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 | 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 |
2.
| 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 |
3.
| 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 |
4.
| 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 |
5.
| Judul | Pembuatan Aset Grafis dan Animasi 2D Literasi Digital dalam Menggunakan Gadget untuk Kelas VIII SMP Negeri 8 Kota Depok |
| Deskripsi | Literasi digital dalam penggunaan gadget merupakan kompetensi penting bagi siswa SMP di era digital. Berdasarkan hasil wawancara di SMP Negeri 8 Kota Depok, pendidikan literasi digital masih menggunakan metode konvensional sehingga kurang menarik dan siswa masih kesulitan memahami etika penggunaan gadget, keamanan data informasi pribadi, dan penggunaan internet secara bijak. Penelitian ini bertujuan untuk mengembangkan media pembelajaran berupa video edukatif berbasis animasi 2D untuk siswa kelas 8 SMP Negeri 8 Kota Depok. Model pengembangan yang digunakan adalah Multimedia Development Life Cycle (MDLC) yang terdiri dari konsep, desain, pengumpulan material, pembuatan, pengujian, dan distribusi. Aset grafis dibuat di Adobe Illustrator dan animasi serta pengeditan video dilakukan di Adobe After Effects. Evaluasi dilakukan dengan alpha testing, beta testing oleh pakar mata pelajaran, pakar animasi dan siswa serta pengukuran pre-test dan post-test untuk menentukan peningkatan pemahaman siswa. Penelitian ini menghasilkan video animasi 2D yang dikembangkan yang layak digunakan sebagai media pembelajaran dengan hasil beta testing siswa sebesar 87,43%. Selain itu, hasil dari perhitungan pre-test dan post-test menunjukkan adanya peningkatan rata-rata pemahaman siswa dari 76,45% menjadi 87,43% atau meningkat sebesar 10,98 poin persentase setelah menggunakan media pembelajaran. Hasil penelitian menunjukkan bahwa video animasi 2D efektif meningkatkan pemahaman siswa tentang etika penggunaan gadget, pengelolaan penggunaan gadget, dan keamanan data. Media ini juga dinilai menarik, mudah dipahami dan sesuai dengan karakteristik siswa SMP. |
| Kategori | Skripsi - TMD |
| Diunggah oleh | Naurah |
| 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
404
Agustus
296
September
134
Oktober
52
November
12
Desember
368