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


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.

Sekilas Screenshot (Klik masing-masing gambar untuk memperbesar)

dummy

[collapse]


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.

Sekilas Screenshot (Klik masing-masing gambar untuk memperbesar)

dummy
dummy

[collapse]


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 jawaban

Metode yang digunakan adalah metode SVR (Support Vector Regression). Tutorial metode ini dapat dilihat pada link diatas.

Sekilas Screenshot (Klik masing-masing gambar untuk memperbesar)

[collapse]


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.

Sekilas Screenshot (Klik masing-masing gambar untuk memperbesar)

dummy
dummy
dummy dummy

[collapse]


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.

Sekilas Screenshot (Klik masing-masing gambar untuk memperbesar)

[collapse]


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.

Sekilas Screenshot (Klik masing-masing gambar untuk memperbesar)

dummy

[collapse]


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.
Sekilas Screenshot (Klik masing-masing gambar untuk memperbesar)

dummy
dummy

[collapse]


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.

Sekilas Screenshot (Klik masing-masing gambar untuk memperbesar)

dummy

[collapse]


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.

Sekilas Screenshot (Klik masing-masing gambar untuk memperbesar)

dummy

[collapse]


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.

Sekilas Screenshot (Klik masing-masing gambar untuk memperbesar)

dummy

[collapse]


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.
Sekilas Screenshot (Klik masing-masing gambar untuk memperbesar)

[collapse]


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