Portofolio Proyek Skripsi

Berikut adalah deskripsi untuk tiap proyek skripsi yang telah kami kerjakan.Apabila ingin melihat Portofolio Proyek Perusahaan, silahkan dicek pada Portofolio Proyek Perusahaan

Uji Kualitas Makanan

Bahasa Pemrograman	Microsoft Visual Basic .NET
Software	Microsoft Visual Studio 2012
Database	Microsoft SQL Server 2012
Metode Tambahan	C4.5
Total waktu pengerjaan	3 hari
Deskripsi Proyek
Tujuan utama aplikasi ini adalah untuk melakukan pengujian terhadap kualitas makanan di sebuah rumah sakit. Data diperoleh dalam bentuk survei dimana setiap pasien diminta untuk mengisi kuisioner dengan kriteria2 tertentu. Data ini kemudian dikumpulkan untuk dicari asosiasi aturan yang berlaku untuk semua data tersebut, sehingga diketahui kriteria apakah yang paling menentukan tingkat kepuasan semua pasien tersebut.

Screenshot Hasil Implementasi

Klasifikasi Autisme Pada Anak

Bahasa Pemrograman	Mathworks Matlab
Software	Mathworks Matlab R2015a
Database	Tidak ada
Metode Tambahan	Fuzzy k-NN (k-Nearest Neighbors)
Total waktu pengerjaan	2 hari
Deskripsi Proyek
Terdapat sejumlah data anak dimana masing-masing data memiliki 10 buah skor kriteria tertentu beserta dengan hasil klasifikasi data tersebut. Sekumpulan data ini dibaca secara langsung dari file excel, kemudian dipisahkan menjadi data latih dan data uji dengan sistem pembagian tertentu yang dapat dipilih oleh pengguna. Proses pelatihan dilakukan pada kelompok data latih untuk mendapatkan model klasifikasi terbaik dan kemudian diujikan pada kelompok data uji untuk mencari nilai ketepatan model tersebut.

Screenshot Hasil Implementasi

Diagnosis Penyakit ISPA

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	Fuzzy k-NN (k-Nearest Neighbors)
Total waktu pengerjaan	4 hari
Deskripsi Proyek
Fitur utama dari aplikasi ini adalah fitur diagnosa, dimana sistem akan melakukan diagnosa terhadap beberapa inputan gejala yang dimiliki oleh pasien. Diagnosa dilakukan dengan bantuan data pasien dari proses-proses sebelumnya, dimana setiap data memiliki 5 buah gejala dengan nilai skala tertentu untuk masing-masing gejala. Sistem akan melakukan proses perhitungan dengan mencari kelompok penyakit dengan kemungkinan tertinggi untuk mendapatkan hasil diagnosa akhir.

Screenshot Hasil Implementasi

Optimasi Data Studi Penyakit

Bahasa Pemrograman	Python
Software	Python 3.7.1
Database	Tidak ada
Metode Tambahan	ACO (Ant Colony Optimization) dan Back-Propagation
Total waktu pengerjaan	4 hari
Deskripsi Proyek
Aplikasi ini bertujuan untuk melakukan pengujian sistem yang dihasilkan oleh algoritma dalam mencari tingkat akurasi ketepatan sistem tersebut. Selain algoritma yang dicantumkan diatas, terdapat sebuah teknik lain yang bernama teknik k-fold dimana data akan dibagi ke dalam beberapa kelompok kecil sebelum melalui proses pengujian. Sehingga dengan menggunakan masing-masing algoritma, sistem akan melakukan proses pelatihan terhadap beberapa grup kecil data untuk mendapatkan sistem yang paling baik yang akan diambil sebagai output akhir dari proses pelatihan, dimana sistem tersebut kemudian diujikan terhadap semua data untuk mengetahui nilai ketepatan sistem.

Screenshot Hasil Implementasi

Penjadwalan Mata Pelajaran

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	GA (Genetic Algorithm) / Algoritma Genetika
Total waktu pengerjaan	3 hari
Deskripsi Proyek
Sama seperti permasalahan penjadwalan pada umumnya, aplikasi ini bertujuan untuk menemukan jadwal mata pelajaran dengan batasan inputan mata pelajaran dan guru. Input yang tersedia pada sistem adalah data mata pelajaran, guru, waktu, dan tabel asosiasi pengajaran yang berisi data hubungan kemampuan antara guru dan mata pelajaran yang diampu. Sistem akan melakukan pencarian jadwal pelajaran yang valid dan menampilkan hasilnya pada layar.

Screenshot Hasil Implementasi

Pemodelan Regresi Non Linear

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	GA (Genetic Algorithm) / Algoritma Genetika
Total waktu pengerjaan	4 hari
Deskripsi Proyek
Fungsi utama aplikasi ini adalah untuk melakukan prediksi penumpang kapal laut pada periode berikutnya dengan menggunakan data-data pada periode sebelumnya. Prediksi dilakukan dengan cara membentuk persamaan regresi sehingga setelah melalui proses perhitungan, sistem akan menghasilkan sebuah persamaan regresi dengan nilai error yang paling minim sehingga dapat digunakan untuk memprediksi jumlah penumpang pada periode tertentu.

Screenshot Hasil Implementasi

Sistem Rekomendasi Tindakan Medis

Bahasa Pemrograman	Microsoft Visual Basic .NET
Software	Microsoft Visual Studio 2012
Database	Microsoft Access 2010
Metode Tambahan	k-NN (k-Nearest Neighbors)
Total waktu pengerjaan	2 hari
Deskripsi Proyek
Proyek ini dikerjakan dalam waktu 2 hari karena program sudah tersedia dalam bentuk setengah jadi. Implementasi yang perlu dilakukan adalah penambahan fitur rekomendasi dimana sistem akan melakukan perhitungan untuk mendapatkan hasil keadaan pasien berdasarkan berbagai macam parameter seperti tinggi, berat, masa lemak dalam tubuh, dan seterusnya. Untuk melakukan hal tersebut, sistem akan menggunakan rekam data sebelumnya sebagai data latih sehingga dapat menentukan hasil keadaan pasien yang baru. Setelah itu sistem juga akan memberikan rekomendasi perawatan terhadap keadaan yang diderita oleh pasien dalam data uji tersebut.

Screenshot Hasil Implementasi

Optimasi Penempatan Penutup Otomatis (Recloser)

Bahasa Pemrograman	Mathworks Matlab
Software	Mathworks Matlab R2015a
Database	Tidak ada
Metode Tambahan	DEA (Differential Evolution Algorithm)
Total waktu pengerjaan	2 hari
Deskripsi Proyek
Terdapat sejumlah data bus sebanyak 81 buah dengan berbagai macam parameter dan atribut, dimana nilai2 ini akan dihitung melalui serangkaian perhitungan yang cukup kompleks untuk mendapatkan 3 buah nilai parameter output yang disebut sebagai SAIFI, SAIDI dan EENS. Algoritma digunakan untuk mendapatkan posisi peletakkan penutup otomatis (recloser) agar menghasilkan rasio terbaik diantara ketiganya (SAIDI/SAIFI, SAIDI/EENS dan SAIFI/EENS). Output yang ditampilkan adalah berupa 2 buah angka sebagai indeks tempat peletakkan penutup otomatis, disertai dengan grafik konvergensi dari ketiga rasio diatas.

Screenshot Hasil Implementasi

Penentuan Rute Optimum Angkutan Umum

Bahasa Pemrograman	Python
Software	Python 3.7.1
Database	Tidak ada
Metode Tambahan	FA (Firefly Algorithm) dan Tabu Search
Total waktu pengerjaan	4 hari
Deskripsi Proyek
Aplikasi ini bertujuan untuk menentukan semua jalur trayek angkutan umum dalam sebuah kota, dimana dalam kasus ini terdapat 11 buah. Masing-masing trayek juga memiliki jalur keberangkatan dan kepulangan yang tidak melalui jalur yang sama, sehingga terdapat 22 jalur yang akan dihitung bersamaan. Pencarian jalur tidak didesain untuk mencari jalur terpendek, melainkan mencari jalur yang dapat memaksimalkan pendapatan supir, akan tetapi terdapat batasan bahwa sebuah ruas jalan hanya dapat dilalui oleh paling banyak 3 trayek untuk menghindari penggunaan ruas jalur oleh semua trayek. Data yang tersedia adalah data id dari setiap titik yang menghubungkan antar ruas jalur, dan output yang dihasilkan adalah kumpulan urutan nilai id yang membentuk jalur dari masing-masing trayek tersebut.Catatan: Mengingat perhitungan yang dilakukan cukup lama, maka hasil perhitungan akan langsung disimpan ke dalam file teks.

Screenshot Hasil Implementasi

Penjadwalan Mata Kuliah

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	ACO (Ant Colony Optimization)
Total waktu pengerjaan	5 hari
Deskripsi Proyek
Terdapat sejumlah data yang diperlukan dalam kasus penjadwalan ini yaitu data mata kuliah, dosen, ruang dan pengajaran yang tersedia. Data-data ini kemudian akan diproses untuk memperoleh jadwal kuliah yang paling baik dengan memenuhi batasan-batasan tertentu dari segi dosen, ruang dan waktu. Setelah melakukan proses perhitungan, sistem akan menampilkan hasil penjadwalan, disertai dengan sebuah tombol untuk menyimpan hasil penjadwalan tersebut ke dalam file bertipe excel.

Screenshot Hasil Implementasi

Identifikasi Penyakit Tanaman Ubi Kayu

Bahasa Pemrograman	Mathworks Matlab
Software	Mathworks Matlab R2015a
Database	Tidak ada
Metode Tambahan	GLCM (Gray-Level Co-occurence Matrix) dan PNN (Probabilistic Neural Network)
Total waktu pengerjaan	4 hari
Deskripsi Proyek
Identifikasi penyakit dilakukan dengan menganalisa citra daun yang diambil pada beberapa sampel tanaman ubi kayu yang tersedia. Tetapi sebelum melakukan analisa maka sistem harus melakukan pelatihan terlebih dahulu dengan menggunakan data citra berbagai macam daun ubi kayu yang sudah dikategorikan sebelumnya. Proses pelatihan akan menghasilkan sebuah sistem yang dapat digunakan untuk menganalisa citra daun, dan pada saat proses pengujian, sistem dapat mengetahui jenis penyakit yang diderita sebuah tanaman berdasarkan citra daun yang diuji. Selain melakukan klasifikasi, sistem juga menampilkan solusi / cara penanggulangan penyakit tersebut.

Screenshot Hasil Implementasi

Pemetaan Daerah Rawan Kriminalitas

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	FCM (Fuzzy C-Means) Clustering
Total waktu pengerjaan	4 hari
Deskripsi Proyek
Fungsi utama aplikasi ini adalah untuk melakukan klasifikasi tingkat kerawanan kriminalitas pada suatu daerah pada periode tertentu. Data yang digunakan adalah sejumlah data jumlah kriminalitas yang dikategorikan pada jenis kriminalitas dan waktu / periode tertentu. Data mentah ini kemudian akan diolah oleh sistem sehingga dapat digunakan dalam proses klasifikasi, dimana hasilnya akan ditampilkan dalam bentuk pemetaan dengan tingkatan warna sesuai dengan tingkat kerawanan yang terjadi pada daerah-daerah tersebut.Metode yang digunakan adalah metode FCM (Fuzzy C-Means) Clustering. Tutorial metode ini dapat dilihat pada link diatas.

Screenshot Hasil Implementasi

Penilaian Calon Tenaga Kontrak

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	SMART (Simple Multi Attribute Rating Technique)
Total waktu pengerjaan	3 hari
Deskripsi Proyek
Fungsi utama aplikasi ini adalah untuk melakukan penilaian terhadap kriteria calon pekerja sebelum dinyatakan diterima untuk bekerja pada suatu tempat. Ada berbagai macam kriteria penilaian yang digunakan dalam perhitungan, dimana setiap kriteria memiliki rentang penilaian tertentu yang diperbolehkan dalam penilaian tersebut. Sistem akan menggunakan data nilai tersebut sebagai input dan kemudian menggunakan metode SMART untuk mendapatkan skor akhir dari calon pekerja tersebut. Perhitungan akan dilakukan dalam kelompok calon pekerja, sehingga sistem dapat mengurutkan skor tersebut dari skor tertinggi menuju skor terendah untuk melakukan seleksi calon pekerja yang akan diterima.

Screenshot Hasil Implementasi

Penentuan Tingkat Kekumuhan Kawasan

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	FIS (Fuzzy Inference System): Tipe Tsukamoto dan FIS (Fuzzy Inference System): Tipe Mamdani
Total waktu pengerjaan	5 hari
Deskripsi Proyek
Aplikasi ini bertujuan untuk membandingkan hasil klasifikasi dengan menggunakan 2 algoritma Fuzzy. Data utama yang digunakan adalah data nilai yang diberikan untuk setiap kategori beserta sub kategori tertentu untuk setiap kelurahan pada sekumpulan daerah. Pada saat proses pengujian sistem akan menghitung skor fuzzy berdasarkan nilai2 yang sudah diinputkan sebelumnya, dan kemudian membandingkan algoritma manakah yang memiliki tingkat akurasi yang lebih tinggi.Metode yang digunakan adalah metode FIS (Fuzzy Inference System): Tipe Tsukamoto dan FIS (Fuzzy Inference System): Tipe Mamdani. 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