Semester delapan, dosen pembimbing sudah menolak tiga judul, dan setiap judul baru yang Anda ajukan dijawab dengan pertanyaan yang sama: “rumusan masalahnya apa?”. Masalahnya bukan kekurangan ide; mahasiswa Teknik Informatika dan Sistem Informasi justru tenggelam dalam ide. Masalahnya adalah judul yang hanya menyebut teknologi tanpa pertanyaan penelitian yang bisa diuji dalam satu semester. Tiga puluh judul di bawah ini disusun dengan satu rumusan masalah per judul, metode yang lazim, dan dari mana datanya diambil, agar Anda bisa membawa satu yang paling dekat dengan minat Anda ke ruang bimbingan pekan ini.
Mengapa judul informatika ditolak pembimbing
Tiga alasan yang paling sering muncul di catatan bimbingan. Pertama, judul menyebut produk, bukan pertanyaan: “Rancang Bangun Aplikasi Kasir Berbasis Android” adalah proyek kuliah pemrograman, bukan skripsi, sampai ada sesuatu yang diukur. Kedua, datanya tidak ada atau tidak boleh dipakai: skripsi klasifikasi penyakit yang datanya “akan diminta dari rumah sakit” hampir pasti terhenti di BAB III. Ketiga, cakupannya setara tesis S2: “Pengembangan Model Bahasa Besar untuk Bahasa Daerah” tidak selesai dalam empat bulan dengan laptop kampus. Setiap judul di bawah ini sudah melewati tiga saringan itu: ada variabel yang diukur, datanya terbuka atau bisa dikumpulkan sendiri, dan cakupannya satu semester.
Pola yang dipakai semua judul di daftar ini
Judul skripsi informatika yang lolos hampir selalu memuat empat unsur: metode atau teknologi yang diuji, tugas yang diselesaikan, objek atau lokasi yang membatasi cakupan, dan ukuran keberhasilan yang muncul di rumusan masalah. “Deteksi Penggunaan Helm dengan YOLO di Gerbang Kampus X” menyebut ketiganya, dan rumusan masalahnya menambahkan mAP serta frame per detik sebagai ukuran. Daftar berikut dikelompokkan ke enam bidang yang mencerminkan peminatan yang lazim di prodi Teknik Informatika dan Sistem Informasi Indonesia; tiap judul ditulis lengkap, bukan templat dengan tanda kurung, dan bisa Anda ganti objek atau lokasinya tanpa mengubah rumusan masalahnya. Nama alat yang disebut (scikit-learn, IndoBERT, YOLO, Roboflow, Flutter, ESP32, OWASP ZAP, Suricata, Wazuh) semuanya gratis atau memiliki versi gratis untuk mahasiswa.
Pembelajaran mesin dan sains data (5 judul)
- Perbandingan Random Forest, XGBoost, dan Regresi Logistik untuk Prediksi Mahasiswa Berisiko Putus Kuliah pada Data Akademik Program Studi X. Rumusan masalah: algoritma mana yang memberi F1-score tertinggi pada kelas minoritas (mahasiswa berisiko) setelah penyeimbangan data dengan SMOTE? Data: rekap nilai dan kehadiran dari prodi sendiri, dianonimkan. Perangkat: Python, scikit-learn.
- Prediksi Harga Beras Medium di Pasar Tradisional Kota X dengan LSTM dan Prophet. Rumusan masalah: apakah LSTM mengungguli Prophet pada horizon 7 dan 30 hari diukur dengan MAPE? Data: harga harian dari pusat informasi harga pangan daerah, diunduh selama minimal dua tahun.
- Segmentasi Pelanggan UMKM Kuliner Berbasis RFM dan K-Means: Studi pada Data Transaksi Kedai X. Rumusan masalah: berapa jumlah klaster optimal menurut skor silhouette, dan bagaimana profil tiap klaster? Data: ekspor transaksi dari aplikasi kasir mitra UMKM, dengan izin tertulis.
- Deteksi Anomali Konsumsi Listrik Gedung Kampus Menggunakan Isolation Forest. Rumusan masalah: seberapa akurat Isolation Forest menandai jam dengan konsumsi tidak wajar dibandingkan penandaan manual teknisi? Data: log meteran digital dari bagian sarana kampus.
- Penjelasan Model Prediksi Kelulusan Tepat Waktu dengan SHAP: Fitur Mana yang Paling Berpengaruh? Rumusan masalah: fitur akademik mana yang paling menentukan menurut nilai SHAP, dan apakah temuannya konsisten antarangkatan? Data: basis data akademik prodi, dua angkatan.
Pemrosesan bahasa alami bahasa Indonesia (5 judul)
- Analisis Sentimen Ulasan Aplikasi Layanan Publik Daerah di Google Play dengan IndoBERT dan Naive Bayes. Rumusan masalah: seberapa besar selisih akurasi dan F1 antara IndoBERT yang disetel ulang dan Naive Bayes pada ulasan berbahasa Indonesia informal? Data: ulasan yang diambil dengan pustaka google-play-scraper.
- Klasifikasi Aduan Warga pada Kanal Pengaduan Pemerintah Kota X ke dalam Kategori Dinas dengan Fine-tuning IndoBERT. Rumusan masalah: apakah model mencapai akurasi di atas 85% pada sepuluh kategori dinas, dan kategori mana yang paling sering tertukar? Data: aduan publik yang tersedia di kanal terbuka, dianonimkan.
- Deteksi Ujaran Kebencian Berbahasa Indonesia pada Komentar Media Sosial: Perbandingan TF-IDF plus SVM dan IndoBERT. Rumusan masalah: seberapa besar peningkatan F1 dari model transformer dibandingkan model klasik, dan berapa biaya komputasinya? Data: dataset publik ujaran kebencian Indonesia yang tersedia di Hugging Face dan GitHub.
- Chatbot Layanan Akademik Berbasis Retrieval-Augmented Generation untuk Dokumen Panduan Fakultas. Rumusan masalah: berapa persen jawaban chatbot yang dinilai benar oleh staf akademik, dan bagaimana pengaruh ukuran potongan dokumen terhadap ketepatan? Data: buku panduan akademik fakultas sendiri.
- Peringkasan Otomatis Berita Berbahasa Indonesia dengan Model Transformer: Evaluasi ROUGE dan Penilaian Manusia. Rumusan masalah: apakah skor ROUGE sejalan dengan penilaian pembaca pada ringkasan berita daerah? Data: dataset ringkasan berita Indonesia yang tersedia terbuka.
Visi komputer (5 judul)
- Deteksi Penggunaan Helm pada Pengendara Sepeda Motor di Gerbang Kampus dengan YOLO Versi Terkini. Rumusan masalah: berapa mAP model pada kondisi siang dan hujan, dan berapa frame per detik pada perangkat murah? Data: rekaman sendiri, dianotasi dengan Roboflow.
- Klasifikasi Penyakit Daun Padi dari Citra Ponsel Menggunakan Transfer Learning MobileNetV3. Rumusan masalah: apakah model yang dilatih pada dataset publik tetap akurat pada foto lapangan petani di daerah X? Data: dataset daun padi publik ditambah foto lapangan sendiri.
- Penghitungan Kendaraan Otomatis di Simpang X dari Rekaman CCTV untuk Data Rekayasa Lalu Lintas. Rumusan masalah: seberapa dekat hitungan otomatis dengan hitungan manual surveyor pada jam sibuk? Data: rekaman CCTV milik dinas perhubungan, dengan izin.
- Pengenalan Aksara Daerah (Jawa, Sunda, atau Bali) Tulisan Tangan dengan Convolutional Neural Network. Rumusan masalah: berapa akurasi per karakter dan karakter mana yang paling sering tertukar? Data: dikumpulkan sendiri dari mahasiswa, minimal 50 penulis.
- Pemeriksaan Mutu Visual Produk UMKM (Kerupuk, Tempe, atau Batik) dengan Klasifikasi Citra Sederhana. Rumusan masalah: dapatkah model dua kelas (layak/cacat) mencapai presisi di atas 90% dengan kurang dari 500 citra latih? Data: foto produksi mitra UMKM.
Sistem informasi, web, dan aplikasi seluler (5 judul)
- Pengaruh Kualitas Sistem, Informasi, dan Layanan terhadap Kepuasan Pengguna Sistem Informasi Akademik Universitas X: Pengujian Model DeLone dan McLean. Rumusan masalah: dimensi mana yang paling berpengaruh terhadap kepuasan dan niat lanjut memakai? Data: kuesioner 150 sampai 200 mahasiswa, analisis PLS-SEM.
- Evaluasi Kebergunaan Aplikasi Layanan Desa Digital dengan System Usability Scale dan Pengujian Tugas pada Warga Lanjut Usia. Rumusan masalah: berapa skor SUS dan tingkat penyelesaian tugas kelompok lansia dibandingkan kelompok muda? Data: pengujian langsung 20 sampai 30 responden per kelompok.
- Rancang Bangun Sistem Penjadwalan Kuliah dengan Algoritma Genetika dan Evaluasinya terhadap Jumlah Bentrok Jadwal. Rumusan masalah: berapa persen penurunan bentrok ruang dan dosen dibandingkan jadwal manual semester sebelumnya? Data: jadwal dan daftar ruang prodi sendiri.
- Penerimaan Aplikasi Pembayaran QRIS oleh Pedagang Pasar Tradisional: Pengujian Model UTAUT2. Rumusan masalah: apakah kebiasaan dan nilai harga memengaruhi niat pakai lebih kuat daripada ekspektasi kinerja? Data: kuesioner pedagang di dua pasar.
- Perbandingan Kinerja Aplikasi Seluler Flutter dan Native Android pada Modul Pelaporan Kerusakan Fasilitas Kampus. Rumusan masalah: seberapa berbeda waktu muat, ukuran aplikasi, dan konsumsi memori keduanya pada fitur yang sama? Data: pengukuran sendiri dengan alat profil pengembang.
Internet of Things dan sistem tertanam (5 judul)
- Sistem Pemantauan Kualitas Air Kolam Ikan Berbasis ESP32 dan MQTT dengan Peringatan Otomatis. Rumusan masalah: seberapa akurat pembacaan pH dan suhu dibandingkan alat ukur laboratorium, dan berapa jeda pengiriman peringatan? Data: pengukuran sendiri di kolam mitra selama empat minggu.
- Pengendalian Penyiraman Tanaman Cabai Berdasarkan Kelembapan Tanah dengan Logika Fuzzy pada Mikrokontroler. Rumusan masalah: berapa penghematan air dibandingkan penyiraman terjadwal pada hasil tanaman yang setara? Data: dua petak uji selama satu siklus tanam.
- Pemantauan Konsumsi Energi Rumah Kos secara Real-Time dan Dampaknya terhadap Perilaku Hemat Listrik Penghuni. Rumusan masalah: apakah tampilan konsumsi harian menurunkan pemakaian kWh penghuni dalam satu bulan? Data: sensor arus di beberapa kamar, dengan persetujuan penghuni.
- Sistem Presensi Berbasis RFID dan Pengenalan Wajah: Perbandingan Tingkat Kesalahan dan Waktu Proses. Rumusan masalah: metode mana yang memberi tingkat kesalahan lebih rendah pada kondisi pencahayaan kelas yang berbeda? Data: uji coba di satu kelas selama satu bulan.
- Prediksi Kegagalan Pompa Air Berbasis Data Getaran Sensor Murah dan Model Klasifikasi Ringan. Rumusan masalah: dapatkah model yang berjalan di mikrokontroler mendeteksi pola getaran abnormal sebelum kerusakan terjadi? Data: rekaman getaran pada pompa milik mitra.
Keamanan siber dan jaringan (5 judul)
- Pengujian Keamanan Aplikasi Web Sistem Informasi Fakultas dengan OWASP ZAP dan Pemetaan ke OWASP Top 10. Rumusan masalah: kerentanan kategori mana yang paling banyak ditemukan, dan berapa yang tetap muncul setelah perbaikan? Data: pengujian dengan izin tertulis pengelola sistem.
- Deteksi Intrusi Jaringan Kampus dengan Suricata dan Model Pembelajaran Mesin pada Dataset Publik dan Lalu Lintas Nyata. Rumusan masalah: seberapa banyak alarm palsu berkurang bila aturan Suricata dipadukan dengan klasifikasi berbasis fitur aliran? Data: dataset intrusi publik ditambah tangkapan lalu lintas kampus yang dianonimkan.
- Analisis Kesadaran Keamanan Informasi Mahasiswa dan Simulasi Phishing Terkendali di Fakultas X. Rumusan masalah: berapa persen mahasiswa yang mengeklik tautan simulasi, dan apakah pelatihan singkat menurunkannya pada gelombang kedua? Data: simulasi dengan persetujuan etik dan pimpinan fakultas.
- Pemantauan Keamanan Server Kampus dengan Wazuh: Evaluasi Cakupan Deteksi terhadap Skenario Serangan Umum. Rumusan masalah: dari sepuluh skenario serangan yang disimulasikan, berapa yang terdeteksi dan berapa waktu deteksinya? Data: lingkungan uji virtual yang meniru server fakultas.
- Perbandingan Kinerja Protokol MQTT dan CoAP pada Jaringan IoT dengan Keterbatasan Bandwidth. Rumusan masalah: protokol mana yang memberi latensi dan kehilangan paket lebih rendah pada bandwidth yang dibatasi? Data: pengukuran sendiri di jaringan laboratorium.
Uji empat menit sebelum membawa judul ke pembimbing
Empat pertanyaan yang khas untuk skripsi informatika, di luar uji kelayakan umum yang sudah dibahas pada daftar judul skripsi 2026 per jurusan. Pertama, apakah datanya sudah ada di tangan Anda atau bisa diunduh hari ini? Kalau jawabannya “akan diminta”, ganti judul atau ganti sumber data ke dataset publik dahulu. Kedua, apakah pelatihan model bisa dijalankan di Google Colab gratis atau laptop Anda dalam hitungan jam, bukan hari? Ketiga, apakah ada dosen di prodi yang memang menekuni bidang itu? Judul visi komputer di prodi yang semua dosennya peneliti sistem informasi akan sepi bimbingan. Keempat, apakah ukuran keberhasilannya tertulis di rumusan masalah? Setiap judul di atas menyebut akurasi, F1, mAP, MAPE, SUS, atau persentase penurunan sebagai patokan; itu yang membuat BAB IV bisa ditulis.
Setelah judul disetujui, dua hal menentukan lolosnya proposal: BAB III yang menyebut metode pengembangan, alat, dan rencana pengujian secara spesifik, seperti dijelaskan pada panduan menulis BAB III skripsi teknik informatika, dan naskah proposal yang menjawab pertanyaan penguji sebelum ditanyakan, yang polanya ada pada cara membuat proposal skripsi lolos seminar.
Dari judul yang disetujui ke BAB I yang selesai pekan ini
Judul yang disetujui sering justru membuka masalah baru: latar belakang yang harus menghubungkan tren teknologi dengan masalah nyata di lokasi penelitian, rumusan masalah yang harus dipecah menjadi dua atau tiga pertanyaan yang saling berurutan, dan tujuan serta manfaat yang tidak sekadar menyalin rumusan. Tesify menyusun draf BAB I dari judul, rumusan masalah, dan ringkasan lokasi penelitian yang Anda masukkan, menyarankan referensi terbaru yang relevan dengan metode yang Anda pilih, dan menandai kalimat yang terlalu mirip dengan sumber sebelum pembimbing atau Turnitin menemukannya. Editor AI-nya bekerja pada naskah Anda sendiri, kalimat demi kalimat; Anda tetap penulisnya dan Anda yang memutuskan. Bagi yang ingin menyelesaikan BAB I sampai BAB III sebelum semester berjalan jauh, rencana 30 hari menyelesaikan skripsi memberi urutannya. Mulai BAB I skripsi informatika Anda di Tesify, gratis untuk bab pertama.
Pertanyaan yang Sering Diajukan
Apakah judul skripsi informatika harus memakai kecerdasan buatan?
Tidak. Sepuluh dari tiga puluh judul di atas adalah sistem informasi, IoT, dan keamanan tanpa model pembelajaran mesin. Yang wajib adalah ada sesuatu yang diukur, bukan teknologi tertentu.
Bolehkah memakai dataset publik dari Kaggle atau Hugging Face untuk skripsi?
Boleh dan lazim, selama lisensinya mengizinkan dan Anda mencantumkan sumber serta versinya. Pembimbing biasanya menghargai bila Anda menambah data lokal sendiri sebagai pembanding.
Berapa akurasi minimal agar skripsi klasifikasi dianggap berhasil?
Tidak ada angka baku. Yang dinilai adalah perbandingan yang adil antarmodel, metrik yang tepat untuk kelas tidak seimbang (F1, bukan hanya akurasi), dan pembahasan mengapa hasilnya demikian.
Apakah skripsi rancang bangun tanpa pengujian pengguna masih diterima?
Semakin jarang. Sebagian besar prodi kini meminta pengujian black-box plus pengukuran seperti SUS, waktu tugas, atau tingkat penyelesaian agar ada hasil yang bisa dianalisis di BAB IV.
Bagaimana bila datanya harus diminta dari instansi?
Ajukan surat permohonan sejak judul disetujui dan siapkan judul cadangan berbasis data publik. Banyak skripsi terlambat satu semester hanya karena menunggu data yang tidak kunjung diberikan.
Apakah judul yang sama dengan skripsi kampus lain boleh dipakai?
Boleh bila objek, data, atau metodenya berbeda dan Anda mengutip skripsi itu sebagai penelitian terdahulu. Yang tidak boleh adalah menyalin naskahnya.
Perlukah GPU untuk skripsi pembelajaran mesin?
Untuk tiga puluh judul di atas, Google Colab gratis atau laptop dengan 8 GB RAM sudah cukup bila datanya berukuran wajar dan modelnya bukan model bahasa besar yang dilatih dari awal.
Berapa lama idealnya dari judul disetujui sampai seminar proposal?
Empat sampai enam minggu bila BAB I sampai BAB III dikerjakan berurutan tanpa menunggu data lengkap. Pengumpulan data bisa berjalan paralel dengan penulisan BAB II.