Portofolio Proyek Skripsi

Identifikasi Kualitas Buah Tomat

Bahasa Pemrograman	Mathworks Matlab
Software	Mathworks Matlab R2015a
Database	Tidak ada
Metode Tambahan	Eigenface
Total waktu pengerjaan	3 hari
Deskripsi Proyek
Aplikasi ini bertujuan untuk melakukan klasifikasi terhadap jenis tomat sehingga dapat diketahui kualitas dari tomat tersebut. Data yang digunakan adalah sejumlah data citra buah tomat yang baik dan buruk. Tombol “Pilih Folder Citra Latih” dan “Ambil Citra Uji” berfungsi seperti nama tombol tersebut. Tombol preprocessing dilakukan untuk mendapatkan citra grayscale beserta dengan beberapa proses lain, sedangkan tombol proses digunakan untuk melakukan klasifikasi terhadap citra uji yang dipilih.

Screenshot Hasil Implementasi

Klasifikasi Fungsi Jalan Primer

Bahasa Pemrograman	Java
Software	NetBeans 8.2, Oracle Java Development Kit 8, Oracle Java Runtime Environment 8
Database	XAMPP 7.3.6 (bisa dicoba menggunakan versi 7 yang lebih rendah)
Metode Tambahan	SVR (Support Vector Regression)
Total waktu pengerjaan	5 hari
Deskripsi Proyek
Fungsi utama aplikasi ini adalah untuk melakukan pengujian klasifikasi terhadap data ruas jalan yang tersedia. Pembacaan data dilakukan menggunakan file dengan format tertentu, dan kemudian program akan melakukan pelatihan untuk mendapatkan sistem terbaik yang digunakan dalam proses klasifikasi untuk data yang sama. Hasil klasifikasi data kemudian akan dibandingkan dengan nilai sebenarnya dan dicatat pada layar sehingga diketahui tingkat akurasi dari sistem tersebut.

Screenshot Hasil Implementasi

Sistem Charging Baterai Buck Boost Converter

Bahasa Pemrograman	Mathworks Matlab
Software	Mathworks Matlab R2015a
Database	Tidak ada
Metode Tambahan	FPAO (Flower Pollination Algorithm Optimization)
Total waktu pengerjaan	3 hari
Deskripsi Proyek
Aplikasi ini hanya memiliki sebuah tujuan yaitu mendapatkan setting terbaik yang nantinya dapat digunakan pada studi kasus. Data yang tersedia hanyalah batasan tertentu dari fungsi keanggotaan fuzzy, dan berdasarkan setting tersebut sistem akan berusaha untuk mendapatkan nilai output yang menghasilkan nilai fungsi terbaik.

Screenshot Hasil Implementasi

Prediksi Jumlah Kunjungan Wisatawan

Bahasa Pemrograman	PHP: Hypertext Preprocessor
Software	Microsoft Notepad
Browser	Google Chrome, Mozilla Firefox
Database	XAMPP 7.3.6 (bisa dicoba menggunakan versi 7 yang lebih rendah)
Metode Tambahan	Back-Propagation
Total waktu pengerjaan	3 hari
Deskripsi Proyek
Terdapat 2 buah menu utama pada aplikasi ini. Menu data wisatawan digunakan untuk menyimpan jumlah data wisatawan yang dikelompokan per bulan selama beberapa tahun terakhir. Sedangkan menu pengujian berfungsi untuk melakukan proses pengujian terhadap data tersebut. Data akan dibagi menjadi dua yaitu data latih dan data uji dan kemudian pengujian dilakukan terhadap 2 jenis data tersebut. Setelah kedua tahapan tersebut maka hasil pelatihan digunakan untuk memprediksikan data untuk periode berikutnya. Hasil perhitungan dari ketiga fitur ini kemudian ditampilkan pada layar.

Screenshot Hasil Implementasi

Prediksi Kelulusan Tepat Waktu

Bahasa Pemrograman	PHP: Hypertext Preprocessor
Software	Microsoft Notepad
Browser	Google Chrome, Mozilla Firefox
Database	XAMPP 7.3.6 (bisa dicoba menggunakan versi 7 yang lebih rendah)
Metode Tambahan	Naive Bayes dan PSO (Particle Swarm Optimization)
Total waktu pengerjaan	3 hari
Deskripsi Proyek
Terdapat 2 buah menu utama pada aplikasi ini. Menu data mahasiswa berfungsi untuk menyimpan data mahasiswa, sedangkan menu prediksi digunakan untuk melakukan prediksi berdasarkan data mahasiswa yang sudah disimpan dalam database sebelumnya. Perhitungan prediksi dilakukan sebanyak dua kali yaitu dengan menggunakan algoritma Naive Bayes saja dan menggunakan algoritma Naive Bayes yang dioptimasi dengan PSO. Hasil prediksi dari kedua perhitungan kemudian ditampilkan pada layar.

Screenshot Hasil Implementasi

Prediksi Produksi Ikan

Bahasa Pemrograman	Python
Software	Python 3.7.1
Database	Tidak ada
Metode Tambahan	PSO (Particle Swarm Optimization) dan Back-Propagation
Total waktu pengerjaan	3 hari
Deskripsi Proyek
Aplikasi ini bertujuan untuk melakukan prediksi terhadap data yang sudah tersedia. Data yang digunakan adalah data produksi yang dikumpulkan dalam kurun waktu tertentu. Pada saat program dijalankan, sistem akan melakukan pembacaan data dari file dan kemudian mengolah data tersebut untuk mendapatkan hasil prediksi yang kemudian ditampilkan pada layar.

Screenshot Hasil Implementasi

Forecasting Solar Irradiation

Bahasa Pemrograman	Mathworks Matlab
Software	Mathworks Matlab R2015a
Database	Tidak ada
Metode Tambahan	SVR (Support Vector Regression)
Total waktu pengerjaan	2 hari
Deskripsi Proyek
Aplikasi ini bertujuan untuk membandingkan antara data solar irradiation dengan hasil prediksi apabila menggunakan algoritma SVM. Data yang digunakan adalah sejumlah data statistik dengan 6 buah kriteria yang diambil dalam rentang 5 menit selama satu tahun. Perhitungan dilakukan dengan menggunakan 3 buah kernel berbeda, yaitu Linier, Polinomial dan RBF, yang kemudian saling dibandingkan dan ditampilkan dalam bentuk grafik.

Screenshot Hasil Implementasi

Klasifikasi Tanda Tangan

Bahasa Pemrograman	Java
Software	NetBeans 8.2, Oracle Java Development Kit 8, Oracle Java Runtime Environment 8
Database	XAMPP 5.6.11 (bisa dicoba menggunakan versi yang lebih rendah)
Metode Tambahan	Invariant Moment dan RBM (Restricted Boltzmann Machine)
Total waktu pengerjaan	10 hari
Deskripsi Proyek
Terdapat 3 menu utama yang tersedia pada aplikasi ini. Menu tanda tangan berfungsi untuk menyimpan data citra tanda tangan yang dimasukkan ke dalam database. Menu Image Processing berfungsi untuk melakukan ekstraksi fitur terhadap citra tanda tangan yang dipilih. Hasil ekstraksi fitur yang didapatkan dari masing-masing citra kemudian akan digunakan oleh sistem untuk melakukan prediksi terhadap data citra yang diujikan pada menu Pengujian.

Screenshot Hasil Implementasi

Prediksi Penjualan Handphone

Bahasa Pemrograman	Java
Software	NetBeans 8.2, Oracle Java Development Kit 8, Oracle Java Runtime Environment 8
Database	XAMPP 5.6.11 (bisa dicoba menggunakan versi yang lebih rendah)
Metode Tambahan	Exponential Smoothing
Total waktu pengerjaan	2 hari
Deskripsi Proyek
Aplikasi ini bertujuan untuk melakukan pencatatan pembelian dan penjualan handphone, beserta dengan sebuah sistem yang dapat memperkirakan penjualan handphone dikemudian hari. Menu pembelian dan penjualan berfungsi untuk melakukan transaksi pembelian dan penjualan yang tentunya berkaitan dengan stok barang yang dapat dilihat pada menu stok. Menu Forecasting digunakan untuk memperkirakan penjualan. Setelah memilih jenis HP dan waktu prediksi, maka sistem akan melakukan perhitungan prediksi per hari yang akan ditampilkan pada layar. Dengan demikian pengguna akan dapat memperkirakan jumlah stok untuk jenis HP tersebut agar tidak terlalu banyak ataupun sedikit.Metode yang digunakan adalah metode Exponential Smoothing. Tutorial metode ini dapat dilihat pada link diatas.

Screenshot Hasil Implementasi

Pengamanan File Dokumen Pada Gambar

Bahasa Pemrograman	Microsoft Visual Basic .NET
Software	Microsoft Visual Studio 2012
Database	Microsoft SQL Server 2012
Metode Tambahan	Spread Spectrum dan LSB (Least Significant Bit)
Total waktu pengerjaan	3 hari
Deskripsi Proyek
Fungsi utama aplikasi ini adalah untuk menyisipkan data file dokumen bertipe tertentu kedalam sebuah citra tanpa merusak citra tersebut. Input yang digunakan adalah citra bertipe bmp dan file dokumen bertipe .doc dan .docx. Sistem kemudian akan melakukan penyisipan file ke dalam citra tersebut. Proses berikutnya adalah proses ekstraksi dokumen dari citra hasil pemrosesan. Setelah melakukan ekstraksi, sistem kemudian akan melakukan pembacaan dokumen tersebut. Tentu saja dokumen harus kembali seperti aslinya dan dapat dibaca seperti biasa tanpa mengalami perubahan karakter.Metode yang digunakan adalah metode Spread Spectrum dan LSB (Least Significant Bit). Tutorial metode ini dapat dilihat pada link diatas.

Screenshot Hasil Implementasi

Penjadwalan Mata Pelajaran

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	DEA (Differential Evolution Algorithm)
Total waktu pengerjaan	5 hari
Deskripsi Proyek
Fungsi utama aplikasi ini adalah untuk menemukan jadwal mata pelajaran dengan batasan inputan mata pelajaran dan guru. Ada sejumlah inputan mata pelajaran, nama guru, kelas, waktu, dan tabel asosiasi pengajaran yang berisi data hubungan kemampuan antara guru dan mata pelajaran yang diampu. Dengan banyaknya parameter dan berbagai batasan yang tersedia, maka sistem kemudian akan menghitung dan mencari jadwal pelajaran yang valid dan memenuhi semua syarat. Hasil penjadwalan kemudian ditampilkan pada layar dan terdapat sebuah fitur untuk mencetak jadwal yang baru dihasilkan tersebut.Metode yang digunakan adalah metode DEA (Differential Evolution Algorithm). Tutorial metode ini dapat dilihat pada link diatas.

Screenshot Hasil Implementasi

Prediksi Partisipasi Pemilu

Bahasa Pemrograman	Mathworks Matlab
Software	Mathworks Matlab R2015a
Database	Tidak ada
Metode Tambahan	SVR (Support Vector Regression)
Total waktu pengerjaan	4 hari
Deskripsi Proyek
Fungsi utama aplikasi ini adalah untuk melakukan prediksi apakah seseorang akan berpartisipasi dalam pemilu berikutnya jika melihat dari data-data sebelumnya. Data yang digunakan adalah data partisipan tetap yang telah mengikuti atau tidak mengikuti pemilu selama beberapa periode lampau, dan data tersebut memiliki beberapa kriteria seperti jenis kelamin, usia, pekerjaan, dst. Pertama-tama sistem akan melakukan pelatihan dengan menggunakan keseluruhan data tersebut, dan kemudian pengguna dapat memasukkan kriteria data diri dan melakukan pengujian apakah pengguna ini akan mengikuti pemilu di masa mendatang atau tidak. Hasil persentase antara berpartisipasi dan tidak berpartisipasi akan ditampilkan pada layar sebagai jawabanMetode yang digunakan adalah metode SVR (Support Vector Regression). Tutorial metode ini dapat dilihat pada link diatas.

Screenshot Hasil Implementasi

Prediksi Sewa Unit

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	NBIC (Naive Bayes Inference Clustering) dan Correlated Naive Bayes Clustering
Total waktu pengerjaan	8 hari
Deskripsi Proyek
Fungsi utama aplikasi ini adalah untuk melakukan pengujian akurasi antara kedua buah metode yang digunakan dalam perhitungan sehingga diketahui algoritma manakah yang lebih baik. Data yang digunakan adalah data tenant dalam kurun waktu tertentu yang dapat dimasukkan sekaligus dengan sistem impor dari file. Tidak ada parameter yang digunakan sebagai input sehingga sistem akan menampilkan hasil pehitungan akurasi dari kedua algoritma tersebut dalam bentuk grafik setelah pengguna menekan tombol pengujian.Metode yang digunakan adalah metode NBIC (Naive Bayes Inference Clustering) dan Correlated Naive Bayes Clustering. Tutorial metode ini dapat dilihat pada link diatas.

Screenshot Hasil Implementasi

Prediksi Penjualan

Bahasa Pemrograman	Microsoft Visual Basic .NET
Software	Microsoft Visual Studio 2012
Database	Microsoft SQL Server 2012
Metode Tambahan	Moving Average / Rata-rata Bergerak tipe Weighted Moving Average yang dioptimasi dengan PSO (Particle Swarm Optimization)
Total waktu pengerjaan	8 hari
Deskripsi Proyek
Fungsi utama aplikasi ini adalah untuk melakukan peramalan penjualan berdasarkan data penjualan pada periode sebelumnya. Data yang tersedia adalah data penjualan dari berbagai macam produk dalam kurun waktu tertentu. Pengguna dapat memilih produk manakah yang ingin diketahui prediksinya, beserta dengan banyaknya jumlah data yang dipakai dan jumlah prediksi yang ingin dilakukan, kemudian sistem akan melakukan perhitungan dan menampilkan nilai prediksi tersebut pada tempat yang sudah disediakan.Penggunaan metode sebenarnya terdapat 2 macam yaitu untuk membandingkan sistem yang dihasilkan oleh WMA dan WMA yang dioptimasi dengan PSO. Tutorial metode ini dapat dilihat pada link diatas.

Screenshot Hasil Implementasi

Pencarian Jalur Angkutan Umum

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	CSO (Cat Swarm Optimization)
Total waktu pengerjaan	3 hari
Deskripsi Proyek
Fungsi utama aplikasi ini adalah menampilkan jalur terbaik sebaiknya digunakan oleh pengguna dalam bepergian dari sebuah titik menuju titik lainnya. Data yang digunakan adalah data lokasi beserta dengan jarak menuju lokasi lain dan keterangan sistem pengambilan angkutan umum yang benar. Pengguna hanya perlu memasukkan lokasi awal dan beberapa lokasi tujuan yang hendak dikunjungi, kemudian sistem akan melakukan perhitungan untuk mencari jalur terbaik menuju lokasi tersebut dan menampilkan hasil kesimpulan pada layar.Metode yang digunakan adalah metode CSO (Cat Swarm Optimization). Tutorial metode ini dapat dilihat pada link diatas.

Screenshot Hasil Implementasi

Pencarian Buku pada Perpustakaan

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	Levenshtein Distance / Edit Distance dan TF-IDF (Term Frequency – Inverse Document Frequency)
Total waktu pengerjaan	2 hari
Deskripsi Proyek
Fungsi utama aplikasi ini adalah menampilkan urutan data buku yang paling relevan dengan kata kunci yang diinputkan. Data yang digunakan adalah sejumlah data buku yang memiliki hubungan dengan beberapa data lain seperti data penerbit, pengarang, kategori, dan sub kategori. Setelah memasukkan kata kunci yang digunakan, sistem akan melakukuan proses perhitungan pada semua data buku dan menampilkan urutan data buku yang paling relevan dengan kata kunci tersebut. Pembobotan akan lebih dibebankan kepada kriteria kategori, kemudian sub kategori, dan kemudian barulah menggunakan judul buku.

Screenshot Hasil Implementasi

Optimisasi Penataan Barang

Bahasa Pemrograman	Java
Software	NetBeans 8.2, Oracle Java Development Kit 8, Oracle Java Runtime Environment 8
Database	Tidak ada
Metode Tambahan	GA (Genetic Algorithm) / Algoritma Genetika
Total waktu pengerjaan	5 hari
Deskripsi Proyek
Fungsi utama aplikasi ini adalah untuk melakukan penataan box barang ke dalam rak yang dapat dipisahkan oleh pallet apabila diperlukan. Input yang disediakan adalah ukuran rak, ukuran pallet, ukuran masing-masing box, jumlah masing-masing box, beserta parameter yang diperlukan oleh algoritma yang digunakan. Penataan barang tentunya harus memenuhi beberapa batasan tertentu seperti penataan barang dalam 1 pallet harus memiliki ukuran yang sama, penataan harus dimampatkan ke dalam rak dengan menggunakan jumlah pallet sesedikit mungkin, dan penyusunan box tidak boleh melebihi ukuran pallet. Hasil output yang ditampilkan adalah nilai fitness terbaik, total berat yang dibebankan kepada masing-masing pallet, dan isi dari variabel terbaik yang disimulasikan menjadi rancangan penyusunan box dalam pallet.Metode yang digunakan adalah metode GA (Genetic Algorithm) / Algoritma Genetika. Tutorial metode ini dapat dilihat pada link diatas.

Screenshot Hasil Implementasi

Optimisasi Penataan Barang

Bahasa Pemrograman	Java
Software	NetBeans 8.2, Oracle Java Development Kit 8, Oracle Java Runtime Environment 8
Database	Tidak ada
Metode Tambahan	PSO (Particle Swarm Optimization)
Total waktu pengerjaan	5 hari
Deskripsi Proyek
Fungsi utama aplikasi ini adalah untuk melakukan penataan box barang ke dalam rak yang dapat dipisahkan oleh pallet apabila diperlukan. Input yang disediakan adalah ukuran rak, ukuran pallet, ukuran masing-masing box, jumlah masing-masing box, beserta parameter yang diperlukan oleh algoritma yang digunakan. Penataan barang tentunya harus memenuhi beberapa batasan tertentu seperti penataan barang dalam 1 pallet harus memiliki ukuran yang sama, penataan harus dimampatkan ke dalam rak dengan menggunakan jumlah pallet sesedikit mungkin, dan penyusunan box tidak boleh melebihi ukuran pallet. Hasil output yang ditampilkan adalah nilai fitness terbaik, total berat yang dibebankan kepada masing-masing pallet, dan isi dari variabel terbaik yang disimulasikan menjadi rancangan penyusunan box dalam pallet.Metode yang digunakan adalah metode PSO (Particle Swarm Optimization). Tutorial metode ini dapat dilihat pada link diatas.

Screenshot Hasil Implementasi

Percobaan Implementasi Algoritma

Bahasa Pemrograman	Mathworks Matlab
Software	Mathworks Matlab R2015a
Database	Tidak ada
Metode Tambahan	PSO (Particle Swarm Optimization) dengan modifikasi Crisscross
Total waktu pengerjaan	2 hari
Deskripsi Proyek
Proyek ini hanya dikerjakan dalam 2 hari karena hanya merupakan contoh implementasi algoritma PSO (Particle Swarm Optimization) dengan modifikasi Crisscross.Program ini tidak memiliki tampilan GUI, dan tidak memiliki contoh kasus secara spesifik sehingga data yang digunakan adalah data acak. Skrip hanya bertujuan untuk mengimplementasikan modifikasi Crisscross pada algoritma PSO (Particle Swarm Optimization) dan kemudian menampilkan output posisi dan nilai fungsi terbaik yang ditemukan dalam periode tertentu. Setelah itu hasil perubahan nilai fungsi terhadap iterasi akan ditampilkan ke dalam bentuk grafik.

Screenshot Hasil Implementasi

Sistem Koreksi Ejaan

Bahasa Pemrograman	Java
Software	NetBeans 8.2, Oracle Java Development Kit 8, Oracle Java Runtime Environment 8
Database	Tidak ada
Metode Tambahan	Levenshtein Distance / Edit Distance dengan modifikasi Damerau
Total waktu pengerjaan	4 hari
Deskripsi Proyek
Fungsi utama aplikasi ini adalah untuk melakukan koreksi atas kata-kata yang tidak ditemukan dalam kamus. Input yang digunakan adalah sebuah dokumen bertipe doc atau docx. Setelah pengguna memilih dokumen, sistem akan mencari dan menandai setiap kata yang tidak ditemukan pada kamus. Jika terdapat kata pada kamus yang mirip seperti kata pada dokumen, maka kata tersebut akan ditandai dengan warna merah, selain itu akan ditandai dengan warna biru. Jika pengguna melakukan klik kanan pada kata berwarna merah, maka akan muncul rekomendasi kata yang dapat dipilih untuk mengkoreksi kata tersebut. Jika pengguna melakukan klik kanan pada kata berwarna biru, maka akan muncul pilihan untuk menambahkan kata tersebut ke dalam kamus sehingga dapat dikenali untuk proses analisa di kemudian hari. Setelah koreksi dinyatakan sudah selesai, maka pengguna dapat menyimpan dokumen yang sudah dikoreksi tersebut.

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