Portofolio Proyek Skripsi

Diagnosa Kekurangan Unsur Hara Pada Tanaman Karet

Bahasa Pemrograman	PHP: Hypertext Preprocessor
Software	Microsoft Notepad
Browser	Google Chrome, Mozilla Firefox
Database	XAMPP 5.6.11 (bisa dicoba menggunakan versi yang lebih rendah)
Metode Tambahan	Forward Chaining
Total waktu pengerjaan	4 hari
Deskripsi Proyek
Fungsi utama aplikasi ini adalah untuk melakukan diagnosa kekurangan unsur hara pada tanaman karet berdasarkan gejala-gejala yang diinputkan oleh user. Setelah user menginputkan gejala-gejala yang timbul, maka sistem akan melakukan perhitungan menggunakan input gejala tersebut dan kemudian menemukan kesimpulan diagnosa, yaitu kekurangan unsur hara beserta dosis pemupukan yang diperlukan. Hasil diagnosa ini kemudian dapat dicetak apabila diperlukan.Metode yang digunakan adalah metode Forward Chaining. Tutorial metode ini dapat dilihat pada link diatas.

Screenshot Hasil Implementasi

Pemilihan Dosen Pembimbing dan Penguji

Bahasa Pemrograman	Microsoft Visual Basic .NET
Software	Microsoft Visual Studio 2012
Database	Microsoft SQL Server 2012
Metode Tambahan	AHP (Analytic Hierarchy Process)
Total waktu pengerjaan	4 hari
Deskripsi Proyek
Fungsi utama aplikasi ini adalah untuk menentukan dosen penguji dan dosen pembimbing dari masing-masing mahasiswa yang sedang menempuh tugas akhir. Setelah menginputkan sekumpulan nama mahasiswa dan nama dosen, maka sistem akan melakukan perhitungan nilai prioritas untuk menentukan dosen mana saja yang didahulukan sebagai dosen pembimbing atau dosen penguji. Jika dosen tersebut terpilih, maka jumlah kuota dosen tersebut akan berkurang, sehingga dosen tersebut tidak selalu terpilih sebagai jawaban. Jika kuota sudah habis, maka dosen tersebut tidak dapat terpilih sebagai dosen pembimbing atau dosen penguji.Metode yang digunakan adalah metode AHP (Analytic Hierarchy Process). Tutorial metode ini dapat dilihat pada link diatas.

Screenshot Hasil Implementasi

Permasalahan Pemotongan Rol Kertas

Bahasa Pemrograman	Mathworks Matlab
Software	Mathworks Matlab R2015a
Database	Tidak ada
Metode Tambahan	PSO (Particle Swarm Optimization)
Total waktu pengerjaan	5 hari
Deskripsi Proyek
Ada berbagai jumlah permintaan rol kertas dengan berbagai lebar rol tertentu. Kemudian ada sebuah input lebar rol jumbo, yaitu rol kertas utama yang akan dipotong menjadi berbagai lebar rol menyesuaikan dengan jumlah permintaan rol kertas yang telah diinputkan sebelumnya. Sistem kemudian akan melakukan perhitungan optimasi untuk menemukan nilai jumlah masing-masing lebar rol yang paling mendekati (tetapi tidak kurang dari) dari jumlah permintaan rol kertas.Metode yang digunakan adalah metode PSO (Particle Swarm Optimization). Tutorial dari masing-masing metode dapat dilihat pada link diatas.

Screenshot Hasil Implementasi

Pengenalan Wajah

Bahasa Pemrograman	Mathworks Matlab
Software	Mathworks Matlab R2015a
Database	XAMPP 5.6.11 (bisa dicoba menggunakan versi yang lebih rendah)
Metode Tambahan	LBP (Local Binary Pattern) dan Fisherface
Total waktu pengerjaan	5 hari
Deskripsi Proyek
Ada berbagai data wajah yang dapat dijadikan sebagai input. Pada figure Input Data Citra, masing-masing data citra yang terpilih akan disimpan ke dalam database, dan selanjutnya dapat dilakukan proses pelatihan menggunakan kedua algoritma untuk mendapatkan beberapa parameter nilai output yang disimpan ke dalam database. Selanjutnya pada figure Pengujian, akan diinputkan sebuah citra uji yang nantinya akan dihitung nilai outputnya. Nilai output ini kemudian akan dibandingkan pada semua nilai output yang telah disimpan dalam database, dan nilai citra input yang paling mendekati akan terpilih sebagai jawaban.Metode yang digunakan adalah metode LBP (Local Binary Pattern) dan Fisherface. Tutorial dari masing-masing metode dapat dilihat pada link diatas.

Screenshot Hasil Implementasi

Peramalan Kebutuhan Material

Bahasa Pemrograman	Mathworks Matlab
Software	Mathworks Matlab R2015a
Database	Tidak ada
Metode Tambahan	SVR (Support Vector Regression) dan GRNN (General Regression Neural Network)
Total waktu pengerjaan	5 hari
Deskripsi Proyek
Fungsi utama aplikasi ini adalah untuk memprediksikan kebutuhan material pada periode setelah periode terpilih. Sistem akan menghitung nilai prediksi menggunakan algoritma yang telah ditentukan, kemudian menghitung nilai tingkat kesalahan antara nilai prediksi ini dengan nilai sebenarnya yang telah tersedia. User kemudian dapat melakukan perbandingan antar kedua metode tersebut dan menarik kesimpulan metode manakah yang lebih mendekati nilai sebenarnya. Jika user ternyata melakukan perhitungan data pada periode terakhir, maka sistem akan menyimpan nilai prediksi sebagai nilai pada periode selanjutnya.Metode yang digunakan adalah metode SVR (Support Vector Regression) dan GRNN (General Regression Neural Network). Tutorial dari metode SVR dapat dilihat pada link diatas.

Screenshot Hasil Implementasi

Sistem Informasi Geografis Proyeksi Potensi Sumber Biometrial

Bahasa Pemrograman	PHP: Hypertext Preprocessor
Software	Microsoft Notepad
Browser	Google Chrome, Mozilla Firefox
Database	XAMPP 5.6.11 (bisa dicoba menggunakan versi yang lebih rendah)
Metode Tambahan	Tidak ada
Total waktu pengerjaan	2 hari
Deskripsi Proyek
Proyek ini hanya dikerjakan dalam 2 hari karena hanya merupakan pembetulan dari contoh website yang telah tersedia. Fungsi utama dari website ini adalah untuk menampilkan koordinat pada google map. Ada 3 kategori yang digunakan, yaitu peta penangkapan, peta budidaya, dan peta pengolahan. Jika salah satu peta diakses, maka sistem kemudian akan menampilkan google map dengan marker tertentu pada semua koordinat sesuai data yang telah disimpan sebelumnya. Admin yang login ke dalam sistem dapat melakukan manipulasi data penangkapan, budidaya, dan pengolahan.

Screenshot Hasil Implementasi

Penjadwalan Mata Kuliah

Bahasa Pemrograman	Microsoft Visual Basic .NET
Software	Microsoft Visual Studio 2012
Database	Microsoft SQL Server 2012
Metode Tambahan	GA (Genetic Algorithm) / Algoritma Genetika
Total waktu pengerjaan	1 minggu
Deskripsi Proyek
Fungsi utama aplikasi ini adalah untuk menemukan jadwal mata kuliah dengan batasan inputan mata kuliah, dosen, dan tabel ajar. Ada sejumlah inputan mata kuliah, nama dosen, ruangan yang dapat dipakai, dan tabel ajar yang berisi data seperti jenis kegiatan, status mata kuliah, semester, kelas, dan jumlah kuota mahasiswa yang diperbolehkan. Dengan banyaknya parameter dan berbagai batasan yang tersedia, maka sistem kemudian akan menghitung dan mencari jadwal kuliah yang valid dan memenuhi semua syarat. Normalnya, dalam sekali proses perhitungan akan diperoleh 1 jadwal kuliah dengan total sks paling banyak dan tidak ada mata kuliah yang kembar; akan tetapi pada aplikasi ini diperlukan 2 jadwal kuliah, sehingga diperlukan batasan tambahan bahwa antara jadwal pertama dan kedua, tidak ada beberapa parameter yang bentrok pada waktu yang sama.Metode yang digunakan adalah metode Algoritma Genetika. Tutorial metode ini dapat dilihat pada link diatas.

Screenshot Hasil Implementasi

Sistem Informasi Penjualan Laptop

Bahasa Pemrograman	PHP: Hypertext Preprocessor
Software	Microsoft Notepad
Browser	Google Chrome, Mozilla Firefox
Database	XAMPP 5.6.11 (bisa dicoba menggunakan versi yang lebih rendah)
Metode Tambahan	Tidak ada
Total waktu pengerjaan	kurang lebih 1 bulan
Deskripsi Proyek
Website ini mirip seperti toko online, yaitu menyediakan jasa pemesanan service laptop dan penjualan sparepart laptop, tetapi fungsi yang lebih diutamakan adalah fungsi penjualan sparepart laptop. User akan dimudahkan dalam tata cara pemilihan sparepart yang sesuai dengan jenis laptop yang telah diinputkan, dan kemudian sistem akan melakukan penyimpanan terhadap data pemesanan sparepart tersebut. User yang sudah login kemudian dapat mengecek status pemesanan barang yang sudah dilakukan, dan kemudian melakukan komunikasi kepada customer service untuk melakukan pembayaran. Setelah mendapat konfirmasi pembayaran, maka sistem akan menandai bahwa transaksi tersebut telah selesai dilunasi dan kemudian sparepart akan dikirim kepada customer. Apabila sparepart tidak ditemukan, maka user dapat mengirimkan pengajuan sparepart dengan mengisi data pada form yang sudah disediakan. Admin yang login ke dalam sistem dapat melakukan manipulasi data laptop, data sparepart, data user, dan dapat melakukan penambahan stok pada sparepart. Admin juga dapat melihat laporan pemesanan, laporan penjualan, laporan stok, dan laporan request sparepart.

Screenshot Hasil Implementasi

Penghitung Jumlah Kalori

Bahasa Pemrograman	PHP: Hypertext Preprocessor
Software	Microsoft Notepad
Browser	Google Chrome, Mozilla Firefox
Database	XAMPP 5.6.11 (bisa dicoba menggunakan versi yang lebih rendah)
Metode Tambahan	Forward Chaining
Total waktu pengerjaan	3 hari
Deskripsi Proyek
Fungsi utama aplikasi ini adalah untuk menghitung jumlah kalori yang telah dibakar berdasarkan parameter jumlah langkah dan jarak tempuh. Setelah user memberikan input jumlah langkah dan jarak tempuh, maka sistem akan melakukan perhitungan pencarian jarak tempuh dan kemudian melakukan perhitungan jumlah kalori menggunakan rumus EC = {[MET * 7.7 * BB (POUNDS)] / 200} * T / 1000Metode yang digunakan adalah metode Forward Chaining. Tutorial metode ini dapat dilihat pada link diatas.

Screenshot Hasil Implementasi

Berikut adalah hasil tampilan website setelah dilakukan proses minimize sebagai simulasi tampilan website apabila diakses pada ponsel pintar

Keamanan Sistem Informasi Akademik

Bahasa Pemrograman	PHP: Hypertext Preprocessor
Software	Microsoft Notepad
Browser	Google Chrome, Mozilla Firefox
Database	XAMPP 5.6.11 (bisa dicoba menggunakan versi yang lebih rendah)
Metode Tambahan	Rijndael
Total waktu pengerjaan	2 hari
Deskripsi Proyek
Fungsi utama dari website ini adalah untuk menerapkan sistem keamanan pada saat pengguna melakukan login. Ada 2 halaman utama sebagai pembanding, yaitu halaman login tanpa enkripsi dan login dengan enkripsi. Pada halaman login tanpa enkripsi tidak ada proses enkripsi yang dilakukan, dan pengguna dapat menggunakan teknik injeksi SQL untuk masuk ke dalam sistem, sedangkan pada halaman login dengan enkripsi ada proses enkripsi yang dilakukan, dan pengguna tidak dapat menggunakan teknik injeksi SQL untuk masuk ke dalam sistem.Metode yang digunakan adalah metode Rijndael. Tutorial metode ini dapat dilihat pada link diatas.

Screenshot Hasil Implementasi

Pengenalan Citra Sidik Jari

Bahasa Pemrograman	Mathworks Matlab
Software	Mathworks Matlab R2015a
Database	XAMPP 5.6.11 (bisa dicoba menggunakan versi yang lebih rendah)
Metode Tambahan	Minutiae Feature Extraction dan Back-Propagation
Total waktu pengerjaan	2 minggu
Deskripsi Proyek
Ada berbagai data citra sidik yang dapat dijadikan sebagai input. Pada figure Input Data Citra, masing-masing data citra yang terpilih akan disimpan ke dalam database, dan selanjutnya pada figure Pelatihan, data ini akan dilatih untuk mendapatkan nilai bobot pelatihan. Selanjutnya pada figure Pengujian, akan diinputkan sebuah citra uji yang nantinya akan dihitung nilai outputnya menggunakan nilai bobot dari masing-masing sidik jari, dan sidik jari dengan nilai output yang paling mendekati angka 1 akan terpilih sebagai jawaban.Metode yang digunakan adalah metode Minutiae Feature Extraction dan Back-Propagation. Tutorial dari masing-masing metode dapat dilihat pada link diatas.

Screenshot Hasil Implementasi

Proses Penyandian Data

Bahasa Pemrograman	Microsoft Visual Basic .NET
Software	Microsoft Visual Studio 2012
Database	Tidak Ada
Metode Tambahan	Twofish
Total waktu pengerjaan	3 hari
Deskripsi Proyek
Fungsi utama dari aplikasi ini adalah untuk melakukan enkripsi terhadap berbagai macam tipe file sehingga isi filenya tidak dapat dibaca lagi kecuali pengguna yang mengetahui kata kunci untuk mendekripsi file tersebut. Jenis tipe file yang diujicoba adalah tipe dokumen teks (.txt), Microsoft Word (.doc/.docx), Microsoft Excel (.xls,.xlsx), Microsoft Powerpoint (.ppt,.pptx), dan PDF (.pdf)Metode yang digunakan adalah metode Twofish. Tutorial metode ini dapat dilihat pada link diatas.

Screenshot Hasil Implementasi

(Tutorial) Klasifikasi Penerimaan Mahasiswa Baru

Bahasa Pemrograman	Tidak ada
Software	Tidak ada
Database	Tidak ada
Metode Tambahan	AdaBoost (Adaptive Boosting)
Total waktu pengerjaan	2 hari
Deskripsi Proyek
Proyek ini hanya dikerjakan dalam 2 hari karena hanya merupakan pembuatan tutorial metode AdaBoost (Adaptive Boosting) dengan contoh kasus yang tersedia. Fungsi utama aplikasi ini adalah untuk melakukan klasifikasi dengan menggunakan 5 buah atribut, yaitu Asal Sekolah, Jurusan, Nilai UN, Psikotes, SPMB, dan menghasilkan 1 atribut hasil dengan 2 jenis nilai output yaitu Tepat / Lambat. Ada sejumlah inputan data siswa dengan menggunakan 5 atribut tersebut, dan kemudian sistem akan menghitung hasil output dari input data siswa yang baru.Metode yang digunakan adalah metode AdaBoost (Adaptive Boosting). Tutorial metode ini dapat dilihat pada link diatas.

Screenshot Hasil Implementasi

Deteksi Kemiripan Judul Karya Tulis Ilmiah

Bahasa Pemrograman	Microsoft Visual Basic .NET
Software	Microsoft Visual Studio 2012
Database	Microsoft SQL Server 2012
Metode Tambahan	Rabin-Karp
Total waktu pengerjaan	4 hari
Deskripsi Proyek
Ada berbagai data buku yang menggunakan 5 buah atribut, yaitu judul, abstraksi, penulis, tahun terbit, dan jenis karya tulis. Pengguna dapat memilih apakah ingin melakukan pengujian judul ataupun melakukan pengujian abstraksi. Setelah pengguna menginputkan teks judul atau abstraksi, sistem kemudian akan mengolah dan kemudian menghasilkan judul atau abstraksi yang memiliki kemiripan tertinggi dengan input teks sebelumnya. Kemudian sistem akan menghasilkan kesimpulan apakah judul ini masih layak diterima atau sudah tidak layak karena terlalu mirip dengan data sebelumnya.Metode yang digunakan adalah metode Rabin-Karp. Tutorial metode ini dapat dilihat pada link diatas.

Screenshot Hasil Implementasi

Klasifikasi Persediaan Barang

Bahasa Pemrograman	Microsoft Visual Basic .NET
Software	Microsoft Visual Studio 2012
Database	Microsoft SQL Server 2012
Metode Tambahan	Levenshtein Distance / Edit Distance, FIS (Fuzzy Inference System): Tipe Tsukamoto, dan AdaBoost (Adaptive Boosting)
Total waktu pengerjaan	1 minggu
Deskripsi Proyek
Ada berbagai data barang yang memiliki 8 atribut, yaitu Harga, Stok, Biaya, Status Penyimpanan, Status Pengendalian, Status Pengecekan, Status Pelaporan, Status Sediaan. Setelah melakukan penyimpanan terhadap data barang yang digunakan, maka selanjutnya adalah melakukan prediksi kelas untuk masing-masing data barang. Atribut AK-I dihitung dengan menggunakan Levenshtein. Nama barang akan dibandingkan dengan nama bahan baku yang tersedia. Nilai atribut ini akan semakin tinggi apabila tingkat kecocokan antara nama barang dan nama bahan baku semakin tinggi Atribut AK-II dihitung dengan menggunakan Analisa ABC. Kolom biaya akan dicari persentase terhadap total biaya dari semua data. Nilai atribut ini akan semakin tinggi apabila persentase yang didapatkan semakin tinggi. Atribut AK-III dihitung dengan menggunakan Fuzzy Tsukamoto. Nilai dari kelima status, yaitu Status Penyimpanan, Status Pengendalian, Status Pengecekan, Status Pelaporan, Status Sediaan akan dihitung menggunakan metode ini untuk menghasilkan nilai output dari fuzzy. Nilai atribut ini akan semakin tinggi apabila nilai output dari fuzzy semakin tinggi. Setelah mendapatkan AK-I, AK-II, dan AK-III, ketiga nilai ini akan diolah kembali menggunakan metode AdaBoost. Hasil akhir adalah nilai prediksi kelas dari barang tersebut. Tutorial masing-masing metode ini dapat dilihat pada link diatas.

Screenshot Hasil Implementasi

Identifikasi Kecerdasan

Bahasa Pemrograman	Microsoft Visual Basic 6
Software	Microsoft Visual Basic 6.0
Database	Tidak Ada
Metode Tambahan	Forward Chaining
Total waktu pengerjaan	2 hari
Deskripsi Proyek
Proyek ini hanya dikerjakan dalam 2 hari karena hanya merupakan penambahan algoritma pada aplikasi yang sudah ada. Fungsi utama aplikasi ini adalah untuk menentukan jenis kecerdasan berdasarkan ciri dan aturan yang telah ditetapkan sebelumnya. Data yang dijadikan input adalah ciri-ciri, dan kemudian sistem akan mengolah sesuai tabel aturan untuk mendapatkan hasil kecerdasan dari ciri-ciri tersebut.Metode yang digunakan dalam menentukan keputusan adalah metode Forward Chaining. Tutorial metode ini dapat dilihat pada link diatas.

Screenshot Hasil Implementasi

Pengenalan Pola Huruf Hijaiyah Tulisan Tangan

Bahasa Pemrograman	Mathworks Matlab
Software	Mathworks Matlab R2015a
Database	XAMPP 5.6.11 (bisa dicoba menggunakan versi yang lebih rendah)
Metode Tambahan	Fuzzy Feature Extraction dan Back-Propagation
Total waktu pengerjaan	2 minggu
Deskripsi Proyek
Ada berbagai data citra tulisan tangan huruf hijaiyah dari berbagai orang. Pada figure Pelatihan, Citra-citra ini akan disimpan ke dalam database sebagai citra latih, dan kemudian dilatih untuk mendapatkan nilai bobot pelatihan. Selanjutnya pada figure Pengujian, akan diinputkan sebuah citra uji yang nantinya akan dihitung nilai outputnya menggunakan nilai bobot dari masing-masing karakter, dan karakter dengan nilai output yang paling mendekati angka 1 akan terpilih sebagai jawaban.Metode yang digunakan adalah metode Fuzzy Feature Extraction dan Back-Propagation. Tutorial dari masing-masing metode dapat dilihat pada link diatas.

Screenshot Hasil Implementasi

Pencocokan Citra Daun Telinga

Bahasa Pemrograman	Mathworks Matlab
Software	Mathworks Matlab R2015a
Database	XAMPP 5.6.11 (bisa dicoba menggunakan versi yang lebih rendah)
Metode Tambahan	FCC (Freeman Chain Code) dan DWT (Discrete Wavelet Transform)
Total waktu pengerjaan	1 minggu
Deskripsi Proyek
Ada berbagai citra daun telinga yang telah disediakan. Pada figure Input Data Citra, Citra-citra ini akan disimpan ke dalam database sebagai citra latih, dan kemudian dilatih untuk mendapatkan nilai pelatihan dari masing-masing metode. Selanjutnya pada figure Pengujian, akan diinputkan sebuah citra uji yang nantinya akan dihitung nilainya, dan dibandingkan dengan semua nilai pelatihan yang sudah disimpan dalam database. Nilai yang paling mendekati akan terpilih sebagai jawaban.Metode yang digunakan adalah metode FCC (Freeman Chain Code) dan DWT (Discrete Wavelet Transform). Nantinya dapat dibandingkan tingkat akurasi manakah yang lebih akurat diantara kedua metode tersebut. Tutorial dari masing-masing metode dapat dilihat pada link diatas.

Screenshot Hasil Implementasi

OCR (Optical Character Recognition)

Bahasa Pemrograman	Microsoft Visual Basic .NET
Software	Microsoft Visual Studio 2012
Database	Microsoft SQL Server 2012
Metode Tambahan	OCR (Optical Character Recognition)
Total waktu pengerjaan	2 minggu
Deskripsi Proyek
Ada beberapa folder jenis huruf (Arial, Times New Roman, dll), dengan masing-masing jenis huruf berisi karakter A-Z, a-z, dan 0-9. Pada menu Pelatihan, masing-masing jenis huruf ini akan dilatih untuk menghasilkan bobot dari masing-masing karakter tersebut. Kemudian pada menu Pengujian, ada input sebuah gambar teks yang ingin dikenali. Gambar ini kemudian akan melalui proses pendeteksian masing-masing karakter, kemudian akan diidentifikasi menggunakan bobot karakter, sehingga dikenali karakter apakah yang paling mendekati karakter yang sedang dikenali.Metode yang digunakan adalah metode OCR (Optical Character Recognition). Tutorial metode ini dapat dilihat pada link diatas.

Screenshot Hasil Implementasi

Implementasi Watermark

Bahasa Pemrograman	Microsoft Visual Basic .NET
Software	Microsoft Visual Studio 2012
Database	Tidak ada
Metode Tambahan	Dekomposisi Singular
Total waktu pengerjaan	4 hari
Deskripsi Proyek
Ada berbagai gambar utama dan gambar teks yang akan disisipkan ke dalam gambar utama. Aplikasi kemudian akan menyisipkan gambar teks ke dalam gambar utama. Hasil gambar tersebut kemudian dapat dilakukan proses ekstraksi untuk mengambil gambar teks yang disisipkan sebelumnyaMetode yang digunakan adalah metode Dekomposisi Singular. Tutorial metode ini dapat dilihat pada link diatas.

Screenshot Hasil Implementasi

Lihat Portofolio Sebelumnya

Tertarik menggunakan jasa kami? Informasi lebih lanjut mengenai fasilitas dan harga yang ditawarkan dapat dilihat pada Fasilitas dan Harga Hubungi kami di Hubungi Kami