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 | ANALISIS INTRUTION DETECTION SYSTEM MENGGUNAKAN SNORT TERHADAP SERANGAN MHDDOS BERBASIS SDN |
| Deskripsi | Perkembangan pesat teknologi informasi telah meningkatkan ketergantungan pada jaringan komputer, yang secara langsung memperbesar risiko serangan siber, khususnya Distributed Denial of Service (DDoS). Serangan ini dapat menyebabkan layanan tidak tersedia dengan membanjiri jaringan atau server dengan lalu lintas yang berlebihan. Penelitian ini mengusulkan implementasi sistem keamanan berbasis Software Defined Networking (SDN) untuk mendeteksi dan merespons serangan DDoS yang diluncurkan menggunakan alat MHDDOS. Simulasi dilakukan dalam lingkungan Mininet dengan Ryu sebagai kontroler SDN, Snort sebagai sistem deteksi intrusi (IDS), dan Wireshark untuk analisis lalu lintas. Hasil penelitian menunjukkan bahwa sistem yang diimplementasikan berhasil mendeteksi ancaman DoS, terutama jenis serangan SYN Flood, dengan tingkat keberhasilan yang baik. Sistem dapat mendeteksi anomali lalu lintas secara efektif dan merespons ancaman secara real-time. Keberhasilan ini menunjukkan bahwa pendekatan SDN menawarkan solusi yang lebih fleksibel dan efisien dalam menghadapi ancaman keamanan jaringan yang dinamis dan berkembang, khususnya serangan DDoS. Sistem ini diharapkan dapat memberikan kontribusi signifikan dalam meningkatkan keamanan jaringan berbasis SDN. |
| Kategori | Skripsi - TMJ |
| Diunggah oleh | Naufal Fauzi |
| Diunggah pada | Mon, 28 Jul 2025 |
2.
| Judul | RANCANG BANGUN APLIKASI DETEKSI PELANGGARAN TATA TERTIB MAHASISWA DENGAN MENGGUNAKAN ALGORITMA CNN BERBASIS ANDROID (PERANCANGAN MODEL DETEKSI PELANGGARAN TATA TERTIB MENGGUNAKAN ALGORITMA CNN RESNET 50) |
| Deskripsi | Pelanggaran peraturan di lingkungan kampus, seperti merokok, makan, dan minum, masih sering dijumpai dan dapat mengganggu aktifitas pembelajaran. Proses pemantauan secara manual memiliki keterbatasan, baik dari sisi waktu maupun sumber daya manusia. Oleh karena itu, penelitian ini bertujuan untuk merancang dan mengevaluasi kinerja model deteksi pelanggaran otomatis dengan memanfaatkan algoritma Convolutional Neural Network (CNN). Penelitian ini menggunakan arsitektur ResNet 50 sebagai system klasifikasi untuk membedakan antara perilaku melanggar dan tidak melanggar. Dalam penelitian ini,secara khusus difokuskan untuk mendeteksi tiga jenis pelanggaran tata tertib yang umum terjadi, yaitu merokok, makan, dan minum, menggunakan pendekatan deep learning dengan arsitektur CNN ResNet. Dataset yang digunakan terdiri dari 9.585 gambar aktivitas mahasiswa, yang mencakup kategori merokok, makan, dan minum. Data diperoleh dari dataset publik dan lingkungan PNJ telah melalui proses preprocessing seperti resizing dan augmentasi untuk meningkatkan variasi dan kualitas data. Berdasarkan hasil pengujian, model mencapai akurasi pengujian sebesar 86.67%, precision 85%, recall 92%, dan F1-Score 88% pada data uji pelanggaran merokok, pada data uji minum akurasi pengujian sebesar 83.87%, precision 96%, recall 70%, dan F1- Score 81%, pada data uji makan mendapatkan akurasi pengujian sebesar 92.86%, precision 88%, recall 100%, F1-Score 93%. Hasil ini menunjukkan bahwa kemampuan model memiliki kinerja yang bervariasi tergantung pada jenis pelanggaran yang dideteksi. |
| Kategori | Skripsi - TI |
| Diunggah oleh | Angga Pranidiya Saputro |
| Diunggah pada | Mon, 28 Jul 2025 |
3.
| Judul | ANALISIS MITIGASI SERANGAN DDOS MENGGUNAKAN ENTROPY DAN PUZZLE BERBASIS PROOF OF WORK PADA SERVER UBUNTU |
| Deskripsi | Server yang terhubung ke jaringan publik rentan terhadap berbagai jenis serangan siber, salah satunya adalah serangan Distributed Denial of Service (DDoS) yang bertujuan melumpuhkan layanan dengan membanjiri server menggunakan permintaan palsu secara terus-menerus. Penelitian ini mengusulkan metode mitigasi serangan DDoS menggunakan pendekatan dua tahap, yaitu deteksi berbasis entropy dan verifikasi berbasis puzzle Proof of Work (PoW). Deteksi dilakukan dengan menghitung nilai entropy dari distribusi alamat IP yang mengakses endpoint login server Ubuntu secara real time. Jika nilai entropy turun di bawah ambang batas tertentu atau pola trafik menunjukkan anomali, sistem akan mengaktifkan mitigasi. Selanjutnya, hanya klien yang dapat menyelesaikan tantangan puzzle kriptografi (berbasis SHA-256) yang diizinkan melanjutkan proses login. Mekanisme ini mencegah penyerang mengakses sistem tanpa autentikasi dan meminimalkan false positive pada pengguna sah. Pengujian dilakukan dalam lingkungan lokal dengan berbagai skenario jumlah attacker dan volume serangan menggunakan tools HTTP Flood. Hasil evaluasi menunjukkan bahwa kombinasi metode entropy dan puzzle PoW mampu mengklasifikasikan trafik dengan akurasi mencapai 100%, serta menjaga performa server tetap stabil saat terjadi serangan. |
| Kategori | Skripsi - TMJ |
| Diunggah oleh | Berlianna Upik Nurniati |
| Diunggah pada | Fri, 25 Jul 2025 |
4.
| Judul | PEMBUATAN ASET VISUAL 3D LOW POLY UNTUK GAME EDUKATIF PRAMUKA SEBAGAI ALAT BANTU PENGUJIAN SKU TERAP POIN 25 DI SMPN 131 JAKARTA |
| Deskripsi | Penelitian ini berfokus pada pengembangan aset visual 3D bergaya Low Poly untuk game edukatif DECODE, yang dirancang sebagai media bantu dalam proses pengujian SKU (Syarat Kecakapan Umum) Terap poin 25 di SMPN 131 Jakarta. Poin 25 menuntut anggota Pramuka mampu mengirim dan menerima pesan dengan sandi Morse dan Semaphore secara mandiri. Untuk mendukung pembelajaran yang lebih interaktif, aset-aset karakter, lingkungan, dan props dikembangkan menggunakan perangkat lunak Blender, dengan pendekatan desain ringan namun komunikatif.<br /> Proses perancangan dilakukan melalui metode MDLC (Multimedia Development Life Cycle), yang meliputi tahapan concept, design, material collecting, assembly, testing, dan simulasi distribusi. Aset yang dikembangkan mencakup lima karakter utama (anak Pramuka, pembina, dan pejuang kemerdekaan), lingkungan seperti tenda, lapangan sekolah, kantor sandi, serta objek pendukung seperti sandbag, bendera sandi, dan teropong.<br /> Hasil Beta Testing bersama 24 anggota Pramuka Inti menunjukkan bahwa aset visual yang dibuat telah dinilai layak dan berhasil, dengan tingkat kesesuaian karakter terhadap tema Pramuka mencapai 96,66%, dan konteks environment sebesar 86,66%. Temuan ini menegaskan bahwa visualisasi yang dibangun melalui pendekatan low poly tidak hanya mendukung performa teknis, tetapi juga efektif dalam menyampaikan materi pembelajaran SKU secara kontekstual dan menarik. |
| Kategori | Skripsi - TMD |
| Diunggah oleh | Wahyu Kurniawan |
| Diunggah pada | Sun, 27 Jul 2025 |
5.
| Judul | RANCANG BANGUN AUTOMATIC NUMBER PLATE RECOGNITION KENDARAAN TRUK MENGGUNAKAN YOLOv8 |
| Deskripsi | Pengelolaan parkir truk di area warehouse seringkali dihadapkan pada tantangan inefisiensi akibat pencatatan manual, kurangnya monitoring real-time, dan proses penagihan yang tidak terintegrasi. Penelitian ini merancang dan membangun sistem Automatic Number Plate Recognition (ANPR) untuk monitoring parkir truk menggunakan algoritma YOLOv8 dan Optical Character Recognition (OCR) FastPlateOCR. Sistem ini bertujuan untuk mengotomatisasi deteksi kendaraan, pencatatan waktu parkir, dan pengelolaan data terkait biaya parkir di warehouse. Metode penelitian yang digunakan melibatkan pendekatan Machine Learning Life Cycle (MLLC). Proses dimulai dengan pembangunan dataset plat nomor yang terdiri dari 984 citra asli, yang kemudian diaugmentasi menjadi 2067 data pelatihan. Model deteksi objek YOLOv8 dilatih dengan dataset ini, menunjukkan kinerja optimal dengan precision 1.00 pada confidence 0.932 dan recall 0.91 pada confidence 0.000. Nilai mAP@0.5 yang dicapai adalah 0.883, serta F1-score sebesar 0.86 pada confidence 0.448. Implementasi sistem terdiri dari dua komponen utama: modul deteksi plat nomor berbasis Python yang terintegrasi dengan kamera dan database MySQL, serta dashboard monitoring berbasis web menggunakan PHP Native dan Bootstrap. Modul Python bertanggung jawab untuk deteksi dan pengenalan plat nomor secara real-time dan pencatatan otomatis ke database. Dashboard PHP Native menyediakan antarmuka untuk pengelolaan data kendaraan, histori parkir, dan laporan keuangan. Pengujian black box pada 7 skenario fungsional sistem menunjukkan tingkat keberhasilan 100%, memvalidasi bahwa sistem berfungsi sesuai kebutuhan dan mampu mengotomatisasi pengelolaan parkir truk secara efisien. |
| Kategori | Skripsi - TMJ |
| Diunggah oleh | Sabil Akmal |
| Diunggah pada | Sun, 27 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