruang gerak, dan logika pergerakan robot yang bersifat abstrak. Keterbatasan visualisasi pada media pembelajaran konvensional berpotensi meningkatkan extraneous cognitive load dan menghambat pemahaman konseptual mahasiswa. Penelitian ini bertujuan untuk menentukan kebutuhan pengguna, merancang UI/UX dan alur konten pembelajaran robotic arm industri berbasis Mixed Reality (MR), serta mengevaluasi tingkat usability dan pengalaman pengguna terhadap media yang dikembangkan. Penelitian menggunakan metode ADDIE (Analysis, Design, Development, Implementation, Evaluation). Analisis kebutuhan dilakukan melalui kuesioner terhadap 33 mahasiswa dan alumni Program Studi Mekatronika Politeknik Astra serta wawancara dengan instruktur robotika industri. Hasil analisis menunjukkan bahwa kebutuhan interaksi dan visualisasi interaktif menjadi kebutuhan utama pengguna. Berdasarkan temuan tersebut, dirancang dua modul pembelajaran yang mencakup kinematika, ruang gerak, operasi robot, dan logika gerakan. Hasil perancangan diwujudkan dalam bentuk storyboard, wireframe, desain antarmuka high-fidelity, dan prototipe aplikasi MR RoboMRLab berbasis Meta Quest 3. Evaluasi terhadap 18 responden menghasilkan skor SUS sebesar 71,25 (Good, Grade B, Acceptable). Hasil penelitian menunjukkan bahwa media yang dikembangkan dinilai usable, interaktif, dan relevan untuk mendukung pembelajaran robotic arm industri pada pendidikan vokasi. |
| Kategori | Skripsi - TMD |
| Diunggah oleh | Safira Zahara Jasmine |
| Diunggah pada | Tue, 14 Jul 2026 |
2.
| Judul | IMPLEMENTASI UNITY PADA MEDIA PENUNJANG PENGENALAN ROBOTIC ARM BERBASIS MIXED REALITY (MR) |
| Deskripsi | Industri manufaktur mengalami pergeseran menuju era industri 4.0, dimana fokus industri telah bergeser menuju otomatisasi dan digitalisasi menuju kolaborasi antara manusia dan mesin agar proses produksi menjadi lebih efisien, kreatif dan berfokus pada keberlanjutan (Rahman et al., 2025). Pergeseran ini meningkatkan kebutuhan robotic arm industri yang berperan penting untuk menyelesaikan tugas-tugas manufaktur. (Chen, 2023). Sejalan dengan berkembangnya robotic arm industri, tenaga kerja yang bekerja berdampingan dengan robot akan terus meningkat dalam tahun-tahun mendatang. (Orsolits et al., 2022). Oleh karena itu, peningkatan dan penguasan kompetensi robotika menjadi kebutuhan yang penting bagi mahasiswa untuk menjembatani kesenjangan antara teori dengan praktik industri (Karanam et al., 2025).<br /> Simulator robot industri pernah dibuat untuk memprogram dan menyimulasikan gerak robot secara virtual. (Garg et al., 2021). Namun, pembelajaran berbasis simulator masih memiliki keterbatasan seperti interaksi spasial dan pengalaman imersif bagi penggunanya. Pengguna tidak dapat mengamati robot dalam konteks ruang nyata atau berinteraksi secara natural. (Tennakoon et al., 2024).<br /> Berdasarkan hasil pengumpulan data awal dari mahasiswa dan alumni Program Studi Mekatronika Politeknik Astra oleh tim penulis, sebanyak 85% dari 33 responden mengalami kesulitan dalam memahami konsep robotic arm melalui media pembelajaran yang tersedia saat ini. Proses pembelajaran robotic arm industri masih menghadapi beberapa kendala, seperti kurangnya pemahaman konseptual mahasiswa terhadap robotic arm, keterbatasan akses terhadap perangkat robot, serta kebutuhan pemahaman mengenai risiko keselamatan operasional robot. Konsep seperti arah gerak joint, workspace, sistem koordinat, trajectory, singularity, dan batas aman interaksi pengguna merupakan materi yang bersifat spasial dan dinamis, sehingga sulit dipahami apabila hanya disampaikan melalui modul, presentasi, gambar, video, atau demonstrasi robot secara terbatas. <br /> Berdasarkan narasumber, ketidakpahaman terhadap konsep-konsep tersebut dapat berdampak pada kesalahan dalam memahami materi seperti trajektori, waypoint dan singularity. Jika mahasiswa tidak memahami sistem koordinat robot, mahasiswa dapat keliru dalam membaca arah gerak dan posisi robot karena acuan gerak pada World Frame, Base Frame, User Frame, dan Tool Frame memiliki orientasi yang berbeda. Sistem koordinat robot sendiri digunakan untuk menentukan posisi dan orientasi robot dalam ruang tiga dimensi (Su et al., 2022). Selain itu, ketidakpahaman terhadap workspace dapat menyebabkan mahasiswa sulit memahami batas jangkauan robot dan area kerja yang aman, karena workspace merupakan area maksimum yang dapat dicapai oleh end-effector robot (Orsolits et al., 2022). Pada kondisi tertentu, ketidakpahaman terhadap singularity juga dapat menyebabkan mahasiswa tidak menyadari bahwa menggerakkan robot ke konfigurasi joint tertentu dapat membuat robot kehilangan sebagian derajat kebebasan, menghasilkan gerakan tidak stabil, atau membutuhkan perubahan joint yang besar secara tiba-tiba (Daussà Baize, 2024).<br /> Dengan demikian, permasalahan pembelajaran robotic arm tidak hanya berkaitan dengan kesulitan memahami teori, tetapi juga berpotensi memengaruhi ketepatan pengoperasian, keselamatan praktik, dan kesiapan mahasiswa sebelum berinteraksi langsung dengan robot fisik. Oleh karena itu, diperlukan media penunjang pembelajaran yang mampu menampilkan konsep robotic arm secara visual, interaktif, dan aman. Media berbasis Mixed Reality dipilih karena memungkinkan objek virtual ditampilkan dan diinteraksikan dalam lingkungan nyata secara real-time, sehingga pengguna dapat memahami konsep robotic arm melalui pengalaman yang lebih imersif dan kontekstual (Suryodiningrat et al., 2024; Skarbez et al., 2021).<br /> Dalam perkembangan teknologi digital, pendekatan pembelajaran berbasis Extended Reality (XR) mulai banyak diterapkan sebagai solusi dalam pendidikan teknik. Extended Reality yang mencakup Virtual Reality (VR), Augmented Reality (AR) dan Mixed Reality (MR) memungkinkan visualisasi objek yang dapat diinteraksikan. Teknologi XR juga semakin berkembang sebagai alat pembelajaran yang dapat mengajak penggunanya semakin terlibat dan meningkatkan pemahaman peserta didik terhadap materi yang sulit divisualisasikan secara konvensional. (Wijayanto, 2023).<br /> Salah satu platform pengembangan yang banyak digunakan dalam pengembangan aplikasi pembelajaran Mixed Reality adalah Unity. Aplikasi ini mampu untuk mensimulasikan robotic arm dengan lingkungan asli menggunakan perangkat XR seperti Meta Quest 3 (Tarng et, al. 2024). Unity juga memiliki fleksibilitas skrip yang tinggi untuk membangun kontrol robot yang kompleks (Chen, 2023).<br /> Dalam perkembangan aplikasi Mixed Reality, aspek kenyamanan dan durasi menjadi faktor penting. Perangkat Mixed Reality seperti Meta Quest memiliki karakteristik penggunaan yang berbeda dibanding media pembelajaran lain. Meta Developers (2024) menyatakan pada penelitian mereka bahwa pengguna merasa kurang menikmati konten yang berdurasi di bawah 20 menit, dan pengguna merasa kelelahan ketika menikmati konten di atas 40 menit. Ini menjadikan durasi selama 20 sampai 40 menit per sesi sebagai waktu yang baik untuk penggunaan perangkat Meta Quest.<br /> Berdasarkan permasalahan tersebut, penelitian ini ingin mengembangkan media penunjang pengenalan robotic arm industri berbasis mixed reality (MR) menggunakan perangkat Meta Quest menggunakan Unity. Sistem ini akan dikembangkan dengan mode pembelajaran untuk memahami konsep dasar robotic arm, dan pengetahuan risiko keselamatan operasi robotic arm. Diharapkan media pengenalan ini menjadi solusi yang inovatif dan dapat mendukung proses pengenalan robotic arm industri lebih interaktif. |
| Kategori | Skripsi - TMD |
| Diunggah oleh | Thomas Septian Eliezer Siahaan |
| Diunggah pada | Tue, 14 Jul 2026 |
3.
| Judul | RANCANG BANGUN APLIKASI HOME WORKOUT DENGAN PREDIKSI KALORI TERBAKAR MENGGUNAKAN MACHINE LEARNING |
| Deskripsi | Meningkatnya pemanfaatan teknologi digital di bidang kesehatan dan kebugaran mendorong kebutuhan akan aplikasi workout yang tidak hanya berfungsi sebagai pencatat aktivitas, tetapi juga mampu memberikan analisis yang bersifat personal. Namun, estimasi kalori terbakar pada sebagian besar aplikasi kebugaran masih menggunakan pendekatan statis berbasis rumus Basal Metabolic Rate (BMR) dan Metabolic Equivalent of Task (MET) yang belum mempertimbangkan karakteristik individual pengguna secara optimal. Penelitian ini bertujuan untuk membangun aplikasi web home workout bernama Calsio yang mengintegrasikan prediksi kalori berbasis Gradient Boosting Regressor (GBR) serta chatbot fitness dan nutrisi berbasis Retrieval-Augmented Generation (RAG) menggunakan TF-IDF dan Large Language Model Gemini 3.5 Flash dalam Bahasa Indonesia. Aplikasi dibangun menggunakan arsitektur three-tier yang terdiri atas Vue 3 sebagai frontend, Node.js dan PostgreSQL sebagai backend, serta Python-Flask sebagai layanan machine learning. Model GBR dilatih menggunakan dataset Gym Members Exercise Tracking yang terdiri dari 973 sampel, dengan seluruh proses tuning dan evaluasi dilakukan menggunakan skema K-Fold Cross Validation (K=4, 5, 6, 8, dan 10) tanpa train_test_split, serta dioptimasi menggunakan GridSearchCV dengan 96 kombinasi parameter. Hasil pengujian menunjukkan bahwa model terbaik diperoleh pada parameter learning rate sebesar 0,1 dan K=10, dengan nilai CV R² (out-of-fold) sebesar 0,9970, MAE sebesar 11,62 kkal, RMSE sebesar 14,81 kkal, dan MAPE sebesar 1,35%. Evaluasi sistem information retrieval menghasilkan nilai Document Retrieval Accuracy sebesar 100% dan Mean Reciprocal Rank (MRR) sebesar 0,894. Selain itu, pengujian User Acceptance Testing (UAT) terhadap 10 responden memperoleh skor rata-rata sebesar 4,76 dari skala 5,00 (95,2%), sedangkan pengujian System Usability Scale (SUS) menghasilkan skor sebesar 93,25 dengan kategori Grade A (Excellent). Hasil tersebut menunjukkan bahwa aplikasi Calsio memiliki tingkat akurasi prediksi dan usability yang sangat baik serta layak digunakan sebagai solusi home workout berbasis kecerdasan buatan. |
| Kategori | Skripsi - TI |
| Diunggah oleh | Faiz Akbar |
| Diunggah pada | Tue, 14 Jul 2026 |
4.
| Judul | RANCANG BANGUN APLIKASI HOME WORKOUT DENGAN PREDIKSI KALORI TERBAKAR MENGGUNAKAN MACHINE LEARNING |
| Deskripsi | Meningkatnya pemanfaatan teknologi digital di bidang kesehatan dan kebugaran mendorong kebutuhan akan aplikasi workout yang tidak hanya berfungsi sebagai pencatat aktivitas, tetapi juga mampu memberikan analisis yang bersifat personal. Namun, estimasi kalori terbakar pada sebagian besar aplikasi kebugaran masih menggunakan pendekatan statis berbasis rumus Basal Metabolic Rate (BMR) dan Metabolic Equivalent of Task (MET) yang belum mempertimbangkan karakteristik individual pengguna secara optimal. Penelitian ini bertujuan untuk membangun aplikasi web home workout bernama Calsio yang mengintegrasikan prediksi kalori berbasis Gradient Boosting Regressor (GBR) serta chatbot fitness dan nutrisi berbasis Retrieval-Augmented Generation (RAG) menggunakan TF-IDF dan Large Language Model Gemini 3.5 Flash dalam Bahasa Indonesia. Aplikasi dibangun menggunakan arsitektur three-tier yang terdiri atas Vue 3 sebagai frontend, Node.js dan PostgreSQL sebagai backend, serta Python-Flask sebagai layanan machine learning. Model GBR dilatih menggunakan dataset Gym Members Exercise Tracking yang terdiri dari 973 sampel, dengan seluruh proses tuning dan evaluasi dilakukan menggunakan skema K-Fold Cross Validation (K=4, 5, 6, 8, dan 10) tanpa train_test_split, serta dioptimasi menggunakan GridSearchCV dengan 96 kombinasi parameter. Hasil pengujian menunjukkan bahwa model terbaik diperoleh pada parameter learning rate sebesar 0,1 dan K=10, dengan nilai CV R² (out-of-fold) sebesar 0,9970, MAE sebesar 11,62 kkal, RMSE sebesar 14,81 kkal, dan MAPE sebesar 1,35%. Evaluasi sistem information retrieval menghasilkan nilai Document Retrieval Accuracy sebesar 100% dan Mean Reciprocal Rank (MRR) sebesar 0,894. Selain itu, pengujian User Acceptance Testing (UAT) terhadap 10 responden memperoleh skor rata-rata sebesar 4,76 dari skala 5,00 (95,2%), sedangkan pengujian System Usability Scale (SUS) menghasilkan skor sebesar 93,25 dengan kategori Grade A (Excellent). Hasil tersebut menunjukkan bahwa aplikasi Calsio memiliki tingkat akurasi prediksi dan usability yang sangat baik serta layak digunakan sebagai solusi home workout berbasis kecerdasan buatan. |
| Kategori | Skripsi - TI |
| Diunggah oleh | Faiz Akbar |
| Diunggah pada | Tue, 14 Jul 2026 |
5.
| Judul | SISTEM REKOMENDASI PLAYLIST MUSIK BERBASIS KONTEKS AKTIVITAS PENGGUNA MENGGUNAKAN METODE EDAS |
| Deskripsi | Banyaknya pilihan lagu pada layanan streaming musik dapat menyulitkan pengguna dalam menentukan playlist yang sesuai dengan aktivitas dan preferensinya. Penelitian ini mengembangkan sistem rekomendasi playlist musik berbasis web menggunakan metode Evaluation Based on Distance from Average Solution (EDAS). Sistem menerima masukan berupa aktivitas, waktu, suasana saat ini, target durasi, dan jawaban dari 14 butir kuesioner preferensi. Jawaban pengguna dipetakan ke delapan parameter evaluasi lagu, yaitu tempo, energy, danceability, happiness, popularity, acousticness, instrumentalness, dan speechiness. Parameter aktif digunakan sebagai kriteria dinamis dalam proses pemeringkatan terhadap dataset sebanyak 5.290 lagu. Hasil pemeringkatan kemudian digunakan untuk membentuk playlist berdasarkan target durasi pengguna. Sistem juga menyediakan ringkasan preferensi, narasi rekomendasi, fitur penggantian lagu, riwayat rekomendasi, serta ekspor playlist ke Spotify dan YouTube. Pengujian kesesuaian interpretasi preferensi memperoleh nilai 74,12% dengan kategori baik, sedangkan pengujian System Usability Scale memperoleh skor 78,33 dengan grade B+, adjective good, dan tingkat penerimaan acceptable. |
| Kategori | Skripsi - TI |
| Diunggah oleh | Haikal Afifsyah |
| Diunggah pada | Tue, 14 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
410
Agustus
296
September
134
Oktober
52
November
12
Desember
368