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 APLIKASI MOBILE UNTUK EVALUASI KUALITAS GERAKAN PLANK BERBASIS DEEP LEARNING |
| Deskripsi | Pengembangan aplikasi mobile berbasis Android untuk mengevaluasi kualitas gerakan plank menggunakan pendekatan deep learning. Sistem memanfaatkan metode Human Pose Estimation dengan MoveNet untuk mengekstraksi landmark tubuh dari video gerakan plank, kemudian mengolahnya menjadi data time-series yang diklasifikasikan menggunakan model Hybrid CNN-LSTM. Model yang dikembangkan memperoleh akurasi sebesar 97,08% dan berhasil diimplementasikan ke dalam aplikasi Android menggunakan TensorFlow Lite untuk melakukan evaluasi gerakan secara real-time. Selain itu, penelitian ini membandingkan penggunaan jumlah landmark tubuh serta menguji kualitas aplikasi melalui Black Box Testing dan User Acceptance Test (UAT), yang menunjukkan bahwa aplikasi mampu memberikan evaluasi gerakan plank secara objektif, akurat, dan layak digunakan sebagai media latihan mandiri. |
| Kategori | Skripsi - TI |
| Diunggah oleh | Achmad Husein Rifansyah |
| Diunggah pada | Sun, 19 Jul 2026 |
2.
| Judul | PENGEMBANGAN CHATBOT BERBASIS AGENTIC RETRIEVAL-AUGMENTED GENERATION PADA APLIKASI PENCATATAN KALORI |
| Deskripsi | Aplikasi pencatatan kalori dapat mendukung pemantauan pola makan, tetapi input manual, keterbatasan data makanan lokal, dan penurunan kepatuhan sering menghambat penggunaan berkelanjutan. Penelitian ini mengembangkan chatbot berbasis agentic retrieval-augmented generation yang terintegrasi pada aplikasi Android NutriVision agar pengguna dapat menanyakan informasi gizi dan mencatat makanan melalui percakapan bahasa Indonesia. Pengembangan dilakukan secara berurutan melalui analisis kebutuhan, perancangan, implementasi, dan pengujian. Arsitektur sistem menggabungkan aplikasi Android Kotlin, application programming interface Flask, PostgreSQL, LangChain Agent, serta model reasoning GPT-OSS-120B melalui Groq dengan temperature 0,3. Basis pengetahuan berisi 769 data makanan Indonesia yang dikumpulkan dari FatSecret Indonesia dan dilengkapi variasi porsi, kandungan gizi, embedding semantik, serta indeks hierarchical navigable small-world. Delapan tool memungkinkan agent mencari makanan, mengambil porsi, membaca konsumsi harian, menambah, mengubah, atau menghapus food log, serta mengambil dan memperbarui profil pengguna. Evaluasi mencakup 100 skenario trajectory dengan LLM-as-a-Judge, 20 kasus Black Box Testing, dan pengujian usability terhadap 16 responden berusia 20-25 tahun. Sistem memperoleh skor rata-rata trajectory 0,90 dengan pass rate 95%, keberhasilan fungsional 100%, skor System Usability Scale 80,63, dan Net Promoter Score 62,5. Hasil tersebut menunjukkan bahwa arsitektur agentic yang di-grounding pada basis data makanan lokal terstruktur mampu mendukung pencatatan kalori yang fungsional, kontekstual, dan diterima dengan baik oleh pengguna. |
| Kategori | Skripsi - TI |
| Diunggah oleh | Haffidz Aimar Maulana |
| Diunggah pada | Sun, 19 Jul 2026 |
3.
| Judul | PENGEMBANGAN CHATBOT BERBASIS AGENTIC RETRIEVAL-AUGMENTED GENERATION PADA APLIKASI PENCATATAN KALORI |
| Deskripsi | Permasalahan berat badan berlebih dan obesitas menunjukkan perlunya pemantauan<br /> asupan kalori harian yang lebih mudah dan konsisten. Penelitian ini bertujuan<br /> mengembangkan chatbot berbasis Agentic Retrieval-Augmented Generation (RAG) pada<br /> aplikasi NutriVision agar pengguna dapat memperoleh informasi gizi dan mencatat<br /> makanan melalui bahasa alami. Metode yang digunakan adalah pengembangan sistem<br /> dengan tahapan analisis kebutuhan, perancangan, implementasi, dan pengujian. Chatbot<br /> dikembangkan menggunakan LangChain Agent, model LLM GPT-OSS-120B melalui Groq,<br /> Flask API, RDBMS PostgreSQL, dan aplikasi Android berbasis Kotlin. Sistem dilengkapi<br /> tools untuk mencari makanan, mengambil data porsi, mencatat, mengubah, menghapus<br /> food log, serta mengambil dan memperbarui profil pengguna. Evaluasi dilakukan<br /> menggunakan 100 skenario LLM-as-a-Judge, 20 test case Black Box Testing, serta<br /> pengujian usability melalui System Usability Scale (SUS) dan Net Promoter Score (NPS)<br /> yang melibatkan 16 responden berusia 20–25 tahun. Hasil menunjukkan skor rata-rata<br /> LLM-as-a-Judge sebesar 0,90 dengan pass rate 95%, Black Box Testing mencapai tingkat<br /> keberhasilan 100%, skor SUS sebesar 80,63 (kategori Acceptable, grade B), serta NPS<br /> sebesar 62,5 dengan 62,5% promoter dan 37,5% passive tanpa detractor (kategori<br /> Excellent). Hasil tersebut menunjukkan bahwa chatbot NutriVision mampu mendukung<br /> pencatatan makanan dan pemantauan kalori secara lebih mudah, fungsional, dan diterima<br /> dengan baik oleh pengguna. |
| Kategori | Skripsi - TI |
| Diunggah oleh | Haffidz Aimar Maulana |
| Diunggah pada | Sun, 19 Jul 2026 |
4.
| Judul | PERANCANGAN SISTEM DETEKSI DAN SPK GANODERMA SAWIT BERBASIS CITRA TERMAL MENGGUNAKAN HYBRID CNN-TRANSFORMER |
| Deskripsi | Penyakit Busuk Pangkal Batang (BPB) akibat jamur Ganoderma boninense menjadi ancaman serius bagi industri kelapa sawit karena bersifat asimtomatik pada fase awal. Skripsi ini merancang sistem deteksi dini non-destruktif berbasis citra termal menggunakan arsitektur Hybrid CNN-Transformer untuk mengklasifikasikan tingkat keparahan infeksi ke dalam 5 kelas (SEHAT, Scoring 1-4), dengan hasil akurasi global sebesar 72,66%. Hasil klasifikasi ini diintegrasikan dengan Sistem Pendukung Keputusan (SPK) berbasis Fuzzy Mamdani yang secara otomatis menghasilkan rekomendasi tindakan penanganan (monitoring, pengendalian intensif, atau eradikasi) sesuai tingkat keparahan. Seluruh sistem diimplementasikan dalam bentuk dashboard web terintegrasi untuk mendukung pemantauan sebaran Ganoderma di perkebunan kelapa sawit secara real-time. |
| Kategori | Skripsi - TI |
| Diunggah oleh | Muhammad Arifandi Prasetyo |
| Diunggah pada | Sat, 18 Jul 2026 |
5.
| Judul | RANCANG BANGUN DASHBOARD ANALITIK PADA SISTEM MANAJEMEN BARANG LAB TIK PNJ BERBASIS WEB SEBAGAI PENDUKUNG KEPUTUSAN PENGADAAN |
| Deskripsi | Peralihan sementara sistem peminjaman barang di Laboratorium TIK PNJ menggunakan Google Form telah menimbulkan berbagai keterbatasan, seperti kurangnya transparansi stok, pelacakan riwayat yang tidak terintegrasi, serta ketiadaan fitur analitik untuk merencanakan kebutuhan pengadaan tahunan. Untuk mengatasi permasalahan tersebut, penelitian ini bertujuan merancang dan membangun sistem manajemen barang berbasis web yang terintegrasi dengan dashboard analitik sebagai instrumen pendukung keputusan pengadaan. Pengembangan sistem dilakukan menggunakan metode Waterfall dengan mengimplementasikan tumpukan teknologi modern, meliputi Express.js pada sisi backend, Vue.js pada sisi frontend, PostgreSQL sebagai basis data, serta lingkungan container Docker. Sistem yang dikembangkan berhasil memfasilitasi seluruh siklus sirkulasi barang, mulai dari pengelolaan katalog barang, pengajuan dan verifikasi peminjaman, hingga pelaporan kendala operasional. Dashboard analitik pada sistem ini menerapkan pendekatan rule based yang mengkalkulasi frekuensi peminjaman, akumulasi kendala, dan sisa stok guna menghasilkan rekomendasi pengadaan aset secara otomatis. Berdasarkan hasil pengujian sistem, sebanyak 28 skenario pada API Testing berhasil dieksekusi secara optimal. Pengujian Black Box mengonfirmasi bahwa seluruh 34 skenario uji fungsional telah berjalan dengan normal sesuai dengan spesifikasi rancangan. Selain itu, hasil User Acceptance Testing (UAT) menunjukkan tingkat penerimaan sebesar 84,85 persen, yang mengkategorikan sistem ini ke dalam klasifikasi Sangat Layak. Penelitian ini menghasilkan solusi digital yang tidak hanya menstrukturkan administrasi laboratorium, tetapi juga menyediakan landasan analitik berbasis data bagi pengelola dalam mengambil keputusan pengadaan barang secara akurat dan efisien. |
| Kategori | Skripsi - TI |
| Diunggah oleh | Muhammad Rizki Awaluddin Mubin |
| Diunggah pada | Fri, 17 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