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 | RANCANG BANGUN SISTEM MANAJEMEN PROYEK PERANGKAT LUNAK DENGAN IDENTIFIKASI TUGAS KRITIS MENGGUNAKAN CRITICAL PATH METHOD |
| Deskripsi | PT Lokasolusi Teknologi Indonesia menghadapi kendala dalam manajemen proyek perangkat lunak karena informasi proyek tersebar pada media kerja terpisah, kesiapan tugas sulit dipantau, dan jalur kritis proyek belum terpantau secara terpusat. Penelitian ini bertujuan menghasilkan sistem manajemen proyek perangkat lunak berbasis web yang mengidentifikasi tugas kritis menggunakan Critical Path Method (CPM). Penelitian menggunakan pendekatan mixed method yang memadukan tahap kualitatif untuk analisis kebutuhan melalui observasi, wawancara, dan studi dokumentasi dengan tahap kuantitatif untuk pengujian sistem, sedangkan pengembangan perangkat lunak mengikuti model Waterfall. Sistem menghitung nilai earliest start, earliest finish, latest start, latest finish, dan slack untuk menentukan jalur kritis pada level project sehingga kesiapan dan prioritas tugas dapat dipantau secara terpusat. Hasil pengujian menunjukkan black box testing berhasil 100% dari 59 skenario, User Acceptance Testing sesuai 100% dari 25 skenario, dan System Usability Scale memperoleh skor rata-rata 83,1 yang termasuk kategori Acceptable dengan Grade A serta Adjective Rating Excellent. Dengan demikian, Prolytics dinilai layak digunakan untuk mendukung monitoring proyek perangkat lunak dengan identifikasi tugas kritis di PT Lokasolusi Teknologi Indonesia. |
| Kategori | Skripsi - TI |
| Diunggah oleh | RAGILIAWAN PUTRA RENCANA |
| Diunggah pada | Mon, 20 Jul 2026 |
2.
| Judul | Rancang Bangun Aplikasi Klasifikasi Pencemaran Udara Menggunakan Algoritma XGBoost Berbasis Web |
| Deskripsi | DKI Jakarta merupakan salah satu wilayah dengan tingkat pencemaran udara yang menjadi perhatian karena tingginya aktivitas transportasi, industri, dan kepadatan penduduk yang berkontribusi terhadap peningkatan konsentrasi polutan udara. Penelitian ini bertujuan mengembangkan aplikasi klasifikasi pencemaran udara berbasis web yang mengintegrasikan model machine learning sehingga pengguna dapat melakukan klasifikasi data Indeks Standar Pencemar Udara (ISPU) secara otomatis. Aplikasi dikembangkan menggunakan metode Waterfall dengan framework Laravel dan bahasa pemrograman PHP, sedangkan pengembangan model machine learning mengacu pada tahapan CRISP-DM. Dataset yang digunakan merupakan data ISPU DKI Jakarta periode 2010–2024 yang bersumber dari Portal Satu Data Jakarta. Model klasifikasi dibangun menggunakan algoritma XGBoost Classifier dengan penerapan Stratified Train-Test Split, Hyperparameter Tuning menggunakan RandomizedSearchCV, Stratified K-Fold Cross Validation, serta perbandingan tiga skenario penanganan ketidakseimbangan data, yaitu tanpa penanganan, SMOTE, dan Class Weight. Hasil pengujian menunjukkan bahwa penerapan Class Weight dengan rasio split data 80:20 menghasilkan performa terbaik dengan nilai accuracy sebesar 99,89%. Model yang dihasilkan kemudian berhasil diintegrasikan ke dalam sistem aplikasi melalui modul Python sehingga sistem mampu melakukan klasifikasi data ISPU secara konsisten sesuai dengan model machine learning. |
| Kategori | Skripsi - TI |
| Diunggah oleh | LANANG PRASETYO |
| Diunggah pada | Mon, 20 Jul 2026 |
3.
| Judul | PERANCANGAN ASET 2D DAN UI GAME "IT’S OKAY, I GUESS" SEBAGAI MEDIA PENGENALAN COPING MECHANISM BAGI MAHASISWA PNJ |
| Deskripsi | Masalah kesehatan mental, khususnya academic burnout, menjadi isu yang semakin<br /> krusial di kalangan mahasiswa Politeknik Negeri Jakarta. Kurangnya media pengenalan<br /> interaktif yang mampu memvisualisasikan strategi penanganan stres secara empatik<br /> menjadi latar belakang penelitian ini. Penelitian ini bertujuan untuk merancang aset visual<br /> 2D untuk game media pengenalan coping mechanism yang berjudul "It’s Okay, I Guess".<br /> Fokus utama perancangan adalah menciptakan aset yang dapat menjadi media perantara<br /> pengenalan coping mechanism melalui pendekatan visual. Metode pengembangan yang<br /> digunakan adalah Multimedia Development Life Cycle (MDLC) versi Luther-Sutopo yang<br /> terdiri dari enam tahapan: Concept, Design, Material Collecting, Assembly, Testing, dan<br /> Distribution. Perancangan aset visual dilakukan menggunakan perangkat lunak<br /> GraphicsGale dengan gaya pixel art. Hasil penelitian berupa paket aset visual yang<br /> mencakup sprite karakter, animasi, latar belakang lingkungan, dan elemen UI yang telah<br /> diintegrasikan ke dalam game engine Unity. Berdasarkan hasil validasi ahli media, uji<br /> kelayakan oleh ahli media melalui kuesioner memperoleh persentase sebesar 77,5%<br /> dengan kategori "Layak", sementara beta testing oleh mahasiswa PNJ memperoleh<br /> persentase sebesar 90,7% dengan kategori "Sangat Layak". Hasil ini menunjukkan bahwa<br /> aset 2D dan UI yang dikembangkan layak digunakan sebagai media pengenalan coping<br /> mechanism bagi mahasiswa. |
| Kategori | Skripsi - TMD |
| Diunggah oleh | NAREENDRA REZA HAFIZH ALFARIDZIE |
| Diunggah pada | Mon, 20 Jul 2026 |
4.
| Judul | Rancang Bangun Aplikasi Klasifikasi Pencemaran Udara Menggunakan Algoritma XGBoost Berbasis Web |
| Deskripsi | DKI Jakarta merupakan salah satu wilayah dengan tingkat pencemaran udara yang menjadi perhatian karena tingginya aktivitas transportasi, industri, dan kepadatan penduduk yang berkontribusi terhadap peningkatan konsentrasi polutan udara. Penelitian ini bertujuan mengembangkan aplikasi klasifikasi pencemaran udara berbasis web yang mengintegrasikan model machine learning sehingga pengguna dapat melakukan klasifikasi data Indeks Standar Pencemar Udara (ISPU) secara otomatis. Aplikasi dikembangkan menggunakan metode Waterfall dengan framework Laravel dan bahasa pemrograman PHP, sedangkan pengembangan model machine learning mengacu pada tahapan CRISP-DM. Dataset yang digunakan merupakan data ISPU DKI Jakarta periode 2010–2024 yang bersumber dari Portal Satu Data Jakarta. Model klasifikasi dibangun menggunakan algoritma XGBoost Classifier dengan penerapan Stratified Train-Test Split, Hyperparameter Tuning menggunakan RandomizedSearchCV, Stratified K-Fold Cross Validation, serta perbandingan tiga skenario penanganan ketidakseimbangan data, yaitu tanpa penanganan, SMOTE, dan Class Weight. Hasil pengujian menunjukkan bahwa penerapan Class Weight dengan rasio split data 80:20 menghasilkan performa terbaik dengan nilai accuracy sebesar 99,89%. Model yang dihasilkan kemudian berhasil diintegrasikan ke dalam sistem aplikasi melalui modul Python sehingga sistem mampu melakukan klasifikasi data ISPU secara konsisten sesuai dengan model machine learning |
| Kategori | Skripsi - TI |
| Diunggah oleh | LANANG PRASETYO |
| Diunggah pada | Mon, 20 Jul 2026 |
5.
| Judul | Analisis Malware Menggunakan Static Analysis, Dynamic Analysis, dan Reverse Engineering pada Honeypot |
| Deskripsi | Malware Windows merupakan ancaman keamanan siber yang terus berkembang dengan<br /> varian baru bermunculan setiap harinya, sementara penelitian terdahulu masih terbatas<br /> pada satu atau dua metode analisis serta bergantung pada dataset publik yang bersifat<br /> statis dan kurang mencerminkan pola serangan terkini. Penelitian ini bertujuan untuk<br /> mengembangkan honeypot sebagai sarana pengumpulan sampel malware Windows secara<br /> real-time, serta melakukan analisis mendalam terhadap sampel tersebut menggunakan tiga<br /> metode terintegrasi, yaitu Static Analysis, Dynamic Analysis, dan Reverse Engineering,<br /> guna menghasilkan kompilasi Indicators of Compromise (IoC) yang komprehensif. Studi<br /> kasus dilakukan terhadap lima sampel malware yang ditangkap oleh honeypot Dionaea<br /> pada platform T-Pot, terdiri atas dua sampel bertipe Launcher dan tiga varian WannaCry,<br /> yang sebelumnya diverifikasi menggunakan VirusTotal. Static analysis menggunakan<br /> PEStudio, Detect-It-Easy (DIE), dan FLOSS berhasil mengidentifikasi struktur PE,<br /> toolchain kompilasi yang identik pada seluruh sampel, evolusi tingkat obfuscation (entropi<br /> rendah pada Sampel 1–3 dan tinggi pada Sampel 4–5), serta domain C2 hardcoded yang<br /> menyerupai mekanisme kill-switch WannaCry tanpa risiko eksekusi. Dynamic analysis<br /> melalui Process Monitor, Process Explorer, Wireshark, dan FakeNet mengungkap perilaku<br /> runtime aktual, termasuk network scanning agresif menuju port 445 (SMB), upaya<br /> eksploitasi SMBv1/EternalBlue oleh proses mssecsvr.exe, serta pola registry enumeration<br /> dan masquerading pada berbagai proses. Reverse Engineering menggunakan Ghidra<br /> berhasil membongkar logika dropper dan mekanisme konstruksi path dinamis melalui<br /> fungsi ekspor Play Game, yang tidak terlihat pada kedua metode sebelumnya. Hasil<br /> penelitian menunjukkan bahwa ketiga metode bersifat saling melengkapi, di mana<br /> kombinasi ketiganya menghasilkan cakupan IoC yang jauh lebih komprehensif<br /> dibandingkan penggunaan satu atau dua metode saja, sehingga dapat dijadikan acuan<br /> deteksi dan respons insiden siber terhadap malware Windows canggih seperti WannaCry.<br /> Kata kunci: Malware Analysis, Static Analysis, Dynamic Analysis, Reverse Engineering,<br /> Honeypot, Indicators of Compromise, Windows Malware, WannaCry. |
| Kategori | Skripsi - TMJ |
| Diunggah oleh | Dina Yuliasti |
| Diunggah pada | Mon, 20 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