Katalog Program Studi: Teknik Informatika (S1)
Penelusuran metadata karya ilmiah dan dokumen institusi Universitas Bina Insani.
Filter Otomatis
ResetKatalog Program Studi: Teknik Informatika (S1)
Menampilkan 23 karya ilmiah repository terverifikasi (Skripsi & Artikel Jurnal OJS)
| Detail Karya Ilmiah & Metadata | Tipe & Program Studi | Aksi Metadata |
|---|---|---|
IMPLEMENTASI SISTEM PEMBERI PAKAN IKAN BERBASIS INTERNET OF THINGS MENGGUNAKAN METODE RAPID APPLICATION DEVELOPMENT
Penulis: Juan samijan, RULLY PRAMUDITA, S.T., M.Kom. |
2026
Penelitian ini membahas implementasi sistem pemberi pakan ikan berbasis Internet of Things (IoT) di Taman KRL menggunakan metode Rapid Application Development (RAD). Permasalahan yang dihadapi adalah pemberian pakan masih bergantung pada waktu luang pengelola sehingga jadwal dan takaran pakan belum konsisten. Sistem dikembangkan menggunakan ESP32 sebagai pengendali utama yang terintegrasi dengan Firebase Realtime Database dan dashboard berbasis React.js. Perangkat dilengkapi dengan sensor ultrasonik HC-SR04 untuk memantau ketersediaan pakan, sensor DHT11 untuk memantau suhu dan kelembapan, sensor LDR untuk mendeteksi intensitas cahaya, serta panel surya yang terintegrasi dengan baterai sebagai sumber catu daya mandiri. Metode penelitian dilakukan melalui observasi, wawancara, studi pustaka, serta pengembangan sistem menggunakan tahapan Rapid Application Development (RAD). Hasil penelitian menunjukkan bahwa sistem dapat menjalankan pemberian pakan sesuai jadwal yang telah ditentukan, menampilkan informasi kondisi perangkat dan lingkungan, serta menyajikan data monitoring melalui dashboard berbasis web.
#ESP32
#Dashboard Web
#Internet of Things
#Pemberi Pakan Ikan
|
Skripsi (S1)
Teknik Informatika (S1)
Restricted Fulltext PDF
|
|
SISTEM MONITORING SUHU KULKAS DISPLAY BERBASIS INTERNET OF THINGS DENGAN METODE PROTOTYPE PADA METROPOLITAN MALL
Penulis: Yuli dhea mujianti, RIKA APRIANI, S.Kom., M.Kom. |
2026
Kulkas display di toko ritel sering mengalami masalah fluktuasi suhu yang tidak terpantau karena pengawasan masih dilakukan secara manual oleh petugas. Keterlambatan dalam mendeteksi perubahan suhu atau pintu yang tidak tertutup rapat dapat menyebabkan kerusakan pada produk makanan dan minuman. Kondisi tersebut menunjukkan pentingnya sistem monitoring yang mampu melakukan pengawasan secara real-time dan memberikan peringatan dini agar tindakan penanganan dapat segera dilakukan. Penelitian ini bertujuan merancang sistem monitoring suhu otomatis yang bekerja 24 jam menggunakan mikrokontroler ESP32 dan sensor suhu DS18B20. Alat ini juga dilengkapi sensor Magnetic Switch untuk mendeteksi status pintu kulkas. Sistem dirancang untuk membaca suhu setiap 5 menit. Jika suhu melebihi batas aman (di atas 8°C) atau pintu terbuka terlalu lama, alat akan mengaktifkan alarm buzzer dan mengirim notifikasi peringatan ke smartphone pengelola melalui aplikasi Telegram dan Blynk. Metode pengembangan menggunakan prototype, mulai dari perakitan alat hingga pengujian langsung pada unit kulkas. Pengujian dilakukan menggunakan metode black box testing untuk memastikan setiap fungsi sistem berjalan sesuai dengan rancangan. Hasil pengujian menunjukkan alat mampu memantau suhu secara real-time dan memberikan peringatan dini kepada pengelola, sehingga risiko kerusakan produk dapat diminimalkan tanpa perlu pengecekan fisik secara terus-menerus. Sistem yang dikembangkan diharapkan dapat membantu meningkatkan efektivitas proses monitoring suhu kulkas display di lingkungan ritel memberikan peringatan dini kepada peneglola, sehingga Risiko kerusakan produk dapat diminimalisirkan tanpa perlu pengecekkan fisik terus menerus.
#Internet Of Things
#prototype
#Monitoring Suhu
#Kulkas Display
|
Skripsi (S1)
Teknik Informatika (S1)
Restricted Fulltext PDF
|
|
SISTEM MONITORING DETEKSI RESIKО STUNTING BAGI BALITA DENGAN IOT PADA POSYANDU BOUGENVELLE
Penulis: David Pakpahan, NADYA SAFITRI, S.T., M.Kom. |
2026
David Pakpahan (2021310054) ABSTRAK Monitoring Deteksi Resiko Stunting Bagi Balita dengan Iot pada Posyandu Bougenvelle. Stunting merupakan kondisi gagal tumbuh dalam balita akibat kekurangan gizi kronis, yang dapat memengaruhi perkembangan fisik dan kognitif anak. Di Posyandu Bougenvelle, pelaksanaan program "Zero New Stunting" menghadapi berbagai kendala, seperti keterlambatan pencatatan data dan kurangnya standar pemberian asupan gizi. Penelitian ini merancang sistem berbasis Internet of Things (loT) untuk memonitoring dan pemberian rekomendasi asupan gizi balita yang berisiko stunting. Sistem terdiri dari perangkat keras berupa sensor tinggi badan (VL53L1X) dan berat badan (Load Cell serta modul HX711) yang terintegrasi dengan mikrokontroler ESP8266, serta sistem berbasis web yang menyimpan dan menimpilkan riwayat data pertumbuhan. Sistem ini juga menghitung Z index Score untuk klasifikasi status gizi dan mengirim rekomendasi asupan protein melalui WhatsApp. Metode pengembangan yang digunakan adalah prototype, yang memungkinkan penyesuaian sistem secara iteratif berdasarkan kebutuhan pengguna. Hasil implementasi menunjukan bahwa sistem dapat membantu meningkatkan akurasi data dan mempermudah proses evaluasi serta pemantauan pertumuhan balita oleh tenaga Kesehatan dan Orang tua.
#Stunting
#IoT
#Z index Score
#Posyandu
|
Skripsi (S1)
Teknik Informatika (S1)
Restricted Fulltext PDF
|
|
Prediksi Kebutuhan Spare part Pada Lini ULI PT Cedefindo Menggunakan Algoritma Random Forest
Penulis: Salsabil Amatin Fauzia, ARI NURUL ALFIAN, S.Pd., M.Kom. |
2026
PT Cedefindo khususnya pada lini ULI masih melakukan pengadaan spare part berdasarkan kondisi stok dan pengalaman pegawai sehingga belum memanfaatkan data historis penggunaan spare part secara optimal, yang berpotensi menyebabkan terjadinya stockout. Penelitian ini bertujuan untuk menghasilkan estimasi kebutuhan spare part dan menerapkan algoritma Random Forest untuk memprediksi kebutuhan spare part periode berikutnya berdasarkan data historis penggunaan spare part, preventive maintenance report, dan Trend. Penelitian menggunakan metodologi CRISP-DM yang meliputi tahapan business understanding, data understanding, data preparation, modeling, evaluation, dan deployment dengan memanfaatkan data historis penggunaan spare part lini ULI periode Januari 2025 hingga April 2026. Hasil evaluasi model menunjukkan nilai MAE sebesar 2,69, RMSE sebesar 4,97, dan R² sebesar 0,34, sehingga model memiliki tingkat kesalahan prediksi yang relatif rendah meskipun belum mampu menjelaskan seluruh variasi data kebutuhan spare part. Penelitian ini menghasilkan sistem prediksi berbasis web yang dapat membantu admin teknik dalam mendukung pengambilan keputusan pengadaan spare part secara lebih terukur dan berbasis data historis untuk mengurangi risiko stockout.
#CRISP-DM
#Machine Learning
#Prediksi
#Random Forest
|
Skripsi (S1)
Teknik Informatika (S1)
Restricted Fulltext PDF
|
|
Perancangan Sistem Monitoring Ketinggian Air Sungai Berbasis IoT dan Firebase untuk Peringatan Dini Banjir
Penulis: Sharan Roshan Kalia, RULLY PRAMUDITA, S.T., M.Kom. |
2026
Banjir merupakan permasalahan utama di Perumahan Fontana Lake akibat meluapnya air sungai. Pemantauan ketinggian air yang saat ini dilakukan secara manual dinilai tidak efektif, subjektif, dan terbatas, terutama pada malam hari saat warga beristirahat. Oleh karena itu, penelitian ini bertujuan merancang purwarupa sistem peringatan dini banjir berbasis Internet of Things (IoT) yang mampu beroperasi secara otomatis 24 jam dan memberikan informasi ketinggian air secara objektif dan terukur. Pengembangan perangkat lunak dan keras dalam sistem ini menggunakan metode Prototype yang meliputi tahapan komunikasi, perencanaan singkat, pemodelan, konstruksi purwarupa, serta penyerahan dan evaluasi umpan balik. Perangkat keras utama yang digunakan adalah mikrokontroler NodeMCU ESP32 sebagai pusat kendali dan pengelola komunikasi Wi-Fi, serta sensor ultrasonik tahan air JSN-SR04T yang dipasang untuk mengukur jarak ketinggian air. Sistem ini juga mengintegrasikan platform Blynk untuk pemrosesan data instan, Firebase Realtime Database sebagai media penyimpanan riwayat log pemantauan, dan aplikasi Android bernama “Monitoring Fontana Lake” yang dibuat menggunakan Kotlin di Android Studio sebagai antarmuka pemantauan pengguna. Berdasarkan hasil perancangan dan pengujian, sistem mampu mengklasifikasikan ketinggian air ke dalam tiga status peringatan melalui logika percabangan sederhana (If-Else), yaitu kondisi Aman (hijau) untuk ketinggian air ≤ 15 cm, Waspada (kuning) untuk rentang > 15 cm hingga 25 cm, dan Bahaya (merah) untuk ketinggian > 25 cm. Apabila status mencapai level Waspada atau Bahaya, mikrokontroler akan memicu layanan OneSignal untuk mengirimkan pesan notifikasi secara otomatis ke aplikasi pengguna, di mana status Bahaya akan secara khusus memicu suara alarm heads-up pada ponsel cerdas warga.
#Firebase
#Internet of Things
#Ketinggian Air
#NodeMCU ESP32
|
Skripsi (S1)
Teknik Informatika (S1)
Restricted Fulltext PDF
|
|
SISTEM PREDIKSI JUMLAH KUNJUNGAN WISATAWAN BUNIHAYU MENGGUNAKAN METODE SEASONAL AUTOREGRESSIVE INTEGRATED MOVING AVERAGE
Penulis: David Octavyanto, SUMARDIONO, S.Kom., M.Kom. |
2026
Jumlah pengunjung wisata di Hutan Wisata Bunihayu berubah setiap periode, sehingga membuat pihak pengelola kesulitan memperkirakan jumlah pengunjung pada periode berikutnya. Selain itu, data kunjungan masih dikelola dengan menggunakan spreadsheet, sehingga belum dimanfaatkan secara maksimal sebagai dasar untuk melakukan prediksi. Penelitian ini bertujuan untuk merancang dan membuat sistem prediksi jumlah pengunjung wisata berbasis web dengan menggunakan metode Seasonal Autoregressive Integrated Moving Average (SARIMA) agar dapat membantu dalam perencanaan kegiatan operasional serta pengambilan keputusan. Metode penelitian yang digunakan adalah metode prototyping, yang mencakup analisis kebutuhan, desain prototype, proses pengodean, uji coba, dan evaluasi sistem. Data yang digunakan adalah catatan jumlah pengunjung wisatawan ke Hutan Wisata Bunihayu selama periode Januari 2024 sampai Desember 2025. Sistem ini dibuat menggunakan framework Laravel dan model SARIMA, sedangkan proses pengujian dilakukan dengan metode Black Box Testing dan User Acceptance Testing (UAT). Penelitian ini menunjukkan bahwa sistem prediksi berbasis web telah berhasil dibuat dan mampu memberikan perkiraan jumlah kunjungan wisatawan berdasarkan data sebelumnya. Model SARIMA mendapatkan tingkat kesalahan rata-rata absolut persentase (MAPE) sebesar 38,77%, yang menunjukkan akurasi prediksi cukup baik. Sistem ini juga bisa menampilkan hasil prediksi berupa tabel, grafik, dan informasi evaluasi model untuk membantu perencanaan operasional dan pengambilan keputusan oleh pihak manajemen Hutan Wisata Bunihayu.
#Laravel
#Prediksi Kunjungan Wisatawan
#Prototype
#SARIMA
|
Skripsi (S1)
Teknik Informatika (S1)
Restricted Fulltext PDF
|
|
KLASIFIKASI EMOSI MANUSIA BERDASARKAN EKSPRESI WAJAH PADA VIDEO MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK (CNN) DAN TRANSFER LEARNING
Penulis: Jengkar Ayogya Widji Lestari, JAFAR SHADIQ, S.Kom., M.Kom. |
2026
Pengenalan emosi berdasarkan ekspresi wajah merupakan salah satu penerapan Artificial Intelligence (AI) dan Computer Vision. Penelitian ini bertujuan mengembangkan prototype sistem pengenalan emosi secara real-time menggunakan metode Convolutional Neural Network (CNN) dengan pendekatan Transfer Learning. Sistem dirancang untuk mendeteksi wajah dan mengklasifikasikan tiga kategori emosi, yaitu serius, ngobrol, dan ngantuk, melalui video dari webcam. Proses penelitian meliputi deteksi wajah menggunakan YOLO, prapemrosesan citra, ekstraksi fitur dengan CNN, dan klasifikasi emosi. Hasil deteksi ditampilkan pada antarmuka dalam bentuk bounding box, label emosi, dan nilai confidence. Pengujian menunjukkan bahwa prototype mampu melakukan deteksi wajah dan klasifikasi emosi secara otomatis dengan performa real-time, sehingga berpotensi mendukung penerapan sistem pengenalan emosi pada bidang pendidikan, kesehatan, dan interaksi manusia dengan komputer.
#Artificial Intelligence (AI)
#Computer Vision
#Convolutional Neural Network (CNN)
#Ekspresi Wajah
|
Skripsi (S1)
Teknik Informatika (S1)
Restricted Fulltext PDF
|
|
IMPLEMENTASI LARGE LANGUAGE MODEL (LLM) UNTUK PEMBANGUNAN AI PERSONA SEBAGAI PENDAMPING KONSELING MAHASISWA
Penulis: Vina Zahrotun Nazah, RULLY PRAMUDITA, S.T., M.Kom. |
2026
Universitas Bina Insani telah menyediakan chatbot konseling mahasiswa melalui layanan Suara BiU. Namun, chatbot sebelumnya masih memiliki keterbatasan karena respons yang diberikan cenderung umum, kurang kontekstual, dan belum cukup empatik dalam menanggapi kondisi pengguna. Penelitian ini bertujuan untuk mengembangkan chatbot konseling mahasiswa berbasis AI Persona yang mampu memberikan respons lebih spesifik, kontekstual, dan empatik sebagai pendamping awal layanan konseling mahasiswa. Metode pengembangan sistem yang digunakan adalah CRISP-DM, meliputi tahapan business understanding, data understanding, data preparation, modeling, evaluation, dan deployment. Sistem dikembangkan dengan mengintegrasikan Large Language Model (LLM), Retrieval-Augmented Generation (RAG), dan prompt engineering. Model LLM yang digunakan adalah Gemini 3.1 Flash Lite, sedangkan proses embedding menggunakan intfloat/multilingual-e5-small dengan penyimpanan embedding pada PostgreSQL dan pgvector. RAG digunakan untuk mengambil konteks dari dokumen akademik dan data layanan kampus, sedangkan prompt engineering digunakan untuk mengarahkan persona chatbot agar menghasilkan respons yang suportif, tidak menghakimi, dan sesuai dengan ruang lingkup konseling mahasiswa. Evaluasi dilakukan melalui pengujian fungsional, LLM-as-a-Judge, validasi konselor, dan User Acceptance Testing (UAT). Hasil LLM-as-a-Judge memperoleh rata-rata skor 4,48 dari skala 5,00. Hasil UAT terhadap 20 responden memperoleh rata-rata persentase 93% dengan kategori sangat baik, meliputi spesifikasi jawaban 90%, kontekstualitas respons 93%, dan empati respons 96%. Berdasarkan hasil tersebut, chatbot yang dikembangkan dinilai mampu memberikan respons yang lebih spesifik, kontekstual, dan empatik dibandingkan chatbot sebelumnya, serta dapat digunakan sebagai pendamping awal layanan konseling mahasiswa tanpa menggantikan peran konselor profesional.
#AI Persona
#Chatbot Konseling
#Large Language Model
#Prompt Engineering
|
Skripsi (S1)
Teknik Informatika (S1)
Restricted Fulltext PDF
|
|
IMPLEMENTASI TRANSFORMER-BASED LLM CHATBOT BERBASIS AI PADA WEBSITE REKRUTMENT PT PATRA DRILLING CONTRACTOR
Penulis: Ridar Setiawan Effendi, RITA WAHYUNI ARIFIN, S.Kom., M.Kom. |
2026
Pada proses rekrutment sebelumnya di PT Patra Drilling Contractor masih dilakukan secara manual menggunakan pretty form dan Google Form sehingga menimbulkan beberapa kendala dan masalah, diantaranya tingginya jumlah kandidat yang mengajukan pertanyaan seputar proses rekrutmen sehingga menambah beban kerja dari Tim Human Capital (HC), pertanyaan pelamar yang menumpuk melalui email sehingga Tim HC harus membuat media komunikasi tambahan melalui grup WhatsApp untuk menyampaikan informasi, serta Tim HC yang harus membalas satu per satu pertanyaan dari pelamar secara manual akibat belum tersedianya sistem yang dapat menjawab pertanyaan pelamar secara otomatis dan real-time. Penelitian kali ini bertujuan untuk merancang dan membangun sebuah website karir PT Patra Drilling Contractor yang dilengkapi oleh implementasi dari Transformer-Based Large Language Model (LLM) Chatbot yang berbasis Artificial Intelligence (AI) sebagai solusi dari permasalahan tersebut. Metode pengembangan sistem yang digunakan adalah metode Agile dengan melakukan pendekatan iteratif melalui tiga sprint, untuk sprint pertama difokuskan kepada perancangan dan pengembangan website rekrutmen dan database, sprint kedua pada pengembangan chatbot umum, serta sprint ketiga untuk melakukan pengembangan chatbot personal. Model AI yang diimplementasikan adalah Natural Language Processing berbasis Transformer-Based LLM dengan mekanisme Retrieval-Augmented Generation (RAG) yang diintegrasikan melalui sebuah API yakni Groq API dan Rule-Based Keyword Matching untuk klasifikasi intent pertanyaan pengguna. Sistem chatbot yang dibangun terdiri dari dua jenis yakni chatbot umum yang dapat diakses tanpa memerlukan login ke dalam aplikasi untuk menjawab pertanyaan seputar informasi lowongan dan tata cara melamar dan chatbot personal yang dapat diakses setelah login ke dalam aplikasi untuk memberikan rekomendasi posisi berdasarkan profil pelamar dan menyampaikan informasi status lamaran secara personal. Berdasarkan hasil pengujian fungsional menggunakan metode Blackbox Testing dan Whitebox Testing, seluruh jalur pemrosesan utama pada komponen chatbot AI berhasil berjalan sesuai spesifikasi yang dirancang.
#Transformer-Based LLM
#Chatbot AI
#Natural Language Processing
#Retrieval-Augmented Generation
|
Skripsi (S1)
Teknik Informatika (S1)
Restricted Fulltext PDF
|
|
IMPLEMENTASI SISTEM KEAMANAN CLOSED CIRCUIT TELEVISION DI JALAN ACACIA TAMAN CILEUNGSI
Penulis: Rafly Ammar Gata, JAFAR SHADIQ, S.Kom., M.Kom. |
2026
Kekosongan pengawasan fisik di lingkungan perumahan Jalan Acacia, Taman Cileungsi RT 01/RW 09 akibat berhentinya aktivitas operasional petugas keamanan memicu potensi kerawanan tindak kriminalitas dan keresahan warga. Penelitian ini bertujuan untuk merancang dan mengimplementasikan sistem pengawasan keamanan berbasis Closed Circuit Television (CCTV) mandiri terintegrasi yang dapat diakses secara real-time dari jarak jauh. Pengembangan sistem menerapkan metode Prototype yang berfokus pada iterasi pengembangan berbasis kebutuhan pengguna. Infrastruktur jaringan dibangun memanfaatkan transmisi nirkabel dengan menghubungkan empat unit kamera wireless ke Access Point yang dilengkapi antena omnidirectional untuk memperluas jangkauan cakupan sinyal ke peladen pusat berarsitektur Network Video Recorder (NVR) berbasis perangkat lunak Shinobi. Sistem diintegrasikan dengan kecerdasan buatan berbasis TensorFlow Object Detection untuk analisis visual dan deteksi objek otomatis, notifikasi email via SMTP, serta layanan IP Tunneling berbasis Zrok agar antarmuka pemantauan web localhost dapat diakses publik secara aman. Selain itu, diterapkan mekanisme Role-Based Access Control (RBAC) untuk memisahkan hak akses administratif pengurus dan akses view-only bagi warga. Hasil pengujian menunjukkan infrastruktur jaringan nirkabel beroperasi dengan sangat stabil, menghasilkan rata-rata latensi sebesar 94 ms dengan akses website dengan kecepatan 0.64s dengan koneksi lokal dan 4.97s untuk koneksi online, sehingga mampu mentransmisikan stream video dan playback secara lancar. Implementasi sistem CCTV ini terbukti efektif memberikan pengawasan visual 24/7, memulihkan rasa aman warga, serta siap menyediakan barang bukti rekaman digital yang valid apabila terjadi insiden keamanan.
#CCTV
#Keamanan
#NVR
#Object Detection
|
Skripsi (S1)
Teknik Informatika (S1)
Restricted Fulltext PDF
|
|
SISTEM PAKAR PENENTUAN JURUSAN MENGGUNAKAN FORWARD CHAINING DAN CERTAINTY FACTOR DI SMK BINA INDUSTRI
Penulis: ELSA KUSUMA, Dr. Ir. SALUDIN MUIS, M.Kom. |
2026
Elsa Kusuma (2022310025) Sistem Pakar Penentuan Jurusan Menggunakan Forward Chaining dan Certainty Factor di SMK Bina Industri Proses penentuan jurusan siswa baru di SMK Bina Industri Cikarang masih dilaksanakan secara manual melalui wawancara singkat dan pengisian angket minat yang dinilai secara subjektif oleh guru bimbingan dan konseling. Kondisi ini menyebabkan proses penentuan jurusan berlangsung lama, tidak konsisten antarsiswa, dan berpotensi menghasilkan rekomendasi yang kurang tepat karena tidak mempertimbangkan profil kemampuan akademik, minat, serta bakat siswa secara komprehensif dan terpadu. Penelitian ini bertujuan untuk merancang dan mengembangkan sistem pakar berbasis web yang mampu memberikan rekomendasi jurusan secara otomatis, objektif, dan terukur terhadap empat program keahlian yang tersedia di SMK Bina Industri Cikarang, yaitu Teknik dan Bisnis Sepeda Motor, Teknik Elektronika Industri, Manajemen Perkantoran dan Layanan Bisnis serta Manajemen Logistik. Metode inferensi yang digunakan adalah Forward Chaining, yang bekerja dengan menelusuri fakta masukan data siswa secara maju untuk menghasilkan rekomendasi jurusan. Penanganan ketidakpastian penilaian dilakukan menggunakan metode Certainty Factor berdasarkan standar nilai CF dengan rentang 0,0 hingga 1,0, sehingga setiap rekomendasi yang dihasilkan disertai derajat keyakinan yang dapat diukur secara kuantitatif. Basis pengetahuan sistem disusun berdasarkan hasil wawancara dengan guru bimbingan dan konseling selaku pakar domain di SMK Bina Industri Cikarang. Sistem dikembangkan menggunakan model Rapid Application Development (RAD) dengan teknologi Next.js dan PostgreSQL, serta diuji menggunakan metode black box testing. Hasil penelitian menunjukkan bahwa sistem pakar yang dikembangkan mampu memberikan rekomendasi jurusan secara otomatis, konsisten, dan disertai nilai keyakinan terukur, sehingga dapat membantu guru bimbingan dan konseling dalam mengambil keputusan penentuan jurusan yang lebih objektif dan terstandarisasi.
#Certainty Factor
#Forward Chaining
#Penentuan Jurusan
#SMK Bina Industri
|
Skripsi (S1)
Teknik Informatika (S1)
Restricted Fulltext PDF
|
|
SISTEM PAKAR DIAGNOSA KERUSAKAN PADA PERANGKAT SMARTPHONE BERBASIS ANDROID MENGGUNAKAN METODE FORWARD CHAINING
Penulis: Dhivan Asda Kurnianto, DWI ISMIYANA PUTRI, M.M.S.I. |
2026
Meningkatnya penggunaan *smartphone* berbasis Android berdampak pada meningkatnya kebutuhan layanan perbaikan perangkat. Pada Konter Alfa Cell Randan Batu, proses diagnosis masih dilakukan secara manual berdasarkan pengalaman teknisi dan informasi gejala dari pengguna, sehingga membutuhkan waktu relatif lama dan berpotensi menimbulkan ketidakkonsistenan diagnosis. Penelitian ini bertujuan membangun sistem pakar untuk membantu diagnosis awal kerusakan *smartphone* Android secara lebih cepat, efisien, akurat, dan konsisten. Pengembangan sistem menggunakan metode *Prototype*, dengan pengumpulan data melalui observasi, wawancara, dan studi pustaka. Sistem dikembangkan berbasis web menggunakan PHP, MySQL, XAMPP, dan Bootstrap serta menerapkan metode *Forward chaining* sebagai mesin inferensi. Basis pengetahuan terdiri atas 37 gejala, 13 kategori kerusakan, 13 rekomendasi solusi, dan 13 aturan diagnosis menggunakan struktur IF–THEN dengan operator OR. Evaluasi terhadap 13 kasus menunjukkan seluruh hasil diagnosis sistem sesuai dengan validasi teknisi, sedangkan *Black-box Testing* menunjukkan seluruh fitur berjalan sesuai kebutuhan. Uji coba terhadap 30 responden memperoleh nilai rata-rata 4,41 dengan persentase 88,10% dan interpretasi sangat setuju. Dengan demikian, sistem dapat membantu diagnosis awal secara lebih terstruktur dan konsisten, mempercepat proses diagnosis, serta memberikan rekomendasi penanganan berdasarkan gejala yang dipilih. Hasil diagnosis tetap perlu dikonfirmasi oleh teknisi melalui pemeriksaan perangkat secara langsung.
#Diagnosis Kerusakan
#Forward chaining
#Prototipe
#Sistem Pakar
|
Skripsi (S1)
Teknik Informatika (S1)
Restricted Fulltext PDF
|
|
IMPLEMENTASI MACHINE LEARNING PADA PREDIKSI HARGA SEMBAKO DI PASAR GANDOANG MENGGUNAKAN REGRESI LINEAR BERGANDA
Penulis: Daffa Aulia Rahman, RITA WAHYUNI ARIFIN, S.Kom., M.Kom. |
2026
Implentasi Machine Learning pada Predeksi Harga Sembako di Pasar Gandoang Menggunakan Regresi Linear Berganda. Penelitian ini bertujuan untuk menerapkan Machine Learning menggunakan algoritma Regresi Linear Berganda (Multiple Linear Regression) dalam memprediksi harga sembilan bahan pokok (sembako) di Pasar Gandoang. Fluktuasi harga sembako di pasar tersebut cenderung tidak stabil, sementara proses pengelolaannya masih dilakukan secara manual dan bergantung pada perkiraan atau intuisi pedagang. Oleh sebab itu, diperlukan sebuah sistem prediksi berbasis data yang mampu mendukung pengambilan keputusan secara lebih akurat dan proaktif. Penelitian ini dikembangkan dengan menggunakan metodologi CRISP-DM serta memanfaatkan data historis harga selama lima tahun, mulai Januari 2019 hingga Desember 2024. Adapun sembilan komoditas yang menjadi objek prediksi meliputi beras, minyak goreng, gula pasir, telur ayam, daging ayam, daging sapi, tepung terigu, kedelai, dan garam beriodium. Kinerja model dievaluasi menggunakan metrik R², MSE, RMSE, dan MAE. Hasil pengujian menunjukkan bahwa algoritma Regresi Linear Berganda memiliki tingkat akurasi yang sangat baik, di mana seluruh komoditas berhasil memenuhi target akurasi minimum dengan nilai R² ≥ 0,80. Nilai akurasi tertinggi diperoleh pada model prediksi komoditas beras dengan nilai R² sebesar 0,88. Sementara itu, berdasarkan evaluasi Root Mean Squared Error (RMSE), nilai tertinggi terdapat pada komoditas daging sapi sebesar Rp2.340/kg dan nilai terendah pada komoditas garam beriodium sebesar Rp210/kg. Secara keseluruhan, sistem prediksi berbasis machine learning ini berhasil diterapkan untuk mengatasi kelemahan metode konvensional serta membantu pengelola pasar dan pedagang dalam mengantisipasi kenaikan harga sembako.
#CRISP-DM
#Machine Learning
#Prediksi Harga
#Regresi Linear Berganda
|
Skripsi (S1)
Teknik Informatika (S1)
Restricted Fulltext PDF
|
|
IMPLEMENTASI MACHINE LEARNING PADA PREDIKSI HARGA SEMBAKO DI PASAR GANDOANG MENGGUNAKAN REGRESI LINEAR BERGANDA
Penulis: Daffa Aulia Rahman, RITA WAHYUNI ARIFIN, S.Kom., M.Kom. |
2026
Implentasi Machine Learning pada Predeksi Harga Sembako di Pasar Gandoang Menggunakan Regresi Linear Berganda. Penelitian ini bertujuan untuk menerapkan Machine Learning menggunakan algoritma Regresi Linear Berganda (Multiple Linear Regression) dalam memprediksi harga sembilan bahan pokok (sembako) di Pasar Gandoang. Fluktuasi harga sembako di pasar tersebut cenderung tidak stabil, sementara proses pengelolaannya masih dilakukan secara manual dan bergantung pada perkiraan atau intuisi pedagang. Oleh sebab itu, diperlukan sebuah sistem prediksi berbasis data yang mampu mendukung pengambilan keputusan secara lebih akurat dan proaktif. Penelitian ini dikembangkan dengan menggunakan metodologi CRISP-DM serta memanfaatkan data historis harga selama lima tahun, mulai Januari 2019 hingga Desember 2024. Adapun sembilan komoditas yang menjadi objek prediksi meliputi beras, minyak goreng, gula pasir, telur ayam, daging ayam, daging sapi, tepung terigu, kedelai, dan garam beriodium. Kinerja model dievaluasi menggunakan metrik R², MSE, RMSE, dan MAE. Hasil pengujian menunjukkan bahwa algoritma Regresi Linear Berganda memiliki tingkat akurasi yang sangat baik, di mana seluruh komoditas berhasil memenuhi target akurasi minimum dengan nilai R² ≥ 0,80. Nilai akurasi tertinggi diperoleh pada model prediksi komoditas beras dengan nilai R² sebesar 0,88. Sementara itu, berdasarkan evaluasi Root Mean Squared Error (RMSE), nilai tertinggi terdapat pada komoditas daging sapi sebesar Rp2.340/kg dan nilai terendah pada komoditas garam beriodium sebesar Rp210/kg. Secara keseluruhan, sistem prediksi berbasis machine learning ini berhasil diterapkan untuk mengatasi kelemahan metode konvensional serta membantu pengelola pasar dan pedagang dalam mengantisipasi kenaikan harga sembako.
#CRISP-DM
#Machine Learning
#Prediksi Harga
#Regresi Linear Berganda
|
Skripsi (S1)
Teknik Informatika (S1)
Restricted Fulltext PDF
|
|
PERANCANGAN KIPAS ANGIN OTOMATIS BERBASIS SENSOR SUHU MENGGUNAKAN INTERNET OF THINGS
Penulis: Muhammad Daffa, SUMARDIONO, S.Kom., M.Kom. |
2026
Penelitian ini dilatarbelakangi oleh permasalahan pada penggunaan kipas angin konvensional yang kurang efisien karena pengguna harus mengatur perangkat secara manual tanpa adanya penyesuaian otomatis terhadap perubahan suhu ruangan. Tujuan dari penelitian ini adalah merancang dan membangun kipas angin otomatis berbasis Internet of Things (IoT) yang dapat menyesuaikan kinerjanya berdasarkan suhu sekitar Metode yang digunakan dalam penelitian ini adalah eksperimental melalui pendekatan rekayasa perangkat keras dan perangkat lunak, memanfaatkan mikrokontroler Arduino, sensor suhu DHT11, relay, modul LCD I2C, dan kipas angin 12 volt. Hasil pengujian menunjukkan bahwa sistem yang dirancang berhasil mendeteksi suhu dengan akurat; relay secara otomatis menghidupkan kipas ketika suhu mencapai batas tertentu, sementara data pemantauan suhu berhasil ditampilkan secara lokal pada LCD dengan lancar. Untuk pengembangan penelitian selanjutnya, sistem ini diharapkan dapat dilengkapi dengan fitur pengatur kecepatan putaran kipas penambahan sensor kelembaban, serta integrasi kontrol penuh.
#Penelitian ini dilatarbelakangi oleh permasalahan pada penggunaan kipas angin konvensional yang kurang efisien karena pengguna harus mengatur perangkat secara manual tanpa adanya penyesuaian otomatis terhadap perubahan suhu ruangan. Tujuan dari penelitian ini adalah merancang dan membangun kipas angin otomatis berbasis Internet of Things (IoT) yang dapat menyesuaikan kinerjanya berdasarkan suhu sekitar Metode yang digunakan dalam penelitian ini adalah eksperimental melalui pendekatan rekayasa perangkat keras dan perangkat lunak
#memanfaatkan mikrokontroler Arduino
#sensor suhu DHT11
#relay
|
Skripsi (S1)
Teknik Informatika (S1)
Restricted Fulltext PDF
|
|
PENGEMBANGAN CHATBOT INFORMASI PPDB KB & TK AS SALAM MENGGUNAKAN TF-IDF DAN COSINE SIMILARITY
Penulis: Ikhwan Ningrattama, ARI NURUL ALFIAN, S.Pd., M.Kom. |
2026
Perkembangan teknologi informasi mendorong lembaga pendidikan menyediakan layanan informasi yang cepat, mudah diakses, dan interaktif. Chatbot pada website KB & TK As Salam sebelumnya masih menggunakan conditional statement dan pilihan menu, sehingga calon wali murid belum dapat mengajukan pertanyaan menggunakan kalimat sendiri. Selain itu, dataset pertanyaan dan jawaban tersimpan di dalam source code serta percakapan pengguna belum dicatat. Penelitian ini bertujuan mengembangkan chatbot informasi Penerimaan Peserta Didik Baru (PPDB) menggunakan Term Frequency-Inverse Document Frequency (TF-IDF) dan Cosine Similarity, dilengkapi halaman pengelolaan dataset dan log percakapan. Metode pengembangan sistem yang digunakan adalah Rapid Application Development (RAD), sedangkan pengumpulan data dilakukan melalui observasi, wawancara, dan studi pustaka. Pertanyaan pengguna diproses melalui case folding, tokenisasi, stopword removal, dan stemming, kemudian diberikan bobot TF-IDF dan dibandingkan dengan 77 pasangan pertanyaan dan jawaban pada basis pengetahuan menggunakan Cosine Similarity. Hasil hold-out testing terhadap 16 pertanyaan uji terpisah menghasilkan accuracy 93,75%, precision 92,86%, recall 100%, dan F1-Score 96,30%. Pengujian fungsional menggunakan Black-Box Testing menunjukkan seluruh 16 skenario memperoleh hasil sesuai. Uji coba pengguna terhadap 10 responden dengan 12 pernyataan menghasilkan nilai rata-rata 4,31 dan persentase penerimaan 86,17% dalam kategori Sangat Setuju. Dengan demikian, chatbot berhasil dikembangkan untuk memberikan informasi PPDB secara lebih fleksibel serta membantu administrator mengelola basis pengetahuan dan mengevaluasi percakapan pengguna.
#Kata Kunci: Chatbot
#Cosine Similarity
#PPDB
#TF-IDF
|
Skripsi (S1)
Teknik Informatika (S1)
Restricted Fulltext PDF
|
|
IMPLEMENTASI CHATBOT LAYANAN INFORMASI PPDB MENGGUNAKAN ALGORITMA NAÏVE BAYES PADA MTS ATTAQWA 04 BEKASI
Penulis: Ade Yusuf Ardiyansyah, NADYA SAFITRI, S.T., M.Kom. |
2026
Layanan informasi Penerimaan Peserta Didik Baru (PPDB) di MTs Attaqwa 04 Kabupaten Bekasi saat ini dilayani melalui Group WhatsApp oleh sepuluh panitia yang merangkap mengajar, balasan respons sangat bergantung pada ketersediaan waktu petugas. Kondisi ini menyebabkan keterlambatan respons dan ketidaktersediaan layanan 24 jam serta komunikasi manual melalui pesan teks berpotensi menimbulkan kesalahan informasi yang dapat menyebabkan ketidaksesuaian informasi antara petugas PPDB dan calon pendaftar. Penelitian ini bertujuan merancang dan mengimplementasikan chatbot WhatsApp berbasis Natural Language Processing (NLP) dengan algoritma Multinomial Naïve Bayes untuk klasifikasi intent pertanyaan calon pendaftar. Sistem dikembangkan menggunakan metode Extreme Programming (XP) dengan integrasi WhatsApp HTTP API (WAHA), backend Python-Flask, ekstraksi fitur Term Frequency–Inverse Document Frequency (TF-IDF), dan pipeline praproses yang mencakup case folding, cleaning, normalisasi berbasis aturan, serta symspell correction. Model dilatih menggunakan 1116 data intent dan diuji pada 224 data uji holdout. Hasil pengujian menunjukkan akurasi klasifikasi sebesar 87%, sedangkan Pengujian User Acceptance Testing (UAT) terhadap 28 responden memperoleh persentase penerimaan sebesar 85,21% dengan nilai rata-rata keseluruhan 4,26 (kategori "Sangat Setuju"). Hasil tersebut menunjukkan bahwa sistem chatbot WhatsApp mampu memberikan layanan informasi PPDB secara otomatis, cepat, mudah digunakan, dan tersedia selama 24 jam.
#Chatbot
#Naïve Bayes
#Natural Language Processing
#PPDB
|
Skripsi (S1)
Teknik Informatika (S1)
Restricted Fulltext PDF
|
|
PERANCANGAN CHATBOT INFORMASI PPDB MENGGUNAKAN ALGORITMA MULTINOMIAL NAIVE BAYES DI TK DELIMA
Penulis: Ismail Hasan, ARI NURUL ALFIAN, S.Pd., M.Kom. |
2026
TK Delima belum memiliki website resmi sebagai media informasi Penerimaan Peserta Didik Baru (PPDB), sehingga penyampaian informasi dan penanganan pertanyaan dari wali calon peserta didik masih bergantung pada staf administrasi melalui komunikasi tatap muka, brosur, dan pesan WhatsApp. Penelitian ini bertujuan merancang dan membangun website informasi PPDB yang dilengkapi chatbot untuk membantu penyampaian informasi dan menangani pertanyaan berulang. Pembangunan sistem menerapkan metode Rapid Application Development (RAD). Untuk mengenali maksud pertanyaan pengguna dalam bahasa Indonesia tidak baku, chatbot menerapkan pendekatan Natural Language Processing (NLP) melalui tahapan text preprocessing dan algoritma Multinomial Naive Bayes sebagai metode klasifikasi intent. Algoritma tersebut dikombinasikan dengan teknik Laplace Smoothing untuk mengatasi permasalahan zero probability serta mekanisme confidence check untuk menangani masukan di luar domain chatbot. Sistem diimplementasikan secara native menggunakan bahasa pemrograman PHP, framework CodeIgniter 3, dan basis data MySQL tanpa menggunakan library machine learning eksternal. Pengujian menggunakan Confusion Matrix terhadap 40 kalimat uji menghasilkan nilai accuracy sebesar 92,50%, precision sebesar 93,24%, recall sebesar 92,50%, dan F1-Score sebesar 92,36%. Uji coba pengguna melalui kuesioner menghasilkan tingkat persetujuan sebesar 80,1% yang termasuk dalam kategori Setuju. Hasil penelitian menunjukkan bahwa algoritma Multinomial Naive Bayes berhasil mengklasifikasikan intent pertanyaan pengguna dengan tingkat akurasi 92,50% dan chatbot dapat membantu menyediakan informasi PPDB secara terprogram kepada wali calon peserta didik di luar jam operasional sekolah.
#Chatbot
#Klasifikasi Intent
#Multinomial Naive Bayes
#NLP
|
Skripsi (S1)
Teknik Informatika (S1)
Restricted Fulltext PDF
|
|
Sistem Pakar Identifikasi Minat Bakat dan Gaya Belajar Siswa Menggunakan Metode Forward Chaining Pada SMP Negeri 6 Babelan
Penulis: Nurul Aliyah, ARI NURUL ALFIAN, S.Pd., M.Kom. |
2026
Pemilihan jenjang pendidikan lanjutan merupakan langkah krusial bagi siswa Sekolah Menengah Pertama (SMP) dalam menentukan cara mengembangkan potensi diri mereka. Namun, proses untuk mengenali minat, bakat, dan gaya belajar siswa di SMP Negeri 6 Babelan masih dilakukan dengan cara manual, sehingga memakan waktu cukup lama dan belum bisa menjangkau seluruh siswa secara efektif. Di samping itu, kurangnya pemahaman mengenai potensi diri dapat membuat siswa dalam memilih pendidikan lanjutan lebih dipengaruhi oleh orangorang di sekitarnya atau fenomena rasa takut ketinggalan (FOMO). Tujuan penelitian ini adalah untuk membuat Sistem Pakar yang dapat mengenali minat, bakat, dan gaya belajar siswa melalui platform web dengan menggunakan metode Forward Chaining sebagai penggerak inferensi. Sistem ini dikembangkan dengan metode Rapid Application Development (RAD) dengan memanfaatkan pengetahuan yang didapat dari wawancara dengan Guru Bimbingan Konseling (BK) dan psikolog yang merupakan ahli di bidangnya. Data yang digunakan dalam proses identifikasi meliputi nilai pelajaran sebagai tanda minat, pilihan kegiatan sebagai tanda bakat, serta hasil pengisian mengenai gaya belajar yang dikelompokkan menjadi kategori Visual, Auditorial, dan Kinestetik. Hasil dari penelitian menunjukkan bahwa sistem ini mampu mendeteksi minat, bakat, dan gaya belajar siswa serta memberikan rekomendasi pendidikan lanjutan seperti SMA, SMK, atau MA berdasarkan aturan yang telah ditetapkan. Berdasarkan pengujian alfa, seluruh fungsi sistem dapat beroperasi sesuai dengan rencana. Sementara itu, pengujian beta yang dilakukan dengan kuesioner kepada Guru BK dan 20 siswa kelas VIII SMP Negeri 6 Babelan menunjukkan bahwa sistem ini mendapatkan umpan balik yang positif dan diterima oleh pengguna sebagai alat bantu dalam layanan Bimbingan dan Konseling.
#Bimbingan Konseling
#Forward Chaining
#Gaya Belajar
#Minat Bakat
|
Skripsi (S1)
Teknik Informatika (S1)
Restricted Fulltext PDF
|
|
IMPLEMENTASI TF-IDF DAN COSINE SIMILARITY PADA CHATBOT WEBSITE INFORMASI PPDB DI SMP SEJAHTERA 2
Penulis: Raditya Mayesha Beldyq, RIKA APRIANI, S.Kom., M.Kom. |
2026
Pelayanan informasi Penerimaan Peserta Didik Baru (PPDB) di SMP Sejahtera 2 Cileungsi masih dilakukan secara manual sehingga menyebabkan keterlambatan respon informasi dan penumpukan pertanyaan dari calon pendaftar. Selain itu, sekolah belum memiliki Website resmi sebagai media penyampaian informasi secara terpusat. Penelitian ini bertujuan untuk merancang dan membangun website informasi PPDB yang terintegrasi dengan chatbot berbasis kecerdasan buatan guna membantu penyampaian informasi secara otomatis, cepat, dan dapat diakses kapan saja. Metode pengembangan sistem yang digunakan adalah Rapid Application Development (RAD). Adapun metode Natural Language Processing (NLP) yang diterapkan yaitu Term Frequency–Inverse Document Frequency (TF-IDF) untuk pembobotan kata dan Cosine Similarity untuk mengukur kemiripan pertanyaan pengguna dengan basis pengetahuan chatbot. Sistem yang dibangun dilengkapi dengan dashboard admin untuk pengelolaan dataset serta fitur Evaluasi Log guna mencatat seluruh riwayat pertanyaan pengguna baik yang berhasil dijawab maupun yang tidak terjawab oleh chatbot. Hasil pengujian fungsionalitas menggunakan Black Box Testing menunjukkan bahwa seluruh fitur pada sistem berjalan valid. Hasil pengujian User Acceptance Test (UAT) terhadap 25 responden memperoleh tingkat kepuasan pengguna sebesar 87,4% dengan kategori Sangat Baik/Sangat Layak. Selain itu, hasil evaluasi model menunjukkan tingkat akurasi sebesar 82,9% dalam proses pencocokan intent pertanyaan pengguna dengan rata-rata waktu respons sebesar 1,05 detik. Berdasarkan hasil penelitian, dapat disimpulkan bahwa implementasi chatbot berbasis TF-IDF dan Cosine Similarity mampu membantu layanan informasi PPDB SMP Sejahtera 2 secara lebih cepat, otomatis, dan mudah digunakan.
#Chatbot
#Cosine similarity
#Firebase
#PPDB
|
Skripsi (S1)
Teknik Informatika (S1)
Restricted Fulltext PDF
|
|
SISTEM PAKAR DIAGNOSA AUTISME PADA PERKEMBANGAN ANAK DENGAN METODE DEMPSTER-SHAFER DAN ROUGH SET
Penulis: Imam Fajar Hudaya, RIKA APRIANI, S.Kom., M.Kom. |
2026
Proses identifikasi awal gangguan perkembangan anak di Family Wellness masih bergantung pada penilaian terapis. Kondisi tersebut dapat menimbulkan perbedaan interpretasi terhadap gejala yang dialami anak, terutama karena beberapa gejala memiliki kemiripan dengan gangguan perkembangan lain. Selain itu, orang tua klien sering mengalami kebingungan dalam memahami gejala atau kondisi yang sebenarnya dialami oleh anak. Oleh karena itu, penelitian ini bertujuan untuk merancang dan membangun sistem pakar berbasis web yang dapat membantu proses identifikasi awal gangguan perkembangan anak secara lebih jelas dan terstruktur. Metode yang digunakan dalam penelitian ini adalah Rough Set Theory dan Dempster-Shafer Theory. Rough Set Theory digunakan untuk menentukan kecocokan gejala terhadap kategori diagnosis, sedangkan Dempster-Shafer Theory digunakan untuk menghitung nilai keyakinan berdasarkan bobot gejala. Sistem dikembangkan menggunakan bahasa pemrograman PHP dan database MySQL. Data gejala dan bobot diperoleh melalui observasi, wawancara dengan terapis, serta studi pustaka. Hasil dari penelitian ini adalah sistem pakar yang mampu menampilkan hasil diagnosis awal, nilai keyakinan, gejala yang dipilih, terapi, catatan terapis, dan rekam medis pasien. Berdasarkan hasil pengujian, sistem dapat berjalan sesuai fungsi dan memperoleh hasil uji coba pengguna sebesar 88% dengan kategori sangat baik. Dengan adanya sistem ini, proses identifikasi awal dan penyajian hasil diagnosis dapat dilakukan secara lebih rapi, terukur, dan mudah dipahami oleh terapis maupun orang tua klien.
#Diagnosa Autisme
#Dempster-Shafer
#Perkembangan Anak
#Rough Set
|
Skripsi (S1)
Teknik Informatika (S1)
Restricted Fulltext PDF
|
|
IMPLEMENTASI ALGORITMA RANDOM FOREST DALAM SISTEM PREDIKSI LEVEL BELAJAR SISWA PADA NEW CONCEPT
Penulis: Atha Zainum Muttaqin, NADYA SAFITRI, S.T., M.Kom. |
2026
Penentuan level belajar siswa baru di New Concept English Education Centre masih dilakukan secara manual sehingga berpotensi menimbulkan subjektivitas dalam penempatan kelas. Penelitian ini bertujuan mengimplementasikan algoritma Random Forest dalam sistem prediksi level belajar siswa berbasis web untuk mendukung proses penentuan level belajar yang lebih objektif, konsisten, dan efisien. Penelitian menggunakan metode Prototype dengan dataset sebanyak 1.522 data siswa yang terdiri atas variabel umur, tingkat kelas sekolah, nilai placement test, dan level belajar siswa. Tahapan penelitian meliputi preprocessing data, encoding, pembagian data training dan testing, pelatihan model Random Forest, evaluasi menggunakan confusion matrix dan classification report, serta implementasi model ke dalam sistem berbasis web yang dilengkapi fitur placement test online. Hasil pengujian menunjukkan model Random Forest memperoleh akurasi sebesar 85,57%, sedangkan hasil User Acceptance Testing (UAT) memperoleh nilai 84% pada aspek kemudahan penggunaan sistem. Sistem yang dikembangkan mampu menghasilkan prediksi level belajar secara otomatis dan membantu proses penentuan level belajar siswa secara lebih cepat, objektif, dan berbasis data.
#Machine Learning
#Prediksi Level Belajar
#Placement Test
#Random Forest
|
Skripsi (S1)
Teknik Informatika (S1)
Restricted Fulltext PDF
|
|
IMPLEMENTASI HR-VITON DAN AUGMENTED REALITY UNTUK VIRTUAL TRY-ON PAKAIAN PADA BINTANG SABLON BEKASI
Penulis: Danur Faqih, SOLIKIN, S.Si., M.T. |
2026
CV. Bintang Sablon Bekasi merupakan usaha konveksi dan sablon yang masih menggunakan mockup dua dimensi statis sebagai media pratinjau desain, sehingga pelanggan kesulitan memperkirakan tampilan desain sablon ketika dikenakan pada tubuh. Kondisi ini kerap menimbulkan perbedaan persepsi antara pelanggan dan pihak produksi yang berdampak pada revisi berulang serta menurunnya kepuasan pelanggan. Penelitian ini bertujuan untuk merancang dan mengimplementasikan sistem Web-Based Virtual Try-On yang mengintegrasikan HR-VITON untuk Image-Based Virtual Try-On dan Augmented Reality berbasis pose estimation untuk visualisasi desain sablon secara realistis pada tubuh pengguna. Sistem dikembangkan menggunakan model prototype dengan menerapkan HR-VITON pada dataset VITON-HD serta MediaPipe Pose (BlazePose) untuk deteksi titik tubuh secara real-time melalui kamera berbasis web. Hasil pengujian menunjukkan bahwa fitur HR-VITON mampu menghasilkan visualisasi pakaian dengan desain sablon yang realistis dari foto pengguna, sedangkan fitur AR berhasil menempatkan desain pada area torso secara dinamis mengikuti pergerakan tubuh. Pengujian fungsional menggunakan black box testing menunjukkan seluruh fitur berjalan sesuai kebutuhan, dan uji coba pengguna memperoleh respons positif terhadap kemudahan serta akurasi visualisasi sistem. Penelitian ini menyimpulkan bahwa integrasi HR-VITON dan Augmented Reality berbasis pose estimation dapat menjadi solusi efektif dalam meningkatkan kualitas visualisasi desain sablon pada layanan jasa konveksi.
#Augmented Reality
#HR-VITON
#Pose Estimation
#Sablon
|
Skripsi (S1)
Teknik Informatika (S1)
Restricted Fulltext PDF
|