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 | IMPLEMENTASI SISTEM FORECASTING HARGA SAHAM DENGAN PEMBARUAN BERBASIS DATA TERKINI MENGGUNAKAN METODE LONG SHORT TERM MEMORY |
| Deskripsi | Pertumbuhan jumlah investor saham di Indonesia belum sepenuhnya diiringi kemampuan analisis yang memadai, sehingga banyak keputusan investasi dipengaruhi oleh bias perilaku, khususnya kecenderungan mengikuti pergerakan pasar tanpa analisis yang memadai. Penelitian ini bertujuan merancang dan mengimplementasikan sistem forecasting harga saham dengan pembaruan berbasis data terkini menggunakan metode Long Short Term Memory pada saham TLKM.JK, BBCA.JK, dan BBRI.JK sebagai representasi saham blue chip di Bursa Efek Indonesia. Data historis diperoleh dari Yahoo Finance periode Januari 2020 hingga Februari 2026. Eksperimen mencakup seleksi fitur, pemilihan metode normalisasi, fungsi loss, serta hyperparameter tuning melalui grid search. Model final menggunakan arsitektur LSTM(256,128) dengan RobustScaler dan Huber loss, menghasilkan MAPE 5,08% pada TLKM.JK, 5,22% pada BBRI.JK, dan 4,34% pada BBCA.JK, yang seluruhnya berada di bawah 10% sehingga termasuk kategori prediksi sangat baik. Model diintegrasikan ke dalam sistem web Insightify berbasis FastAPI, React, dan PostgreSQL yang menyajikan prediksi 30 hari ke depan secara interaktif. Pengujian Black Box Testing menunjukkan seluruh fitur fungsional berjalan sesuai spesifikasi. Evaluasi System Usability Scale (SUS) menghasilkan skor 81,0 (Grade A) dan Net Promoter Score (NPS) menghasilkan skor 50 (kategori Excellent), yang menunjukkan sistem dapat diterima dengan baik oleh responden yang diuji |
| Kategori | Skripsi - TI |
| Diunggah oleh | MUHAMMAD DZAKY NAUFAL ASADEL |
| Diunggah pada | Tue, 21 Jul 2026 |
2.
| Judul | PERANCANGAN ANIMASI 2D SEBAGAI MEDIA PENDUKUNG EDUKASI PERTOLONGAN PERTAMA LUKA BAKAR BAGI ANGGOTA DOKTER CILIK STUDI KASUS SDIT AL-USWAH |
| Deskripsi | Kegiatan ekstrakurikuler Dokter Cilik di SDIT Al-Uswah masih mengandalkan penyampaian materi secara lisan dengan keterbatasan variasi media pembelajaran, sehingga siswa mengalami kesulitan dalam memahami dan mempraktikkan prosedur pertolongan pertama pada kecelakaan. Berdasarkan data lapangan, sebanyak 37,5% anggota aktif mengalami kesulitan memahami materi luka bakar dan 56,2% menganggap materi penanganan luka bakar sulit untuk dipraktikkan, menjadikan luka bakar sebagai materi utama pengembangan dan pengujian animasi dalam penelitian ini. Penelitian ini bertujuan menghasilkan animasi 2D berjudul "RAYA Siaga" sebagai media pendukung edukasi P3K bagi anggota ekstrakurikuler Dokter Cilik. Pengembangan produk menggunakan metode Multimedia Development Life Cycle (MDLC), dengan pendekatan mixed-method dalam pengumpulan dan analisis data. Produk yang dihasilkan mencakup dua episode animasi, dengan episode 2 mengenai luka bakar sebagai fokus pengujian serta episode 1 mengenai penanganan luka ringan sebagai produk pendamping. Pengujian dilakukan melalui alpha testing oleh peneliti, validasi oleh dua ahli materi dan satu ahli media, serta beta testing kepada 15 anggota aktif kelas IV dan V SDIT Al-Uswah menggunakan rubrik observasi praktik berskala 1-4. Hasil observasi praktik menunjukkan persentase capaian sebesar 96,1% dalam kategori Sangat Layak. Animasi "RAYA Siaga" dinyatakan layak berdasarkan tabel kriteria kelayakan sebagai media pendukung edukasi pertolongan pertama bagi anggota Dokter Cilik SDIT Al-Uswah. |
| Kategori | Skripsi - TMD |
| Diunggah oleh | Abeleeza Nanda Irsyad |
| Diunggah pada | Tue, 21 Jul 2026 |
3.
| Judul | PERANCANGAN SISTEM REKOMENDASI BUKU DENGAN CONTENT BASED FILTERING UNTUK APLIKASI E-LIBRARY |
| Deskripsi | Pertumbuhan koleksi buku pada perpustakaan digital sering memicu permasalahan information overload, di mana pengguna kesulitan menemukan buku yang relevan dari ribuan pilihan yang tersedia, sementara platform koleksi digital pada umumnya masih mengandalkan daftar statis atau pencarian berbasis kata kunci yang kurang adaptif terhadap preferensi personal pengguna. Penelitian ini bertujuan merancang dan mengukur performa model sistem rekomendasi buku berbasis Content-Based Filtering (CBF) yang memanfaatkan metadata judul, penulis, penerbit, genre, dan deskripsi buku. Pemodelan data mengikuti kerangka kerja Cross-Industry Standard Process for Data Mining (CRISP-DM), dimulai dari analisis kebutuhan data, pengumpulan data sekunder melalui web scraping <br /> dan integrasi API dari platform Amazon Books, OpenLibrary, Goodreads, dan Gramedia, hingga pembersihan dan penyeimbangan data antar-genre. Fitur teks diekstraksi menggunakan metode Term Frequency-Inverse Document <br /> Frequency (TF-IDF) dengan skema pembobotan unigram-bigram, sedangkan tingkat kemiripan antarbuku dihitung menggunakan Cosine Similarity. Model diuji secara acak pada setiap representasi genre menggunakan metrik Precision dan Recall, dengan relevansi ditentukan melalui koefisien Jaccard antara genre buku sampel dan buku hasil rekomendasi. Hasil evaluasi menunjukkan performa rata-rata precision dan recall sebesar 83,3% baik pada dataset buku berbahasa Inggris maupun Indonesia, dengan genre yang memiliki kosakata deskriptif lebih khas seperti Fiction <br /> dan Romance mencapai skor sempurna, sementara genre dengan variasi kosakata lebih luas seperti Horror dan Biography menunjukkan performa relatif lebih rendah. Hasil ini membuktikan bahwa pendekatan TF-IDF dan Cosine Similarity mampu menghasilkan rekomendasi buku yang relevan berdasarkan kemiripan konten tanpa bergantung pada data interaksi antar pengguna, sekaligus membuka peluang pengembangan pendekatan hibrida dengan Collaborative Filtering pada penelitian selanjutnya. |
| Kategori | Skripsi - TI |
| Diunggah oleh | Juan Graciano |
| Diunggah pada | Tue, 21 Jul 2026 |
4.
| Judul | ANALISIS PERBANDINGAN KINERJA FILE STORAGE LOKAL, GARAGE S3, DAN SEAWEEDFS SEBAGAI PENYIMPANAN UTAMA PADA SISTEM PENGELOLA BERKAS DIGITAL |
| Deskripsi | Pertumbuhan volume data meningkatkan kebutuhan sistem penyimpanan yang efisien. Object Storage menjadi alternatif File Storage karena menawarkan fleksibilitas dan skalabilitas yang lebih baik. Perkembangan solusi ringan seperti Garage S3 dan SeaweedFS membuka peluang implementasi pada server dengan sumber daya terbatas, namun kajian performanya sebagai penyimpanan utama sistem pengelola berkas digital masih terbatas. Penelitian ini mengevaluasi performa Garage S3 dan SeaweedFS dibandingkan File Storage Lokal melalui pengujian unggah dan unduh dengan variasi ukuran berkas (1 MB, 10 MB, 100 MB, dan 1 GB) serta jumlah pengguna simultan (1, 10, dan 20 pengguna). Parameter yang dianalisis meliputi penggunaan CPU, RAM, waktu transfer, dan throughput. Hasil menunjukkan File Storage Lokal memberikan performa terbaik dengan penggunaan CPU 2,05%–20,45%, RAM 38,68%–41,77%, waktu transfer 0,35–28,27 detik, dan throughput hingga 95,64 MB/s. Dibandingkan File Storage Lokal, Object Storage menggunakan CPU 1,1–2,8 kali lebih tinggi, penggunaan RAM hingga 1,5 kali lebih besar, waktu transfer dan throughput sedikit lebih lambat dan kecil. Meskipun Garage S3 dan SeaweedFS mendekati File Storage Lokal pada skenario tertentu, keduanya belum mampu menyamai performa File Storage Lokal pada server bersumber daya terbatas, tetapi tetap menjanjikan ketika fleksibilitas arsitektur dan skalabilitas menjadi prioritas. |
| Kategori | Skripsi - TMJ |
| Diunggah oleh | Daffa Assyam Thariq |
| Diunggah pada | Tue, 21 Jul 2026 |
5.
| Judul | Implementasi Feature Engineering pada Sistem Klasifikasi Penyakit Tanaman Cabai Menggunakan XGBoost |
| Deskripsi | Tanaman cabai sebagai komoditas hortikultura utama di Indonesia rentan penyakit daun <br /> seperti geminivirus (Geminivirus), cercospora leaf spot, leaf curl virus, dan kondisi sehat, <br /> yang sulit dideteksi manual karena gejala visual mirip dan variasi lapangan. Penelitian ini <br /> bertujuan mengimplementasikan feature engineering melalui ekstraksi fitur HSV <br /> (mean/std/skewness), GLCM (contrast/homogeneity/energy 4 orientasi), edge (Canny <br /> density), diikuti reduksi dimensi PCA (n_components tetap dan explained_variance kumulatif <br /> 90-95%), untuk klasifikasi menggunakan XGBoost pada sistem deteksi mobile petani. Metode <br /> mengadopsi kerangka hibrida Waterfall untuk SDLC dan CRISP-DM untuk ML, dengan <br /> dataset publik Kaggle/Roboflow (pra-pemrosesan OpenCV: resize 256x256, CLAHE, <br /> augmentasi), train-test split 80:20, evaluasi 5-fold CV via akurasi, presisi, recall, F1-score, <br /> serta feature importance. Diharapkan menghasilkan model efisien komputasi (inferensi <2 <br /> detik), akurasi >90%, standar optimal PCA untuk citra tanaman tropis, dan prototipe aplikasi <br /> Flutter multiplatform guna deteksi dini, percepatan pengobatan, serta pengurangan kerugian <br /> ekonomi petani cabai. |
| Kategori | Skripsi - TI |
| Diunggah oleh | Okta Gabriel Sinsaku Sinaga |
| Diunggah pada | Tue, 21 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
508
Agustus
313
September
134
Oktober
52
November
12
Desember
368