Kalau kamu lagi bingung milih topik skripsi, kamu nggak sendirian. Hampir semua mahasiswa IT pernah ngerasain fase galau ini: pengen topik yang keren, relevan, gampang ACC, dan tetap masuk akal dikerjakan dalam 3–5 bulan.
Di era sekarang, salah satu topik yang paling aman, modern, dan punya banyak referensi adalah AI (Artificial Intelligence). Kenapa? Karena:
- Perusahaan makin butuh skill AI.
- Dataset makin gampang dicari.
- Tools seperti TensorFlow, Sklearn, YOLOv8, dan Colab bikin prosesnya lebih simpel.
Topik AI cocok buat kamu yang kuliah di Informatika, Sistem Informasi, Ilmu Komputer, Teknologi Informasi, atau jurusan lain yang butuh penerapan sistem cerdas.
Kenapa Milih Skripsi Berbasis AI?
Milih topik berbasis AI itu bukan cuma biar terlihat keren, tapi karena manfaatnya beneran kerasa. Proyek AI biasanya lebih mudah diuji karena output-nya jelas: grafik akurasi, confusion matrix, dashboard monitoring, atau model prediksi.
Selain itu, AI punya cabang yang luas — Machine Learning, Deep Learning, NLP, Computer Vision — jadi kamu bisa milih yang paling sesuai dengan minat dan kemampuan.
Dan yang paling penting: langsung kepake buat portfolio kerja. Banyak perusahaan cari kandidat yang punya pengalaman di data, model prediksi, rekomendasi, atau vision system.
10 Ide Proyek Skripsi AI Paling Masuk Akal
Di bagian ini, kita bakal bahas 10 ide skripsi yang beneran masuk akal buat kamu kerjain dalam 3–5 bulan. Semua dijelasin dengan gaya santai ala BWA, bukan cuma sekadar poin-poin kaku. Jadi kamu bisa langsung kebayang alurnya dan enak nanti waktu consult ke dosen.
1) Rancang Bangun Sistem Analisis Pendapatan & Prediksi Tren Penjualan (ARIMA)
Kalau kamu pengen skripsi yang berhubungan sama bisnis dan gampang dijelasin ke dosen, topik ini bisa jadi pilihan aman. Inti dari project ini adalah membaca pola penjualan dari waktu ke waktu dan mencoba memprediksi apa yang bakal terjadi di periode berikutnya. Kamu pakai metode ARIMA atau SARIMA yang emang jagonya buat data time-series. Dataset-nya simpel: cukup data penjualan harian atau bulanan dari perusahaan. Dari model ini nanti kamu bakal punya grafik prediksi yang enak dibaca, plus evaluasi error kayak MAPE atau RMSE. Cocok banget buat kamu yang suka data dan pengen hasil penelitian yang keliatan "bermanfaat" secara bisnis.
2) Sistem Pemesanan Digital Printing dengan Rekomendasi Spesifikasi Produk (TOPSIS + AI)
Topik ini cocok kalau kamu pengen bangun sesuatu yang bentuk akhirnya berupa web-app fungsional. Idenya adalah bikin sistem pemesanan digital printing yang bisa bantu pelanggan memilih bahan, ketebalan, sampai finishing terbaik. Sistem rekomendasinya pakai metode TOPSIS buat nentuin nilai prioritas dari setiap pilihan, lalu ditambah rule-based AI biar hasil rekomendasinya makin relevan. Dataset-nya berisi informasi bahan—mulai dari harga, tekstur, ketebalan, sampai kualitas hasil cetak. Output akhirnya web yang bisa nyaranin bahan otomatis. Dosen biasanya suka yang beginian karena jelas, rapi, dan mudah diuji.
3) Sistem Presensi Wajah Otomatis Menggunakan CNN
Kalau kampusmu masih ribut soal absensi manual, kamu bisa bawa solusi ini sekalian. Kamu bakal bikin sistem presensi otomatis menggunakan teknologi face recognition berbasis CNN—model yang sering dipakai antara MobileNet atau FaceNet. Dataset-nya cukup foto wajah mahasiswa atau karyawan dari beberapa kondisi cahaya. Model ini nantinya bisa mendeteksi wajah dan verifikasi identitas secara real-time. Hasil akhirnya adalah sistem presensi otomatis yang lebih cepat, minim kecurangan, dan gampang dipamerin pas sidang skripsi.
4) Deteksi Penyakit Daun Tanaman Menggunakan YOLOv8
Kalau kamu pengen skripsi yang dekat sama dunia pertanian atau agro-tech, ini topik yang pas banget. Idenya simpel: kamu bantu petani dengan mendeteksi penyakit pada daun tanaman menggunakan YOLOv8. Model ini ngasih bounding box langsung ke area daun yang sakit—jadi nggak cuma "sakit" atau "nggak", tapi lokasi penyakitnya juga keliatan. Dataset-nya berupa foto daun sehat dan kena penyakit. Output akhirnya jelas: bounding box, label penyakit, dan akurasi. Dan bonusnya, dosen biasanya suka topik yang "bermanfaat bagi masyarakat".
5) Recommendation Engine (Collaborative Filtering + Deep Learning)
Ini cocok buat kamu yang suka topik e-commerce, streaming, atau behavior analysis. Kamu bakal bikin sistem rekomendasi yang bisa ngerti pola kesukaan pengguna. Metodenya neural collaborative filtering yang menggabungkan embedding user dan item buat cari rekomendasi yang paling relevan. Dataset-nya rating atau histori interaksi user—misalnya riwayat film atau produk. Output akhirnya berupa daftar rekomendasi yang dipersonalisasi. Kalau dosenmu suka data, ini bakal jadi salah satu topik favoritnya.
6) Customer Segmentation Menggunakan K-Means + Embedding AI
Proyek ini fokus pada bagaimana perusahaan mengelompokkan pelanggan secara otomatis berdasarkan kebiasaan belanja. Metode utamanya K-Means, kadang ditambah PCA atau embedding biar pola datanya makin rapi. Dataset yang kamu butuhkan berupa data transaksi atau profil pelanggan. Output akhirnya adalah visualisasi cluster yang enak dilihat serta insight yang bisa dipakai buat marketing. Skripsi model gini biasanya disukai karena "punya nilai bisnis".
7) Sistem Monitoring Tanaman Menggunakan Klasifikasi Gambar
Kalau kamu pengen yang agak santai tapi tetap keren, kamu bisa pilih topik monitoring tanaman ini. Kamu bikin model CNN yang bisa mendeteksi kondisi tanaman apakah sehat atau nggak. Dataset-nya foto-foto tanaman dari beberapa fase pertumbuhan. Output akhirnya dashboard kecil buat mantau kondisi tanaman. Simple, tapi impactful.
8) Identifikasi Plat Nomor Kendaraan (OCR + YOLO)
Topik ini keren karena menggabungkan dua hal: deteksi objek dan pembacaan teks. Kamu pakai YOLO buat deteksi plat, lalu OCR (biasanya Tesseract) buat baca nomor kendaraan. Dataset-nya foto-foto plat dengan berbagai kondisi nyata: cahaya, miring, hujan, dll. Output akhirnya berupa nomor plat lengkap dengan timestamp. Cocok buat sistem parkir otomatis atau keamanan.
9) Prediksi Cuaca Lokal Menggunakan LSTM
Ini salah satu topik paling realistis dan sering dipilih karena hasilnya langsung kerasa manfaatnya. Kamu bakal memprediksi suhu, kelembaban, dan potensi hujan dalam waktu dekat menggunakan model LSTM atau GRU yang emang jago menangani data time-series. Dataset bisa ambil dari BMKG atau open data cuaca lain. Output akhirnya grafik prediksi yang gampang dimengerti serta evaluasi error buat ngejelasin performa model ke dosen. Project ini kelihatan teknis tapi tetap gampang dipahami orang awam.
10) Perbandingan Model Transfer Learning untuk Klasifikasi Citra
Topik ini cocok buat kamu yang suka eksperimen dengan model deep learning. Kamu bakal ngebandingin performa beberapa model pretrained—kayak VGG16, ResNet50, sampai EfficientNet—untuk tugas klasifikasi gambar multi-kelas. Dataset-nya bisa gambar buah, hewan, sampah, atau kategori lain. Dari penelitian ini, kamu bakal bikin tabel perbandingan akurasi dan analisis kenapa satu model lebih unggul dari yang lain. Topik ini biasanya gampang di-ACC karena strukturnya jelas dan ilmiah.
Kesimpulan
Kalau kamu perhatiin dari seluruh ide di atas, hampir semuanya punya satu benang merah: topik AI itu jauh lebih terukur, gampang diuji, dan hasilnya bisa langsung divisualisasikan. Ini yang bikin skripsi berbasis AI jadi terlihat lebih modern dan rapi. Selain itu, hampir semua project bisa kamu kembangin ke bentuk web-app, mobile, atau dashboard sesuai kebutuhan kampus. Tools seperti Python, Google Colab, TensorFlow, PyTorch, Sklearn, sampai YOLOv8 juga udah bikin prosesnya jauh lebih manusiawi—nggak perlu hardware mahal buat mulai.
Intinya, topik AI itu bukan cuma “keren di judul”, tapi beneran ngebantu kamu ngerjain skripsi yang lebih jelas arahnya dan gampang di-ACC karena metodologinya kuat.
Rekomendasi & Tips Buat Mahasiswa
Sebelum kamu loncat ke coding, ada beberapa hal yang bisa bantu perjalanan skripsimu lebih mulus. Pertama, pilih topik yang realistis diselesaikan dalam 3–5 bulan. AI itu luas banget, jadi jangan sampai kamu kebablasan milih yang terlalu kompleks. Kedua, fokus dulu ke dataset—karena tanpa data yang rapi, model paling canggih pun bakal kelimpungan. Ketiga, waktu konsultasi ke dosen, selalu jelasin pakai bahasa “tujuan penelitian” biar dosen cepat nangkep arah penelitianmu.
Kalau kamu masih bingung mau mulai dari mana atau pengen belajar AI dengan cara yang lebih santai tapi tetap nancep, kamu bisa banget mulai dari mini project kecil dulu — misalnya prediksi cuaca, klasifikasi gambar sederhana, atau recommendation system versi ringan. Pelan-pelan tapi pasti, nanti semua konsepnya bakal kebuka sendiri.
Yang penting ya mulai dulu. Nggak perlu nunggu jago. Kalau mau belajar lebih terarah dan step-by-step, kamu juga bisa cek kelas-kelas yang relevan di BWA. Di BWA kamu akan mendapatkan gambaran dari tutor, dan nanti nyusun skripsi itu langsung jauh lebih gampang.
Semangat ngerjain skripsinya, ya! Kamu pasti bisa beresin ini :))
