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 SISTEM MANAJEMEN KOMUNIKASI PELANGGAN BERBASIS LARGE LANGUAGE MODEL |
| Deskripsi | Sistem manajemen komunikasi pelanggan (CRM) tradisional sering menghadapi tantangan dalam mengintegrasikan berbagai platform komunikasi dan mengelola data secara real-time, yang berdampak pada kualitas layanan dan pengambilan keputusan strategis. Penelitian ini bertujuan untuk merancang dan membangun sistem manajemen komunikasi pelanggan berbasis Large Language Model (LLM) yang terintegrasi dengan platform website dan dilengkapi dengan dashboard KPI dengan data yang selalu diperbaharui. Metodologi Waterfall digunakan dalam pengembangan sistem ini, yang diimplementasikan menggunakan Next.js untuk frontend, NestJS untuk backend, dan Supabase sebagai basis data, serta berintegrasi dengan Twilio untuk WhatsApp dan OpenAI (GPT-4o Mini) melalui framework Langchain untuk kemampuan LLM. Hasil pengujian fungsional dan integrasi menunjukkan bahwa semua skenario berhasil dilalui, mengindikasikan fungsionalitas dan integrasi antar komponen yang solid. User Acceptance Testing (UAT) untuk admin menghasilkan skor rata-rata 4.62 dari skala 5, menandakan penerimaan yang baik meskipun teridentifikasi ruang untuk peningkatan pada kecepatan respons dan efisiensi pengiriman pesan. Sementara itu, System Usability Scale (SUS) untuk pelanggan mencapai skor rata-rata 93.21, menempatkan sistem dalam kategori "Excellent" dan menunjukkan kemudahan penggunaan yang tinggi dari perspektif pengguna akhir. Secara keseluruhan, sistem ini terbukti efektif dalam mengintegrasikan berbagai saluran komunikasi dan menyediakan insight kinerja real-time, sehingga berpotensi meningkatkan efisiensi pengelolaan interaksi pelanggan dan kepuasan pelanggan. |
| Kategori | Skripsi - TI |
| Diunggah oleh | Arfiano Jordhy Ramadhan |
| Diunggah pada | Thu, 10 Jul 2025 |
2.
| Judul | RANCANG BANGUN CHATBOT SARANA INFORMASI DBD DENGAN PENDEKATAN BERBASIS ATURAN DAN FEEDFORWARD NEURAL NETWORK |
| Deskripsi | Terjadinya peningkatan kasus DBD di Indonesia pada minggu ke-22 tahun 2024 <br /> dibandingkan tahun sebelumnya, serta faktor geografis Indonesia yang ideal untuk nyamuk <br /> Aedes menjadikan DBD sebagai potensi penyakit tahunan. Sehingga, peran masyarakat <br /> dalam menghadapi potensi ini sangat penting. Salah satu faktor yang mendorong <br /> masyarakat melakukan tindakan pencegahan adalah kemudahan akses terhadap informasi <br /> mengenai pencegahan DBD. Penelitian ini bertujuan untuk merancang dan membangun <br /> chatbot berbasis aturan (rule-based) yang dilengkapi dengan Feedforward Neural <br /> Network (FNN) sebagai sarana penyebaran informasi mengenai DBD, serta melakukan <br /> evaluasi dari aspek performa, fungsionalitas, dan keterimaan pengguna. Model <br /> dikembangkan menggunakan beberapa kombinasi metode preprocessing berbasis text <br /> normalization (lemmatization NLP-ID, stemming Sastrawi, dan MPStem) dan daftar <br /> stopwords (dari NLP-ID dan GitHub Louis). Dari beberapa kombinasi preprocessing yang <br /> diuji, model dengan stemming Sastrawi dan stopwords dari NLP-ID memberikan hasil <br /> evaluasi terbaik dibandingkan model lainnya. Pengujian performa menggunakan <br /> confusion matrix menunjukkan bahwa model ini mencapai nilai weighted F1-Score sebesar <br /> 0,98. Pengujian fungsionalitas menggunakan metode Black Box memiliki nilai efektifitas <br /> keseluruhan sebesar 100%, dan evaluasi keterimaan pengguna menggunakan System <br /> Usability Scale (SUS) memperoleh skor rata-rata 87,1 yang termasuk dalam kategori <br /> “A+”. Temuan ini menunjukkan bahwa chatbot yang dirancang bangun berhasil menjadi <br /> sarana informasi DBD yang dapat diterima dengan baik oleh pengguna. |
| Kategori | Skripsi - TI |
| Diunggah oleh | Adi Satrio Wicaksono |
| Diunggah pada | Thu, 10 Jul 2025 |
3.
| Judul | RANCANG BANGUN SISTEM CONVEYOR OTOMATIS DAN COMPUTER VISION UNTUK IDENTIFIKASI DAN PEMISAHAN JENIS SIRIP HIU |
| Deskripsi | Indonesia merupakan salah satu produsen hiu terbesar di dunia dengan volume ekspor <br /> sirip hiu yang tinggi. Namun, verifikasi jenis sirip masih dilakukan secara manual dan <br /> rentan kesalahan, terutama dalam membedakan spesies yang dilindungi. Penelitian ini <br /> bertujuan merancang sistem konveyor otomatis berbasis ESP32 dan Raspberry Pi 5 yang <br /> mampu mengidentifikasi dan memisahkan tiga jenis sirip punggung hiu secara otomatis: <br /> Carcharhinus melanopterus, Carcharhinus limbatus, dan Carcharhinus sorrah dengan <br /> ukuran 10–50 cm. Sistem meliputi perancangan hardware konveyor, pemrograman ESP32 <br /> untuk kontrol sensor dan aktuator, serta pemrosesan citra di Raspberry Pi 5 menggunakan <br /> model computer vision. Pengujian dilakukan pada aspek fungsionalitas perangkat keras, <br /> akurasi sensor jarak VL53L0X V2, presisi motor servo, respons mekanik sistem pemilah, <br /> dan durabilitas operasional. Hasil pengujian menunjukkan bahwa sensor memiliki akurasi <br /> tinggi, motor servo bekerja presisi dengan error sudut kecil, dan sistem memberikan <br /> respons cepat terhadap deteksi objek. Uji durabilitas menunjukkan perangkat mampu <br /> beroperasi terus-menerus dengan suhu motor tetap stabil. Sistem ini diharapkan dapat <br /> meningkatkan efisiensi proses verifikasi sirip hiu, mengurangi beban kerja manual, serta <br /> mendukung pelestarian spesies hiu melalui identifikasi otomatis. |
| Kategori | Skripsi - TMJ |
| Diunggah oleh | WILLIAM NISON MANURUNG |
| Diunggah pada | Thu, 10 Jul 2025 |
4.
| Judul | PENGEMBANGAN APLIKASI SEBAGAI PLATFORM DIGITAL UNTUK JASA KONTRAKTOR BANGUNAN BERBASIS WEB |
| Deskripsi | Sektor konstruksi di Indonesia masih menghadapi tantangan seperti kurangnya informasi detail mengenai pengalaman dan keahlian kontraktor, serta kesulitan dalam menemukan klien secara efisien. Untuk menjawab masalah ini, dikembangkan platform digital berbasis web yang menghubungkan pengguna dan kontraktor bangunan. Pengguna dapat mencari dan memesan jasa kontraktor atau membuka proyek melalui fitur Open TFender, di mana kontraktor bisa memberikan penawaran. Pencarian kontraktor difasilitasi berdasarkan lokasi, ulasan, dan rating, tanpa keterlibatan langsung platform proses pembayaran; pengguna hanya perlu memberikan bukti transfer ke kontraktor yang diperlukan. Aplikasi ini dikembangkan dengan metode Waterfall menggunakan Laravel (backend), Bootstrap (frontend), MySQL (basis data), Laragon, dan VS Code. Pengujian Black Box menunjukkan seluruh fitur inti berfungsi baik. Evaluasi User Acceptance Test (UAT) mencatat skor rata-rata di atas 87% untuk pengguna dan kontraktor. Namun, pada peran admin, aspek Efficiency (80,40%) dan Memorability (78,40%) masih perlu perbaikan. Skor System Usability Scale (SUS) menunjukkan 73,5 untuk pengguna (Good), 81,5 untuk kontraktor (Excellent), dan 63,25 untuk admin (di bawah standar), menandakan perlunya penyederhanaan antarmuka admin. |
| Kategori | Skripsi - TI |
| Diunggah oleh | Alex Zaro Daeli |
| Diunggah pada | Thu, 10 Jul 2025 |
5.
| Judul | KLASIFIKASI LIRIK LAGU MELALUI SPEECH-TO-TEXT DENGAN INDOBERT MULTICLASS CLASSIFICATION DAN LLAMA3:70B |
| Deskripsi | Popularitas lagu-lagu Indonesia di media sosial dan layanan streaming telah menimbulkan kekhawatiran terkait lirik yang tidak sesuai usia, terutama dampaknya terhadap perilaku dan emosi anak-anak dan remaja. Oleh karena itu, diperlukan pengembangan model yang mampu mengklasifikasikan lirik lagu Indonesia ke dalam empat kategori usia pendengar: anak-anak, remaja, dewasa, dan semua usia. Penelitian terdahulu telah melakukan klasifikasi lirik lagu Indonesia berdasarkan kategori usia menggunakan algoritma Naïve Bayes Classifier (NBC), menghasilkan hasil yang kurang memuaskan dengan akurasi 65%. Penelitian ini mengusulkan metode baru yang menggabungkan Large Language Model (LLM), khususnya LLAMA3:70B untuk meningkatkan kinerja klasifikasi dan memperluas jumlah dataset hingga 1000%. Tiga strategi augmentasi dataset diterapkan dalam metode ini, yaitu zero-shot, sample-based, dan translation-based. Performa klasifikasi berhasil ditingkatkan secara signifikan melalui model terbaik hasil fine-tune IndoBERT multiclass classification dengan pendekatan sample-based, yang mencapai F1 macro score sebesar 74%. Model ini kemudian diimplementasikan dalam bentuk aplikasi web yang dilengkapi dengan fitur speech-to-text dengan Whisper-Large-V3. Hasil pengujian menunjukkan bahwa akurasi klasifikasi mencapai 75% pada benchmark dataset. Hasil evaluasi usability menunjukkan nilai System Usability Scale (SUS) sebesar 78,21 dan Net Promoter Score (NPS) sebesar 45%. |
| Kategori | Skripsi - TI |
| Diunggah oleh | Michael Natanael |
| Diunggah pada | Thu, 10 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