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 | Rancang Bangun Sistem Rekomendasi Buku pada Perpustakaan Digital Berbasis Content Based Filtering dengan Integrasi Fitur Linguistik dan Sentence-BERT |
| Deskripsi | Katalog perpustakaan digital umumnya hanya menyediakan fasilitas pencarian berbasis kata kunci dan belum dilengkapi fitur rekomendasi yang dapat membantu pengguna menemukan buku yang relevan dengan kebutuhannya. Kondisi tersebut mengurangi efektivitas penelusuran informasi, terutama bagi pengguna yang belum mengetahui koleksi yang tersedia. Penelitian ini bertujuan merancang dan membangun sistem rekomendasi buku pada UPA Perpustakaan Politeknik Negeri Jakarta menggunakan pendekatan Content-Based Filtering dengan Sentence-BERT sebagai model representasi teks semantik. Penelitian juga menganalisis pengaruh penambahan fitur linguistik Part-of-Speech (POS) filtering serta keberadaan buku tanpa deskripsi terhadap kualitas rekomendasi. Sistem dikembangkan menggunakan model Software Development Life Cycle Waterfall dan diimplementasikan dengan FastAPI sebagai backend, Laravel sebagai frontend, MySQL sebagai basis data, serta FAISS untuk mempercepat proses pencarian kemiripan. Tingkat kemiripan antar buku dihitung menggunakan cosine similarity berdasarkan embedding yang dibentuk dari gabungan judul, penulis, dan deskripsi buku. Evaluasi dilakukan menggunakan metrik Precision@K, Average Precision (AP@K), Mean Average Precision (MAP@K), Mean Similarity, dan Wilcoxon Signed Rank Test, sedangkan pengujian fungsionalitas dan kegunaan sistem dilakukan melalui Black Box Testing dan System Usability Scale (SUS). Hasil penelitian menunjukkan bahwa model Sentence-BERT tanpa POS filtering pada dataset lengkap berjumlah 16.218 buku memberikan performa rekomendasi terbaik. Penambahan POS filtering tidak memberikan peningkatan performa yang signifikan secara statistik. Selain itu, sistem tetap mampu menghasilkan rekomendasi yang relevan untuk buku tanpa deskripsi dengan memanfaatkan informasi judul dan penulis. Sistem yang dikembangkan mampu meningkatkan relevansi rekomendasi secara semantik dan mendukung proses penemuan koleksi pada perpustakaan digital. |
| Kategori | Skripsi - TI |
| Diunggah oleh | CHAIRANIA JASMINE BAMBANG |
| Diunggah pada | Sat, 11 Jul 2026 |
2.
| Judul | Sistem Seleksi Kandidat Berbasis Analisis CV dengan Large Language Model (LLM) dan Sistem Pendukung Keputusan TOPSIS |
| Deskripsi | Proses seleksi kandidat rekrutmen melalui penyaringan Curriculum Vitae (CV) secara manual menghadapi berbagai tantangan, seperti tingginya volume pelamar, keterbatasan waktu Human Resource (HR), serta potensi subjektivitas dalam penilaian kandidat. Penelitian ini mengembangkan sistem seleksi kandidat rekrutmen berbasis web yang mengintegrasikan Large Language Model (LLM) Google Gemini untuk analisis CV secara otomatis dan metode Technique for Order Preference by Similarity to Ideal Solution (TOPSIS) sebagai sistem pendukung keputusan untuk pemeringkatan kandidat. Penelitian menggunakan pendekatan mixed methods melalui wawancara HR untuk menentukan kriteria penilaian serta pengembangan dan evaluasi sistem secara kuantitatif. Berdasarkan hasil uji konsistensi dan ketahanan, Gemini 3.1 Flash Lite dipilih sebagai model utama karena menunjukkan stabilitas yang baik tanpa kegagalan teknis pada seluruh skenario pengujian. Validasi hasil terhadap penilaian HR menghasilkan nilai Pearson Correlation sebesar 0,9067 dan Mean Absolute Error (MAE) sebesar 0.7340 yang menunjukkan tingkat keselarasan yang tinggi. Evaluasi pemeringkatan TOPSIS memperoleh nilai Cohen’s Kappa sebesar 0,8286 dengan 22 dari 24 kandidat memiliki keputusan yang sama antara sistem dan HR. Hasil penelitian menunjukkan bahwa sistem mampu meningkatkan efisiensi, konsistensi, objektivitas, dan transparansi proses seleksi kandidat melalui pemberian skor dan reasoning pada setiap kriteria penilaian. |
| Kategori | Skripsi - TI |
| Diunggah oleh | SALMA KAMILA |
| Diunggah pada | Sat, 11 Jul 2026 |
3.
| Judul | ANALISIS KEAMANAN CALLBACK PAYMENT GATEWAY TERHADAP REPLAY ATTACK DAN WEBHOOK SPOOFING MENGGUNAKAN PENDEKATAN DEFENSE-IN-DEPTH BERBASIS REDIS |
| Deskripsi | Pertumbuhan transaksi digital memunculkan kerentanan pada arsitektur komunikasi asinkron, khususnya pada integrasi Payment Gateway. Permasalahan utama pada Website PsikoTest adalah rentannya jalur transmisi callback terhadap manipulasi logika bisnis (Webhook Spoofing) dan penggandaan transaksi akibat serangan serentak (Replay Attack) yang memicu kerugian finansial. Penelitian ini bertujuan menganalisis kerentanan tersebut dan mengimplementasikan arsitektur keamanan berlapis (Defense-in-Depth). Sistem dirancang menggunakan kriptografi HMAC-SHA256 pada lapisan jaringan, mekanisme Idempotency Key dan Rate Limiter berbasis Redis pada middleware, serta Database Absolute Lock pada persistensi. Pengujian dieksekusi menggunakan Apache JMeter. Hasil pengujian menunjukkan arsitektur berhasil mengisolasi 100% anomali muatan dan memblokir Webhook Spoofing dengan rata-rata latensi 65,2 ms. Pada simulasi konkurensi tinggi, sistem mencegat 99,00% muatan duplikat di tingkat memori dan memblokir 100% eksploitasi kedaluwarsa waktu di basis data. Pengujian beban puncak 10.000 threads mengonfirmasi sistem secure menekan latensi hingga 60,6% (5.369 ms) dibandingkan sistem rentan (13.632 ms), menjaga throughput pada 94,1 req/s, serta meredam Load Average di angka 1,67. Arsitektur ini terbukti beroperasi secara komplementer untuk mengamankan integritas transaksi dan mencegah kelumpuhan layanan. |
| Kategori | Skripsi - TMJ |
| Diunggah oleh | Jibran Khairy Akram |
| Diunggah pada | Sat, 11 Jul 2026 |
4.
| Judul | Analisis Sistem Monitoring dan Alerting Prometheus-Grafana Berbasis Docker pada Server VPS dalam Jaringan VPN |
| Deskripsi | Perkembangan infrastruktur IT yang semakin kompleks membutuhkan monitoring server secara real-time agar performa layanan tetap optimal dan anomali sistem dapat terdeteksi sedini mungkin (Yulvianda dan Ismail, 2023). Monitoring real-time penting karena administrator seringkali tidak berada di lokasi fisik server setiap saat, sehingga gangguan pada server bisa saja terlewatkan yang berpotensi menyebabkan beberapa layanan terganggu bahkan downtime yang merugikan organisasi atau pengguna. Beberapa penelitian telah menunjukkan bahwa integrasi sistem monitoring dengan media notifikasi atau alert dapat mempercepat respons teknis terhadap gangguan yang terjadi di infrastruktur IT, sehingga tim teknis dapat melakukan tindakan perbaikan dengan cepat dan tepat.<br /> <br /> Urgensi deteksi anomali ini tercermin dalam laporan insiden nyata yang dialami oleh platform penyedia layanan skala global seperti GitHub. Berdasarkan data dari GitHub Status (2024), sebuah insiden penurunan performa layanan (degraded performance) tercatat pernah berlangsung selama kurang lebih 37 menit sebelum akhirnya berhasil dipulihkan sepenuhnya oleh tim teknis. Durasi anomali yang cukup panjang tersebut menegaskan bahwa bahkan pada sistem yang mapan sekalipun, risiko degradasi performa tetap ada dan memerlukan sistem peringatan dini yang mampu mendeteksi masalah secara konsisten dalam hitungan menit agar dampak kerugian dapat diminimalisir.<br /> <br /> Penggunaan sumber daya server yang tinggi dikarenakan adanya anomali seperti CPU usage, RAM usage, dan Disk activity, juga dapat berdampak langsung terhadap peningkatan suhu komponen (Ladge dan Rao, 2025). CPU dan RAM dengan utilisasi tinggi dalam jangka waktu lama akan menghasilkan panas berlebih pada komponen chip. Kondisi suhu chip yang terus berada pada level tinggi dapat mempercepat proses degradasi materialnya, sehingga menurunkan keandalan dan memperpendek umur komponen (Gabbay dan Mendelson, 2021). Oleh karena itu, pemantauan penggunaan CPU, RAM, dan Disk menjadi penting tidak hanya untuk menjaga performa sistem, tetapi juga menjaga umur komponen agar lebih awet. Dalam konteks insiden seperti yang dialami GitHub, pemantauan terhadap ambang batas (threshold) penggunaan sumber daya menjadi kunci untuk membedakan antara lonjakan beban sesaat (transient spike) dengan anomali persisten yang berpotensi merusak perangkat keras atau menghentikan layanan secara total.<br /> <br /> Namun demikian, aspek keamanan sistem monitoring juga menjadi sorotan penting karena dashboard dan data server yang dipantau sering dijadikan target oleh pihak luar. Sistem monitoring yang diekspos langsung ke internet tanpa kontrol akses yang memadai rentan terhadap eksploitasi dan pencurian data ataupun serangan siber lainnya. Solusi berbasis VPN seperti WireGuard dianggap mampu memberikan kontrol akses yang aman sehingga komunikasi antara administrator dan sistem monitoring terjaga dari akses yang tidak sah (Gentile dkk., 2022). |
| Kategori | Skripsi - TMJ |
| Diunggah oleh | AZZURI PUTRA MAHENDRA |
| Diunggah pada | Sat, 11 Jul 2026 |
5.
| Judul | IMPLEMENTASI SISTEM PENCARIAN GAMBAR BERBASIS TEKS BAHASA INDONESIA DENGAN FINE- TUNED CLIP TEXT ENCODER DAN VISION TRANSFORMER IMAGE ENCODER |
| Deskripsi | Sistem pencarian gambar konvensional umumnya masih bergantung pada<br /> metadata manual yang kurang mampu menangkap makna semantik visual.<br /> Pendekatan cross-modal retrieval menggunakan model CLIP menawarkan solusi,<br /> namun performanya menurun pada bahasa non-Inggris seperti Bahasa Indonesia.<br /> Penelitian ini melakukan studi komparatif terkontrol terhadap tiga konfigurasi text<br /> encoder pada arsitektur CLIP (ViT-B/32), yaitu CLIP standar (bawaan), CLIP<br /> dengan IndoBERT, dan CLIP dengan XLM-RoBERTa untuk mengevaluasi<br /> efektivitas contrastive learning berbasis Bahasa Indonesia menggunakan dataset<br /> Flickr8K dan Flickr30K Indonesia. Hasil evaluasi metrik retrieval dua arah<br /> menunjukkan bahwa CLIP standar secara konsisten mencatatkan performa<br /> tertinggi pada kedua dataset (rata-rata Recall@10 mencapai 90,52% pada<br /> Flickr8K), diikuti oleh CLIP XLM-RoBERTa, sementara CLIP IndoBERT<br /> menghasilkan performa terendah. Temuan ini membuktikan bahwa keselarasan<br /> ruang embedding (embedding space alignment) sejak fase pre-training jauh lebih<br /> mendominasi performa dibandingkan faktor spesialisasi linguistik text encoder<br /> monolingual dalam kondisi data terbatas. Model terbaik (CLIP standar) berhasil<br /> diimplementasikan ke dalam sistem Smart Gallery berbasis web menggunakan<br /> FastAPI dan NextJS. Pengujian usability menggunakan System Usability Scale<br /> (SUS) menghasilkan skor rata-rata 91,36 (kategori Excellent, Grade A),<br /> menegaskan bahwa aplikasi sangat layak dan mudah dioperasikan oleh pengguna |
| Kategori | Skripsi - TI |
| Diunggah oleh | Muhammad Nur Irfan |
| Diunggah pada | Sat, 11 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