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 Chatbot Pajak Berbasis Retrieval-Augmented Generation untuk Sosialisasi Kebijakan PPh dan PPN |
| Deskripsi | Rendahnya pemahaman masyarakat terhadap kebijakan Pajak Penghasilan (PPh) dan Pajak Pertambahan Nilai (PPN) yang kompleks menjadi tantangan dalam meningkatkan kepatuhan pajak. Penelitian bertujuan untuk merancang dan membangun sebuah chatbot fungsional berbasis Retrieval-Augmented Generation (RAG) sebagai solusi penyampaian informasi perpajakan, serta mengevaluasi tingkat akurasi dan performanya. Metode penelitian adalah riset eksperimental dengan pendekatan gabungan. Evaluasi sistem dilakukan melalui tiga metode: pengujian black box untuk fungsionalitas sistem, human evaluation oleh dua pakar pajak untuk mengukur validitas jawaban, serta evaluasi teknis menggunakan Retrieval-Augmented Generation Assessment (RAGAs). Hasil penelitian menunjukkan seluruh fungsionalitas sistem berjalan sesuai harapan. Berdasarkan penilaian para ahli, chatbot mencapai tingkat akurasi validitas jawaban sebesar 72,5%, dengan tingkat kesepakatan antar pakar "Sangat Baik" yang dibuktikan oleh nilai Cohen's Kappa sebesar 0,875. Evaluasi teknis RAGAs mengonfirmasi kinerja pipeline yang solid, dengan skor faithfulness 0,91 dan context precision 1,00, yang mengkonfirmasi kemampuan sistem untuk memberikan jawaban yang sesuai pada sumber dan mengambil konteks yang relevan. Selain itu, pengujian System Usability Scale (SUS) menghasilkan rata-rata skor 79,5, yang mengindikasikan bahwa chatbot memiliki tingkat usability "Sangat Baik" (Grade B - Good) dari perspektif pengguna. Penelitian berhasil mengembangkan chatbot RAG yang terbukti fungsional dan andal dalam menyosialisasikan kebijakan PPh dan PPN kepada masyarakat. |
| Kategori | Skripsi - TI |
| Diunggah oleh | Muhammad Haikal Al Rasyid |
| Diunggah pada | Thu, 17 Jul 2025 |
2.
| Judul | Sistem Penilaian Esai Otomatis Menggunakan Model SBERT Dan Cosine Similarity untuk Evaluasi Akademik |
| Deskripsi | Penilaian esai secara manual oleh pengajar memerlukan banyak waktu, tenaga, dan berpotensi menghasilkan penilaian yang subjektif dan tidak konsisten. Oleh karena itu, penelitian ini mengembangkan sebuah sistem penilaian esai otomatis yang memanfaatkan model pre-trained SBERT (Sentence-BERT) dengan metode cosine similarity. Penelitian ini bertujuan untuk merancang dan mengimplementasikan sistem yang mampu menilai kualitas jawaban siswa secara objektif dan efisien dengan mempertimbangkan kemiripan semantik antara jawaban siswa dan jawaban pengajar. Sistem ini dirancang berbasis web menggunakan ReactJS di frontend dan FastAPI di backend, serta diujikan pada data esai siswa yang diambil dari dataset IndoNLI. Hasil evaluasi model menunjukkan kinerja yang baik dengan threshold 0.80 yang menghasilkan nilai akurasi sebesar 0.88, precision 0.90, recall 0.90, F1-score 0.90, Pearson correlation 0.74, dan Spearman correlation 0.72. Selain itu, hasil pengujian sistem menunjukkan tingkat keberhasilan 100% pada Blackbox Testing, skor System Usability Scale (SUS) sebesar 81,5% dalam kategori Excellent, skor Net Promoter Score (NPS) sebesar 40%, dan skor user acceptance testing (UAT) sebesar 80% dalam kategori baik yang menunjukkan sebagian besar pengguna bersedia merekomendasikan sistem ini. Dengan demikian, sistem ini dinilai layak digunakan dan dapat membantu pengajar dalam menilai esai secara lebih objektif, efisien, dan konsisten. |
| Kategori | Skripsi - TI |
| Diunggah oleh | Muhammad Ardy Dzakwan |
| Diunggah pada | Thu, 17 Jul 2025 |
3.
| Judul | PENGEMBANGAN MODEL CHATBOT DENGAN RETRIEVAL AUGMENTED GENERATION (RAG) DAN FINE-TUNING BERBASIS LLM |
| Deskripsi | Penelitian ini membahas pengembangan chatbot layanan akademik di Politeknik Negeri Jakarta (PNJ) dengan memanfaatkan Large Language Model (LLM). Tiga pendekatan utama diuji, yaitu Parameter-Efficient Fine-Tuning (PEFT) menggunakan LoRA/QLoRA, Retrieval Augmented Generation (RAG), dan Retrieval Augmented Fine-Tuning (RAFT). Studi kasus menggunakan dokumen SOP kampus sebagai basis pengetahuan, dengan eksplorasi model open-source seperti Llama 2 7B, DeepSeek 7b, Qwen 2.5 3B, dan TinyLlama 1.1B. Dataset pertanyaan-jawaban dikembangkan manual dari SOP, dan respons dievaluasi menggunakan BLEU, ROUGE, METEOR, BERTScore, serta UniEval untuk menilai kualitas jawaban secara komprehensif. Hasil evaluasi menunjukkan pipeline RAG dengan Qwen 2.5 3B sebagai model paling optimal, meraih BERTScore F1 85.72% dengan relevansi 95.58%, serta konsistensi 73.08%, mengungguli metode FT maupun RAFT. Chatbot yang dikembangkan responsif dan relevan ketika diakses melalui aplikasi web. Akan tetapi, implementasi pada cloud GPU seperti Runpod memerlukan biaya operasional cukup tinggi, sehingga penggunaan API komersial direkomendasikan untuk kampus dengan trafik chat rendah. Penelitian ini memperlihatkan potensi RAG dan LLM efisien untuk meningkatkan layanan informasi akademik digital di pendidikan tinggi Indonesia. |
| Kategori | Skripsi - TI |
| Diunggah oleh | Ghania Shafiqa Raisa |
| Diunggah pada | Thu, 17 Jul 2025 |
4.
| Judul | IMPLEMENTASI CAMERA LAYER DALAM COMPOSITING ANIMASI UNTUK MEDIA INFORMASI SATGAS PPKPT |
| Deskripsi | Penelitian ini bertujuan untuk mengimplementasikan camera layer dalam compositing animasi sebagai media informasi Satuan Tugas Pencegahan dan Penanganan Kekerasan di Perguruan Tinggi (Satgas PPKPT) di Politeknik Negeri Jakarta. Latar belakang penelitian ini adalah kebutuhan Satgas terhadap media yang dapat menyampaikan enam bentuk kekerasan berdasarkan Permendikbud No. 55 Tahun 2024. Metode yang digunakan untuk perancangan animasi adalah Multimedia Development Life Cycle (MDLC). Produk akhir berupa tujuh video animasi dalam bentuk mini-series, masing-masing berdurasi kurang dari tiga menit dengan hasil pengujian kuantitatif terhadap 101 warga kampus Politeknik Negeri Jakarta yang memberikan respons yang positif, yaitu rata-rata indeks persepsi di atas 80% per video, ini menunjukkan bahwa animasi yang dibuat dapat menyampaikan informasi masing-masing bentuk kekerasan dengan tepat, dan alur cerita membuat audiens menonton sampai akhir. Hasil beta testing oleh ahli media juga membuktikan bahwa implementasi camera layer sudah diterapkan dengan baik dan sesuai dengan tujuannya. Demikian, penelitian ini menunjukkan bahwa implementasi camera layer dalam compositing animasi berhasil membuat media informasi yang baru untuk Satgas PPKPT di Politeknik Negeri Jakarta. |
| Kategori | Skripsi - TMD |
| Diunggah oleh | Istifania Nabillah Rizky |
| Diunggah pada | Thu, 17 Jul 2025 |
5.
| Judul | PENGEMBANGAN MODEL CHATBOT DENGAN RETRIEVAL AUGMENTED GENERATION (RAG) DAN FINE-TUNING BERBASIS LLM |
| Deskripsi | Penelitian ini membahas pengembangan chatbot layanan akademik di Politeknik Negeri Jakarta (PNJ) dengan memanfaatkan Large Language Model (LLM). Tiga pendekatan utama diuji, yaitu Parameter-Efficient Fine-Tuning (PEFT) menggunakan LoRA/QLoRA, Retrieval Augmented Generation (RAG), dan Retrieval Augmented Fine-Tuning (RAFT). Studi kasus menggunakan dokumen SOP kampus sebagai basis pengetahuan, dengan eksplorasi model open-source seperti Llama 2 7B, DeepSeek 7b, Qwen 2.5 3B, dan TinyLlama 1.1B. Dataset pertanyaan-jawaban dikembangkan manual dari SOP, dan respons dievaluasi menggunakan BLEU, ROUGE, METEOR, BERTScore, serta UniEval untuk menilai kualitas jawaban secara komprehensif. Hasil evaluasi menunjukkan pipeline RAG dengan Qwen 2.5 3B sebagai model paling optimal, meraih BERTScore F1 85.72% dengan relevansi 95.58%, serta konsistensi 73.08%, mengungguli metode FT maupun RAFT. Chatbot yang dikembangkan responsif dan relevan ketika diakses melalui aplikasi web. Akan tetapi, implementasi pada cloud GPU seperti Runpod memerlukan biaya operasional cukup tinggi, sehingga penggunaan API komersial direkomendasikan untuk kampus dengan trafik chat rendah. Penelitian ini memperlihatkan potensi RAG dan LLM efisien untuk meningkatkan layanan informasi akademik digital di pendidikan tinggi Indonesia. |
| Kategori | Skripsi - TI |
| Diunggah oleh | Ghania Shafiqa Raisa |
| Diunggah pada | Thu, 17 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
292
September
133
Oktober
50
November
12
Desember
143