Logo UNS Institutional Repository
  • Home
    • Informasi
      • Bebas Pustaka dan Unggah Mandiri
      • Legal Warning
      • Cara Menjadi Anggota
      • Panduan Akses Repositori
      • Visualisasi Riset
      • Tentang
    • Statistik
      • Dokumen Dibaca
      • Dokumen Diunduh
      • Dokumen per Fakultas
      • Dokumen per Prodi
      • Dokumen Terkini
      • Jenis Dokumen
      • Pengunjung
  • Kontak
  • Login

Daftar Dokumen Fakultas ( Fak Teknologi Informasi dan Sains Data )

Penulis

Judul

Tahun

Dosen Pembimbing

Jenis Dokumen

Lihat selengkapnya

Fakultas

Lihat selengkapnya
Steganografi citra, Deep Learning, AttenHideNet, Distortion-Aware Training, Ketahanan
Peningkatan Robustness Model End-to-End Steganografi Menggunakan AttenHideNet Terhadap Beragam Distorsi Melalui Distortion-Aware Training
Steganografi citra merupakan teknik untuk menyembunyikan informasi rahasia ke dalam citra penampung dengan tetap mempertahankan kualitas visual. Meskipun AttenHideNet, model ringan berbasis U-Net dengan soft attention dan ruang warna YUV, memiliki tingkat imperceptibility yang tinggi, ketahanannya terhadap distorsi kanal masih terbatas....
Adidya Abimanyu
Skripsi
Surakarta-Fak. Teknologi Informasi dan Sains Data-2026
academic burnout, stacking ensemble, random forest, support vector machine, machine learning, sistem peringatan dini.
DETEKSI ACADEMIC BURNOUT PADA MAHASISWA MENGGUNAKAN METODE STACKING ENSEMBLE RANDOM FOREST DAN SVM
Pendidikan tinggi menghadapkan mahasiswa pada tekanan akademik, tuntutan kinerja, dan faktor eksternal yang dapat memicu academic burnout, yaitu sindrom multidimensi yang ditandai oleh kelelahan emosional, sinisme, dan penurunan efikasi akademik. Deteksi dini menjadi...
Naufal Kholif Nashuha
Skripsi
Surakarta-Fak. Teknologi Informasi dan Sains Data-2026
Green-VRPTW, Hybrid Genetic Search, Bellman-Ford Algorithm, Heterogeneous Fleet, Logistik Perkotaan, Emisi Karbon.
IMPLEMENTASI HYBRID GENETIC SEARCH DENGAN BELLMAN-FORD SPLIT PADA GREEN-VRPTW ARMADA HETEROGEN: STUDI KASUS SURAKARTA
Penelitian ini membahas Green Vehicle Routing Problem with Time Windows (Green-VRPTW) pada skenario armada heterogen untuk distribusi last-mile perkotaan di Surakarta. Tujuan penelitian ini adalah mengembangkan kerangka optimasi rute yang mampu mempertimbangkan time window, heterogenitas kendaraan, dan biaya emisi karbon secara simultan pada...
Gardasvara Mistortoify
Skripsi
Surakarta-Fak. Teknologi Informasi dan Sains Data-2026
Inflasi, Random Forest, Boruta, Seleksi Fitur, Prediksi, Indonesia
Optimasi Prediksi Inflasi di Indonesia Menggunakan Model Random Forest dan Seleksi Fitur Boruta
Inflasi di Indonesia dipengaruhi oleh interaksi kompleks berbagai variabel makroekonomi yang bersifat non-linear. Penelitian ini bertujuan mengoptimalkan model Random Forest menggunakan algoritma seleksi fitur Boruta yang mengusung pendekatan all-relevant. Menggunakan dataset bulanan periode Januari 2005 hingga Desember 2024, penelitian ini...
Nathaniel Steave Harjanto
Skripsi
Surakarta-Fak. Teknologi Informasi dan Sains Data-2026
BiLSTM, Cluster-based deep learning, Demand forecasting, HDBSCAN, Temporal aggregation
Peramalan Penjualan Produk Short Life-Cycle Menggunakan Pendekatan Cluster-based Deep Learning Berbasis HDBSCAN dan BILSTM
Peramalan permintaan intermiten pada produk Short Life-Cycle (SLC) merupakan tantangan kritis dalam manajemen rantai pasok ritel akibat pola permintaan yang tidak beraturan, siklus hidup singkat, dan heterogenitas antarproduk yang tinggi. Penelitian ini...
A. Agim Awaluddin
Skripsi
Surakarta-Fak. Teknologi Informasi dan Sains Data-2026
Risiko Kredit, XGBoost, Optuna, SHAP, Credit Scorecard, Stabilitas Penjelasan.
SISTEM PENILAIAN RISIKO KREDIT MENGGUNAKAN XGBOOST, INTERPRETASI SHAP DAN CREDIT SCORECARD
Manajemen risiko kredit memerlukan model prediksi yang akurat, transparan, dan aplikatif. Algoritma XGBoost unggul dalam akurasi, namun sifat black-box dari algoritma ini menghambat interpretabilitas. Penelitian ini bertujuan mengimplementasikan XGBoost yang dioptimalkan Optuna, mengevaluasi stabilitas metode Shapley Additive exPlanations...
Andy Burhanuddin
Skripsi
Surakarta-Fak. Teknologi Informasi dan Sains Data-2026
BERT, BERTopic, Expanding Window, Sentiment Forecasting, Steam Reviews
ANALISIS SENTIMEN-TOPIK BERBASIS BERT UNTUK PREDIKSI PERSEPSI PENGGUNA GAME BERDASARKAN ULASAN PADA PLATFORM STEAM
Penelitian ini mengusulkan pipeline yang menggabungkan klasifikasi sentimen BERT, pemodelan topik BERTopic, dan peramalan jangka pendek skor persepsi pengguna (User Perception Score/UPS) mingguan per game. Korpus terdiri atas 150.000 ulasan berbahasa Inggris dari 15 game Steam pada lima genre (10.000 per game, dua belas bulan). Sentimen dari model...
Muhamad Pramudito Priambodo
Skripsi
Surakarta-Fak. Teknologi Informasi dan Sains Data-2026
Sistem Rekomendasi, Ibu Hamil Remaja, Content-Based Filtering, Latent Semantic Analysis, FP-Growth
Implementasi Metode Content-Based Filtering dan Algoritma FP-Growth Menggunakan TF-IDF pada Sistem Rekomendasi Edukasi Kesehatan Ibu Hamil Remaja
Kehamilan pada usia remaja memiliki tingkat kerentanan fisik dan psikologis yang tinggi, sehingga membutuhkan akses informasi dan edukasi kesehatan yang sangat personal. Pendekatan Collaborative Filtering dinilai berisiko dalam konteks medis karena kondisi setiap ibu hamil bersifat unik dan tidak dapat disamaratakan dengan preferensi pengguna...
Muhammad Harun Riyad
Skripsi
Surakarta-Fak. Teknologi Informasi dan Sains Data-2026
Deteksi Clickbait, Large Language Model, Zero-Shot, Few-Shot, Self-Consistency
Deteksi Clickbait pada Judul Berita Berbahasa Indonesia dengan Berbagai Strategi Prompting pada Large Language Model
Deteksi clickbait pada judul berita merupakan salah satu tugas penting dalam bidang Natural Language Processing (NLP) yang berkaitan dengan kualitas informasi dan kredibilitas jurnalisme digital. Meskipun pendekatan machine learning dan deep learning tradisional telah menunjukkan kinerja yang baik dalam mendeteksi clickbait,...
Nandhika Rega Rohadi
Skripsi
Surakarta-Fak. Teknologi Informasi dan Sains Data-2026
peringkasan abstraktif, seleksi ulasan bermanfaat, pelabelan sentimen berbasis rating, T5-Base, BART-Base, ROUGE, METEOR.
PERINGKASAN ABSTRAKTIF ULASAN FILM MENGGUNAKAN FINE-TUNED T5-BASE DENGAN SELEKSI ULASAN BERMANFAAT DAN PELABELAN SENTIMEN BERBASIS RATING
Penelitian ini mengembangkan pipeline peringkasan abstraktif ulasan film IMDb melalui seleksi ulasan bermanfaat, pelabelan sentimen berbasis rating, anotasi gold summary, dan fine-tuning model Transformer. Dataset awal berisi 932.464 ulasan dari 1.150 film. Setelah diterapkan kriteria helpfulness ratio > 0,5 dan total vote  5, serta ulasan...
Muhammad Daffa' Ayyasy
Skripsi
Surakarta-Fak. Teknologi Informasi dan Sains Data-2026
  • Previous
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • Next
  • Last
© 2026 UPT Perpustakaan Universitas Sebelas Maret | rss