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 | KLASIFIKASI NUTRI-GRADE BERDASARKAN NUTRITION FACTS MINUMAN KEMASAN DENGAN ALGORITMA YOLO DAN RULE-BASED PADDLEOCR BERBASIS MOBILE |
| Deskripsi | Berdasarkan Survei Kesehatan Indonesia (SKI) tahun 2023, sebanyak 1,7% dari 877.531 responden terdiagnosis diabetes melitus. Salah satu faktor yang dapat meningkatkan risiko diabetes tipe 2 adalah konsumsi minuman manis yang tidak terkontrol akibat tingginya kandungan gula dalam minuman tersebut. Data dari Badan Perlindungan Konsumen Nasional (BPKN) menunjukkan hanya 7,9% konsumen yang tertarik membaca informasi nilai gizi. Oleh karena itu, teknologi klasifikasi nutri-grade serta sistem yang mampu mencatat riwayat konsumsi minuman kemasan menjadi solusi yang sangat dibutuhkan. Penelitian ini berfokus pada pengembangan model klasifikasi nutri-grade berbasis mobile dengan menggunakan YOLOv8n dan YOLO11n untuk mendeteksi tabel nutrition facts dan elemen kandungan gizi, serta PaddleOCR untuk mengenali karakter pada informasi gizi. YOLOv8n memberikan hasil deteksi tabel terbaik dengan Mean Average Precision (mAP) sebesar 88,9%, sedangkan YOLO11n-OBB dengan mAP sebesar 87,4% untuk elemen kandungan gizi. PaddleOCR menghasilkan nilai Character Error Rate (CER) sebesar 0,26% dan Word Error Rate (WER) sebesar 1,53%. Model ini diimplementasikan dalam bentuk aplikasi mobile dengan berbagai fitur. Hasil pengujian menunjukkan bahwa aplikasi ini mendapatkan nilai Black-Box Testing sebesar 100%, System Usability Scale (SUS) sebesar 80,2 dan Net Promoter Score (NPS) sebesar 84%. Interpretability model dianalisis menggunakan Grad-CAM dan Saliency Maps, yang menunjukkan bahwa model fokus pada area prediksi yang relevan. |
| Kategori | Skripsi - TI |
| Diunggah oleh | Marwah Nur Shafira |
| Diunggah pada | Tue, 15 Jul 2025 |
2.
| Judul | RANCANG BANGUN SISTEM INFORMASI HAK KEKAYAAN INTELEKTUAL DENGAN INTEGRASI CHATBOT BERBASIS LARGE LANGUANGE MODEL |
| Deskripsi | Politeknik Negeri Jakarta mengalami peningkatan jumlah Hak Kekayaan <br /> Intelektual (HAKI). Namun, pengelolaan HAKI saat ini masih dilakukan <br /> secara manual, menyebabkan inefisiensi dan kendala komunikasi antara <br /> pemohon dan admin pengelola. Penelitian ini bertujuan untuk <br /> mengembangkan sistem informasi berbasis web yang terintegrasi dengan <br /> chatbot berbasis Large Language Model (LLM) untuk mengatasi <br /> permasalahan tersebut. Sistem yang diusulkan mencakup fitur pendaftaran <br /> HAKI, manajemen data, serta integrasi chatbot yang memanfaatkan <br /> pendekatan Retrieval-Augmented Generation (RAG) untuk memberikan <br /> jawaban berbasis dokumen referensi HAKI. <br /> Model chatbot diuji menggunakan 30 pertanyaan berbasis domain HAKI, <br /> dengan evaluasi berbasis BLEU, ROUGE-L, dan relevansi kata kunci. Hasil <br /> pengujian menunjukkan bahwa chatbot mampu memberikan jawaban yang <br /> relevan terhadap konteks, meskipun tidak menggunakan fine-tuning khusus <br /> pada model. Hal ini dimungkinkan karena pendekatan RAG memungkinkan <br /> pemisahan antara penalaran bahasa alami dan sumber informasi, sehingga <br /> lebih fleksibel dan hemat sumber daya. Pengujian Explainable AI dengan <br /> metode LIME menunjukkan bahwa model memperhatikan kata-kata penting <br /> dalam pertanyaan, meningkatkan transparansi sistem. <br /> Sistem juga diuji melalui User Acceptance Test (UAT) terhadap sembilan <br /> skenario utama, dengan tingkat keberhasilan mencapai 88,9%. Hasil ini <br /> menunjukkan bahwa sistem layak digunakan dengan perbaikan minor pada <br /> fitur unggah dokumen besar. Dengan demikian, sistem ini tidak hanya <br /> mendukung efisiensi operasional tetapi juga menjadi solusi cerdas dalam <br /> pengelolaan dan pelayanan HAKI di lingkungan kampus. |
| Kategori | Skripsi - TI |
| Diunggah oleh | Sashi Kirana Salsabila |
| Diunggah pada | Mon, 14 Jul 2025 |
3.
| Judul | PERBANDINGAN MODEL DETEKSI CITRA DIGITAL TIPE KULIT MANUSIA BERDASARKAN SKALA FITZPATRICK DENGAN DEEP LEARNING |
| Deskripsi | Paparan sinar ultraviolet (UV) yang berlebihan dapat berdampak buruk bagi <br /> kesehatan kulit. Identifikasi tipe kulit berdasarkan skala Fitzpatrick menjadi <br /> penting untuk menentukan estimasi waktu aman paparan sinar UV. Penelitian ini <br /> bertujuan untuk mengembangkan dan membandingkan model deep learning yang <br /> efektif untuk mendeteksi tipe kulit manusia secara otomatis berdasarkan citra <br /> digital. Metode yang digunakan melibatkan perancangan beberapa model <br /> Convolutional Neural Network (CNN), termasuk CNN murni dan kombinasi CNN <br /> dengan arsitektur transfer learning seperti ResNet, Xception, dan MobileNet. <br /> Dataset yang digunakan terdiri dari 1000 citra wajah yang telah diklasifikasikan ke <br /> dalam lima kelas skala Fitzpatrick (Tipe I & II, III, IV, V, VI), dengan masing<br /> masing kelas terdiri dari 200 gambar. Dataset dibagi menjadi data latih (90%), data <br /> validasi (10%), dan data uji (10%). Model dievaluasi berdasarkan metrik akurasi. <br /> Hasil penelitian menunjukkan bahwa model CNN yang dikombinasikan dengan <br /> arsitektur Xception memberikan performa terbaik. Model ini mencapai akurasi <br /> validasi 93,00% serta menunjukkan keunggulan pada pengujian akhir dengan <br /> akurasi 92,72%, presisi 92,72%, dan recall 92,00%. Keseimbangan metrik ini <br /> membuktikan kemampuannya yang sangat baik dalam mengidentifikasi tipe kulit <br /> dengan benar. Sementara itu, model lain seperti CNN dan MobileNet menunjukkan <br /> performa lebih rendah, dan ResNet mengalami underfitting. Dengan demikian, <br /> Xception terbukti menjadi model dengan performa paling baik. |
| Kategori | Skripsi - TI |
| Diunggah oleh | Ramadhani Isya |
| Diunggah pada | Mon, 14 Jul 2025 |
4.
| Judul | RANCANG BANGUN APLIKASI PENGELOLA DATA SAMPAH BERBASIS WEB |
| Deskripsi | Pengelolaan sampah yang efektif merupakan aspek penting dalam menjaga kebersihan dan kenyamanan lingkungan. Di Unit Pengolahan Sampah (UPS) Beji, Depok, proses pencatatan dan pemantauan kondisi tempat sampah masih dilakukan secara manual, sehingga menimbulkan berbagai kendala seperti keterlambatan informasi, kesalahan pencatatan, serta kurangnya efisiensi dalam pengambilan keputusan yang meliputi penjadwalan pengangkutan sampah, pemetaan prioritas lokasi pengosongan, serta evaluasi kinerja operasional petugas. Penelitian ini bertujuan untuk merancang dan mengembangkan aplikasi Smart Waste Management berbasis web yang mampu melakukan pemantauan tempat sampah secara real-time. Aplikasi ini dilengkapi dengan fitur pemantauan tingkat pengisian tempat sampah (berat, tinggi, dan bau), pelacakan lokasi dan status alat, serta pengelolaan jadwal pengangkutan. Selain itu, aplikasi juga menyediakan fitur pemantauan kendaraan pengangkut sampah untuk melacak lokasi dan riwayat rute secara real-time guna meningkatkan efisiensi operasional. Sebagai solusi atas pencatatan manual, aplikasi ini menyediakan sistem pelaporan otomatis yang menyajikan data rekapitulasi tanpa perlu input manual, sehingga dapat mempermudah pengelola dalam menyusun laporan operasional secara cepat dan akurat. Aplikasi ini dibangun menggunakan teknologi web yang responsif dan fleksibel, serta dapat diakses kapan saja dan di mana saja melalui koneksi internet. Hasil pengujian menggunakan metode Blackbox menunjukkan bahwa seluruh fungsi berjalan sesuai dengan skenario yang dirancang tanpa ditemukan kesalahan fungsional. Sementara itu, hasil dari User Acceptance Test (UAT) yang dilakukan bersama pengguna menunjukkan tingkat kepuasan yang tinggi dengan nilai 100%, pada kemudahan penggunaan, kecepatan akses data, serta keakuratan informasi pemantauan. Dengan demikian, aplikasi ini diharapkan dapat menjadi solusi inovatif dalam meningkatkan efektivitas dan efisiensi pengelolaan sampah, khususnya di wilayah UPS Beji, Depok. |
| Kategori | Skripsi - TI |
| Diunggah oleh | M. Aksel Ghailan Putra |
| Diunggah pada | Mon, 14 Jul 2025 |
5.
| Judul | RANCANG BANGUN MEDIA EDUKASI INTERAKTIF ALAT MUSIK TRADISIONAL UNTUK SISWA KELAS 3 SDN DUREN SAWIT 15 |
| Deskripsi | Pembelajaran alat musik tradisional yang monoton di SDN Duren Sawit 15 melatarbelakangi pengembangan media edukasi interaktif "Alat Musikku". Penelitian ini bertujuan menghasilkan media yang layak dan menarik bagi siswa kelas 3 untuk mengenal 10 alat musik tradisional Indonesia. Dikembangkan dengan metode ADDIE dan game engine Unity, aplikasi ini menyajikan fitur-fitur partisipatif seperti visualisasi 3D, video animasi, dan kuis interaktif. Pengujian aplikasi dilakukan melalui Alpha Testing untuk validasi fungsional dan Beta Testing untuk uji kelayakan oleh ahli media, guru, dan 34 siswa. Hasil pengujian menunjukkan bahwa aplikasi ini stabil secara fungsional dan bebas dari kesalahan kritis. Selain itu, media ini terbukti sangat layak dan diterima dengan baik oleh seluruh pengguna. Kelayakan divalidasi dengan skor 98,52% dari ahli media dan 86% dari guru. Penerimaan dari siswa sebagai pengguna utama juga sangat tinggi, dengan skor kepuasan rata-rata keseluruhan mencapai 91,18%. Penelitian ini membuktikan "Alat Musikku" adalah solusi inovatif yang berhasil dikembangkan, stabil, dan teruji sangat layak untuk menjadi alternatif media edukasi yang menarik bagi siswa. |
| Kategori | Skripsi - TMD |
| Diunggah oleh | Harnando Figo |
| Diunggah pada | Mon, 14 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
296
September
133
Oktober
50
November
12
Desember
143