Update latex/chapters/id/03_methodology/data_analysis/index.tex

fix(latex): Fix typo

Co-authored-by: Copilot <175728472+Copilot@users.noreply.github.com>

latex/appendix/important/abdeljaber2017.tex

@@ -0,0 +1,41 @@
+2   %Nomor
+            
+            %for mult rows
+
+            &   %Judul Jurnal
+            Real-time vibration-based structural damage detection using one-dimensional convolutional neural networks \href{https://doi.org/10.1016/j.jsv.2016.10.043}{10.1016/j.jsv.
+            2016.10.043}
+            
+            %for mult rows
+
+            % &   %Author
+            % % Satish B Satpal; Yogesh Khandare; Anirban Guha; Sauvik Banerjee
+            
+            % %for mult rows
+
+            % &   %Nama Jurnal
+            % International Journal of Advanced Structural Engineering (IJASE) 
+            
+            % %for mult rows
+
+            % &   %Sumber
+            % \href{http://dx.doi.org/10.1186/2008-6695-5-2}{ResearchGate}
+            
+            % %for mult rows
+
+            % & %Tahun
+            % 2020
+            
+            % %for mult rows
+
+            &   %Tujuan penelitian
+            Mengidentifikasi lokasi kerusakan struktur secara \textit{real-time} dengan memproses sinyal getaran mentah yang diambil dari jaringan-jaringan akselerometer pada setiap titik tanpa proses tambahan atau ekstraksi fitur.
+
+            &   %Kesimpulan
+                % Studi ini menilai kemampuan mesin vektor pendukung untuk memprediksi intensitas kerusakan dan lokasi pada balok kantilever. Meskipun berhasil memprediksi kerusakan dengan sedikit kesalahan, tingkat kebisingan dan lokasi kerusakan memengaruhi keakuratan. Tingkat kebisingan yang tinggi mempengaruhi kinerja secara signifikan, terutama pada intensitas kerusakan yang lebih rendah.
+            &   % Gap Research
+                \begin{enumerate}
+                    \item Riset ini hanya dilakukan dengan \textit{full-grid array} akselerometer yang diletakkan pada setiap \textit{node} kerusakan, sehingga memerlukan banyak perangkat akselerometer.
+
+                    \item Tidak ada komparasi performa efisiensi dan akurasi dengan algoritma pembelajaran mesin lain yang lebih populer sebelumnya.
+                \end{enumerate}

latex/appendix/important/van2020.tex

@@ -0,0 +1,68 @@
+1 
+            
+%for mult rows
+
+& 
+Statistical Feature Extraction in Machine Fault Detection using Vibration Signal (\href{https://doi.org/10.1109/ICTC49870.2020.9289285}{10.1109/ICTC49870.
+2020.9289285})
+%for mult rows
+
+% &
+% Donghui Xu; Xiang Xu; Michael C. Forde; Antonio Caballero
+
+%for mult rows
+
+% &
+% Construction and Building Materials
+
+% %for mult rows
+
+% &
+% \href{https://doi.org/10.1016/j.conbuildmat.2023.132596}{ScienceDirect}
+
+% %for mult rows
+
+% &
+% 2023
+
+% %for mult rows
+
+&
+\begin{enumerate}[series=enum]
+    \item Menginvestigasi cara mengklasifikasi kondisi \textit{gearbox} normal dan rusak menggunakan sinyal getaran berbasis pada kombinasi antara analisis statistik dan FFT dengan algoritma pembelajaran mesin (ANN, Logistic Regression, dan SVM)
+    
+    \item Mengurangi waktu latih dan kompleksitas kalkulasi dengan analisis statistik sebagai input data meliputi sembilan fitur: mean, median, min, max, kurtosis, \textit{skewness}, \textit{standard deviation}, and \textit{range}.
+\end{enumerate}
+
+&
+\begin{enumerate}[series=enum2]
+    \item Nilai \textit{maximum} dan kurtosis adalah fitur yang paling signifikan untuk mengklasifikasi kelas label pembelajaran mesin.
+
+    \item ANN meraih akurasi 100\% pada input FFT penuh dan analisis statistik, sedangkan Regresi Logistik (LR) dan SVM meraih akurasi 100\% dengan input FFT penuh namun hanya mendapat akurasi 91\% dengan input analisis statistik
+\end{enumerate}
+
+&
+\begin{enumerate}
+    \item Lorem
+    \item Ipsum
+\end{enumerate}
+
+%-------------page break----------------
+% \\
+% &
+% &
+% &
+% &
+% &
+% &
+% &
+% \begin{enumerate}[resume=enum]
+%     \item Menyajikan berbagai perkembangan penelitian, mendiskusikan dan membandingkannya kelebihan dan kekurangannya
+%     \item Meringkas kesesuaian berbagai metode pembelajaran mesin untuk masalah SHM yang berbeda
+%     \item Terakhir, tren masa depan
+% \end{enumerate}
+% &
+% \begin{enumerate}[resume=enum2]
+%     \item SVM dan hutan acak kurang mendapat perhatian dibandingkan dengan jaringan saraf. Ini digunakan untuk klasifikasi kerusakan. Namun, pemrosesan awal data jauh lebih rumit.
+
+% \end{enumerate}

latex/appendix/summary_related_paper.tex

@@ -0,0 +1,509 @@
+\documentclass[12pt,a4paper]{report}
+\usepackage{hyperref}
+\usepackage[top=1cm,right=3cm,bottom=1cm,left=3cm]{geometry}
+\usepackage{multirow}
+\usepackage{array}
+% \usepackage{makecell}
+\usepackage{pdflscape}
+\usepackage{longtable,booktabs}
+\usepackage{colortbl,xcolor}
+\usepackage{enumitem}
+\usepackage{pdfpages}
+\usepackage{caption}
+\usepackage[bahasa]{babel}
+\usepackage{xpatch,csquotes}
+\usepackage[backend=biber]{biblatex}
+\addbibresource{export.bib}
+\DeclareSourcemap{
+  \maps[datatype = bibtex]{
+    \map{
+       \step[fieldsource = abstract,
+          match = \regexp{([^\\])\%},
+          replace = \regexp{\$1\\\%}]
+    }
+  }
+}
+% \usepackage{tablefootnote}
+% \usepackage{showframe}
+\definecolor{Gray}{gray}{0.95}
+\newcolumntype{a}{>{\columncolor{Gray}}p}
+\renewcommand{\thefootnote}{\textit{\alph{footnote}}}
+% \newcolumntype{b}{>{\raggedright\arraybackslash}p}
+
+\title{Tugas 2 \\ Metode Penelitian}
+\author{Rifqi Damar Panuluh \\ 20210110224}
+
+\begin{document}
+    \maketitle
+    \begin{landscape}
+    % Table generated by Excel2LaTeX from sheet 'Sheet1'
+    % \begin{table}[h]
+        \centering
+        \begin{longtable}{
+            >{\raggedleft\arraybackslash}p{0.02\linewidth}   %1
+            >{\raggedright\arraybackslash}a{0.1\linewidth}   %2
+            % >{\raggedright\arraybackslash}p{0.1\linewidth}    %3
+            % >{\raggedright\arraybackslash}a{0.075\linewidth}    %4
+            % p{0.065\linewidth}    %5
+            % >{\raggedleft\arraybackslash}p{0.05\linewidth}    %6
+            >{\raggedright\arraybackslash}p{0.25\linewidth}    %7
+            >{\raggedright\arraybackslash}a{0.25\linewidth}    %8
+            >{\raggedright\arraybackslash}p{0.25\linewidth}    %9
+            }  
+
+            \caption{Tinjauan pustaka, topik: pemanfaatan data getaran untuk monitor kesehatan struktur jembatan}
+            \label{tab:my_label}
+          \\
+          \toprule
+          \toprule
+          \rowcolor{white}
+          No.  %1
+          & 
+          Judul %2
+          % &
+          % Nama Penulis  %3
+          % &
+          % Nama Jurnal   %4
+          % &
+          % Sumber    %5
+          % &
+          % Tahun %6
+          &
+          Tujuan Penelitian %7
+          &
+          Kesimpulan    %8
+          &
+          Gap Research %9
+            
+            \\\midrule
+        \endfirsthead
+        \toprule
+          \rowcolor{white}
+          No.  %1
+          & 
+          Judul %2
+          % &
+          % Nama Penulis  %3
+          % &
+          % Nama Jurnal   %4
+          % &
+          % Sumber    %5
+          % &
+          % Tahun %6
+          &
+          Tujuan Penelitian %7
+          &
+          Kesimpulan    %8
+            
+            \\\midrule
+        \endhead
+        \midrule
+        \multicolumn{4}{r}{\textit{berlanjut di halaman berikutnya}}
+        \endfoot
+        \bottomrule
+        \bottomrule
+        \endlastfoot
+            
+        %-----1
+        \input{important/van2020}
+        \\
+        %-----2
+        \input{important/abdeljaber2017}
+        \\
+        %------3
+        \\
+            3
+
+            &   %Judul Jurnal
+           Real-time nondestructive structural health monitoring using support vector machines and wavelets (Ahmet Bulut; Ambuj K. Singh; Peter Shin; Tony Fountain; Hector Jasso; Linjun Yan; Ahmed Elgamal)
+            
+            %for mult rows
+
+            % &   %Author
+            % Ahmet Bulut; Ambuj K. Singh; Peter Shin; Tony Fountain; Hector Jasso; Linjun Yan; Ahmed Elgamal
+            
+            %for mult rows
+
+            % &   %Nama Jurnal
+            % Case Studies in Construction Materials 13 (2020) e00406
+            
+            % %for mult rows
+
+            % &   %Sumber
+            % SPIE
+            
+            % %for mult rows
+
+            % & %Tahun
+            % 2005
+            
+            %for mult rows
+
+            &   %Tujuan penelitian
+            Eksplorasi efektivitas SVM dalam deteksi kerusakan; Validasi model SVM dengan data nyata jembatan
+            
+            & %Kesimpulan 
+            \begin{enumerate} [series=enum]
+                \item SVM menunjukkan akurasi tinggi dalam mengidentifikasi lokasi kerusakan
+                \item Rekomendasi untuk penyetelan parameter SVM
+            \end{enumerate}
+
+
+
+            
+        %-----------4
+        \\
+            4
+
+            &   %Judul Jurnal
+           A novel approach of Structural Health Monitoring by the application of FFT and wavelet transform using an index of frequency dispersion (Fragkiskos P. Pentaris; John Stonham; John P. Makris)
+            
+            %for mult rows
+
+            % &   %Author
+            % Fragkiskos P. Pentaris; John Stonham; John P. Makris
+            
+            %for mult rows
+
+            % &   %Nama Jurnal
+            % International Journal of Geology
+            
+            % %for mult rows
+
+            % &   %Sumber
+            % Research Gate
+            
+            % %for mult rows
+
+            % & %Tahun
+            % 2013
+            
+            %for mult rows
+
+            &   %Tujuan penelitian
+            \begin{enumerate}
+                \item Memeriksa peran FFT dalam pemrosesan awal data getaran
+                \item Menilai dampak FFT terhadap keakuratan deteksi kerusakan
+            \end{enumerate}
+            
+            & %Kesimpulan 
+            \begin{enumerate} [series=enum]
+                \item FFT meningkatkan rasio \textit{signal-to-noise} dan meningkatkan deteksi kerusakan.
+                \item Menyarankan integrasi dengan algoritme lain untuk meningkatkan akurasi.
+            \end{enumerate}
+            
+            \\ %-------------page break----------------
+
+
+
+            
+        %-----------4
+        \\
+            5
+
+            &   %Judul Jurnal
+           Review of Vibration-Based Structural Health Monitoring Using Deep Learning (Gyungmin Toh; Junhong Park)
+            
+            %for mult rows
+
+            % &   %Author
+            % Gyungmin Toh;
+            % Junhong Park
+            
+            % %for mult rows
+
+            % &   %Nama Jurnal
+            % Apllied Sciences
+            
+            % %for mult rows
+
+            % &   %Sumber
+            % MDPI
+            
+            % %for mult rows
+
+            % & %Tahun
+            % 2020
+            
+            %for mult rows
+
+            &   %Tujuan penelitian
+            \begin{enumerate}
+                \item ringkasan studi penerapan algoritma pembelajaran mesin untuk kesalahan pemantauan (\textit{monitoring}) menggunakan faktor getaran untuk mengkategorikan penelitian. 
+                \item Menyediakan interpretasi singkat tentang jaringan saraf dalam untuk pengaplikasian lebih lanjut dalam analisis getaran struktural.
+            \end{enumerate}
+            
+            & %Kesimpulan 
+            \begin{enumerate} [series=enum]
+                \item Deep learning has the advantage of being able to perform health monitoring on complex structures with high accuracy.
+            \end{enumerate}
+%-------------page break----------------
+
+
+
+            
+        %-----------4
+        \\
+            6
+
+            &   %Judul Jurnal
+           A deep learning approach to condition monitoring of cantilever beams via time-frequency extended signatures (Habil. Darian M. Onchis)
+            
+            %for mult rows
+
+            % &   %Author
+            % Habil. Darian M. Onchis
+            
+            % %for mult rows
+
+            % &   %Nama Jurnal
+            % Computers in Industry
+            
+            % %for mult rows
+
+            % &   %Sumber
+            % Science Direct
+            
+            % %for mult rows
+
+            % & %Tahun
+            % 2019
+            
+            %for mult rows
+
+            &   %Tujuan penelitian
+            \begin{enumerate}
+                \item ringkasan studi penerapan algoritma pembelajaran mesin untuk kesalahan pemantauan (\textit{monitoring}) menggunakan faktor getaran untuk mengkategorikan penelitian. 
+                \item Menyediakan interpretasi singkat tentang jaringan saraf dalam untuk pengaplikasian lebih lanjut dalam analisis getaran struktural.
+            \end{enumerate}
+            
+            & %Kesimpulan 
+            \begin{enumerate} [series=enum]
+                \item Deep learning has the advantage of being able to perform health monitoring on complex structures with high accuracy.
+            \end{enumerate}
+            
+            \\ %-------------page break----------------
+            
+
+        % %------------5
+        %     5
+
+        %     &   %Judul Jurnal
+        %     Advances and development trends in eco-friendly pavements
+            
+        %     %for mult rows
+
+        %     &   %Author
+        %     Aimin Sha, Zhuangzhuang Liu, Wei Jiang, Lin Qi, Liqun Hu, Wenxiu Jiao ,Diego Maria Barbieri
+            
+        %     %for mult rows
+
+        %     &   %Nama Jurnal
+        %     Journal of Road Engineering 1 (2021)
+            
+        %     %for mult rows
+
+        %     &   %Sumber
+        %     ScienceDirect
+            
+        %     %for mult rows
+
+        %     & %Tahun
+        %     2021
+            
+        %     %for mult rows
+
+        %     &   %Tujuan penelitian
+        %     Mengembangkan solusi teknis untuk mengatasi tantangan yang terkait dengan penciptaan infrastruktur hijau dan berkelanjutan, misalnya, pengurangan dampak lingkungan, peningkatan keselamatan lalu lintas, dan efisiensi transportasi, dll.\cite{Sha2021}
+        %     & 
+        %     \begin{enumerate} [series=enum]
+        %         \item  Temuan penelitian terbaru terkait jalan ramah lingkungan
+        %         trotoar diringkas dan dibahas sesuai dengan enam kunci yang berbeda
+        %         karakteristik: permeabel, pengurangan kebisingan, luminescence diri, knalpot
+        %         dekomposisi, penyerapan panas rendah serta \textit{anti-icing} / \textit{de-icing}.\cite{Sha2021}
+        %     \end{enumerate}
+        %     \\
+        %     &   %Judul Jurnal
+        %     Advances and development trends in eco-friendly pavements
+            
+        %     %for mult rows
+
+        %     &   %Author
+        %     Aimin Sha, Zhuangzhuang Liu, Wei Jiang, Lin Qi, Liqun Hu, Wenxiu Jiao ,Diego Maria Barbieri
+            
+        %     %for mult rows
+
+        %     &   %Nama Jurnal
+        %     Journal of Road Engineering 1 (2021)
+            
+        %     %for mult rows
+
+        %     &   %Sumber
+        %     ScienceDirect
+            
+        %     %for mult rows
+
+        %     & %Tahun
+        %     2021
+            
+        %     %for mult rows
+
+        %     &   %Tujuan penelitian
+        %     Mengembangkan solusi teknis untuk mengatasi tantangan yang terkait dengan penciptaan infrastruktur hijau dan berkelanjutan, misalnya, pengurangan dampak lingkungan, peningkatan keselamatan lalu lintas, dan efisiensi transportasi, dll.\cite{Sha2021}
+        %     & 
+        %     \begin{enumerate}[resume=enum]
+        %         \item  Teknologi ini dapat memecahkan beberapa tantangan utama yang terkait dengan konstruksi jalan dan lalu lintas (misalnya, kebisingan, efek pulau panas, dan pembangkitan polusi). Sebagian besar solusi saat ini hanya tersedia menampilkan satu fungsi ramah lingkungan pada satu waktu.\cite{Sha2021}
+        %     \end{enumerate}
+
+        % %-----------5
+        % \\
+        %     5
+
+        %     &   %Judul Jurnal
+        %     Micromobility injury events: Motor vehicle crashes and other transportation systems factors
+            
+        %     %for mult rows
+
+        %     &   %Author
+        %     Kevin Fang
+            
+        %     %for mult rows
+
+        %     &   %Nama Jurnal
+        %     Transportation Research Interdisciplinary Perspectives 14 (2022) 100574
+            
+        %     %for mult rows
+
+        %     &   %Sumber
+        %     ScienceDirect
+            
+        %     %for mult rows
+
+        %     & %Tahun
+        %     2022
+            
+        %     %for mult rows
+
+        %     &   %Tujuan penelitian
+        %     Menginformasikan transportasi strategi kebijakan untuk mencoba dan meningkatkan kinerja keselamatan, Dengan cara mengeksplorasi keadaan di mana cedera pengendara mikromobilitas mengalami cederanya, dengan fokus pada faktor-faktor yang berkaitan dengan sistem transportasi.\cite{Fang2022}
+        %     & 
+        %     \begin{enumerate} [series=enum]
+        %         \item Kecelakaan kendaraan bermotor secara mengejutkan menjulang sebagai sesuatu yang kemungkinan adalah faktor umum dalam cedera mikromobilitas. Masalah perkerasan, konflik 
+        %         dengan pengguna non-otomatis, dan medan juga muncul sebagai faktor cedera yang terukur.\cite{Fang2022}
+        %     \end{enumerate}
+        %     \\
+        %     &   %Judul Jurnal
+        %     Micromobility injury events: Motor vehicle crashes and other transportation systems factors
+            
+        %     %for mult rows
+
+        %     &   %Author
+        %     Kevin Fang
+            
+        %     %for mult rows
+
+        %     &   %Nama Jurnal
+        %     Transportation Research Interdisciplinary Perspectives 14 (2022) 100574
+            
+        %     %for mult rows
+
+        %     &   %Sumber
+        %     ScienceDirect
+            
+        %     %for mult rows
+
+        %     & %Tahun
+        %     2022
+            
+        %     %for mult rows
+
+        %     &   %Tujuan penelitian
+        %      Menginformasikan transportasi strategi kebijakan untuk mencoba dan meningkatkan kinerja keselamatan, Dengan cara mengeksplorasi keadaan di mana cedera pengendara mikromobilitas mengalami cederanya, dengan fokus pada faktor-faktor yang berkaitan dengan sistem transportasi.\cite{Fang2022}
+        %     & 
+        %     \begin{enumerate} [resume=enum]
+        %         \item Di antara faktor-faktor yang berhubungan dengan transportasi, analisis regresi 
+        %         menunjukkan bahwa terluka dalam kecelakaan kendaraan bermotor atau di medan berbukit 
+        %         sesuai dengan kemungkinan yang lebih besar dari rawat inap dan cedera kepala.\cite{Fang2022}
+        %     \end{enumerate}
+        %     \\
+        %     &   %Judul Jurnal
+        %     Micromobility injury events: Motor vehicle crashes and other transportation systems factors
+            
+        %     %for mult rows
+
+        %     &   %Author
+        %     Kevin Fang
+            
+        %     %for mult rows
+
+        %     &   %Nama Jurnal
+        %     Transportation Research Interdisciplinary Perspectives 14 (2022) 100574
+            
+        %     %for mult rows
+
+        %     &   %Sumber
+        %     ScienceDirect
+            
+        %     %for mult rows
+
+        %     & %Tahun
+        %     2022
+            
+        %     %for mult rows
+
+        %     &   %Tujuan penelitian
+        %      Menginformasikan transportasi strategi kebijakan untuk mencoba dan meningkatkan kinerja keselamatan, Dengan cara mengeksplorasi keadaan di mana cedera pengendara mikromobilitas mengalami cederanya, dengan fokus pada faktor-faktor yang berkaitan dengan sistem transportasi.\cite{Fang2022}
+        %     & 
+        %     \begin{enumerate} [resume=enum]
+        %         \item Mitigasi yang berhasil yang memaksimalkan kinerja mode keselamatan mikromobilitas dapat membantu menarik dan mempertahankan pengguna dan menjaga kepercayaan dari pembuat kebijakan yang peduli keselamatan.\cite{Fang2022}
+        %     \end{enumerate}
+        % \end{tabular}
+        \end{longtable}
+    % \end{table}
+\end{landscape}
+\clearpage
+\pagenumbering{roman}
+\setcounter{page}{2}
+\thispagestyle{empty}
+\printbibliography
+
+\clearpage
+\begin{titlepage}
+    \
+    \vfill
+	\centering\noindent \Huge{LAMPIRAN}
+    \vfill
+    \
+\end{titlepage}
+
+
+%     \clearpage
+%     \thispagestyle{empty}
+%   \centering
+%   \frame{\includegraphics[page=1,scale=.7]{assets/1-s2.0-S2095756420300295-main.pdf}}
+%   \captionof{figure}{Halaman pertama jurnal pertama}
+
+%   \clearpage
+%     \thispagestyle{empty}
+%   \centering
+%   \frame{\includegraphics[page=1,scale=.7]{assets/1-s2.0-S2214509520300024-main.pdf}}
+%   \captionof{figure}{Halaman pertama jurnal kedua}
+
+%   \clearpage
+%   \thispagestyle{empty}
+%   \centering
+%   \frame{\includegraphics[page=1,scale=.7]{assets/1-s2.0-S2214509520300784-main.pdf}}
+%   \captionof{figure}{Halaman pertama jurnal ketiga}
+
+%   \clearpage
+%   \thispagestyle{empty}
+%   \centering
+%   \frame{\includegraphics[page=1,scale=.7]{assets/1-s2.0-S2097049821000044-main.pdf}}
+%   \captionof{figure}{Halaman pertama jurnal keempat}
+
+%   \clearpage
+%   \thispagestyle{empty}
+%   \centering
+%   \frame{\includegraphics[page=1,scale=.7]{assets/1-s2.0-S2590198222000379-main.pdf}}
+%   \captionof{figure}{Halaman pertama jurnal kelima}
+\end{document}

latex/chapters/01_introduction.tex

@@ -0,0 +1,25 @@
+\chapter{PENDAHULUAN}
+
+\section{Latar Belakang}
+Lorem ipsum dolor sit amet, consectetur adipiscing elit. Nunc consequat lectus dolor, a commodo odio suscipit nec. Aliquam posuere elit eget tellus dapibus, auctor ornare mi porttitor. Donec auctor aliquet nisl, quis convallis ligula rutrum id. Duis tortor ipsum, scelerisque vestibulum viverra eu, maximus vel mi. Nullam volutpat nunc et varius tempor. Vivamus convallis mi eros, aliquam semper dui tincidunt a. Morbi nunc dui, accumsan ac arcu nec, condimentum efficitur mauris. Etiam sed mauris semper, volutpat justo eu, placerat mauris. Suspendisse at erat eu arcu gravida mattis et id nunc. Aliquam malesuada magna odio, ac dictum erat vestibulum a. Mauris vel nisi sit amet elit tempor bibendum sit amet a velit. Morbi dignissim facilisis placerat.\par
+
+\begin{figure}
+    \centering
+    \includegraphics[width=0.5\linewidth]{frontmatter/img/slice1.jpg}
+    \caption{Enter Caption}
+    \label{fig:enter-label}
+\end{figure}
+
+Pellentesque vel accumsan lorem, id vulputate metus. Nulla mollis orci ante, et euismod erat venenatis eget. Proin tempus lobortis feugiat. Fusce vitae sem quis lacus iaculis dignissim ut eget turpis. Vivamus ut nisl in enim porttitor fringilla vel et mauris. Mauris quis porttitor magna. Pellentesque molestie viverra arcu at tincidunt. Maecenas non elit arcu.\par
+
+Etiam feugiat enim sit amet tortor interdum lobortis. Curabitur elementum faucibus sapien. Morbi eget facilisis lorem. In sed suscipit metus. Etiam porttitor, libero sit amet sodales hendrerit, libero dolor hendrerit nulla, sed convallis risus leo posuere metus. Cras gravida ac elit viverra ultrices. Vestibulum ante ipsum primis in faucibus orci luctus et ultrices posuere cubilia curae; Maecenas dictum urna elit, nec eleifend nulla mattis sit amet. Pellentesque suscipit metus vitae leo suscipit, a vehicula quam pretium. Sed eu est ut risus convallis hendrerit a vulputate justo. Nulla sollicitudin quam ut risus euismod, quis consequat dui mattis. Mauris id eros varius, pellentesque quam quis, venenatis tellus. Nulla vitae condimentum nisl. Vestibulum suscipit scelerisque dui, non posuere purus finibus nec. Nulla ultrices felis quis vestibulum porta. Suspendisse potenti.\par
+
+Nam tempus tincidunt interdum. Pellentesque at ligula ac massa semper efficitur vitae non ante. Suspendisse potenti. Cras vitae interdum erat, nec facilisis urna. Nulla commodo porttitor tellus non posuere. Vestibulum tristique ut urna quis porttitor. Sed pellentesque lectus sit amet ultrices aliquam. Aliquam erat volutpat. Nam dictum eu erat a mollis. Donec eget nulla vel risus aliquet suscipit sed at libero.\par
+
+
+
+Maecenas hendrerit pharetra bibendum. Donec ut tortor ac augue aliquam ullamcorper nec id eros. Quisque consectetur elementum ipsum vitae posuere. Sed ultricies ipsum nibh, vitae volutpat neque bibendum at. Morbi dictum metus eu bibendum malesuada. Nam scelerisque purus erat, id dictum nisl pretium vitae. Curabitur finibus commodo dui ac molestie. In sed sem ac dui dapibus ullamcorper. Aenean molestie nulla eu lorem maximus hendrerit. Vivamus viverra velit dolor, in vehicula eros facilisis at. Vivamus in rhoncus sem.
+\section{Lingkup Penelitian}
+\section{Tujuan Penelitian}
+\section{Manfaat Penelitian}
+% \subsubsection{Dolor}

latex/chapters/id/02_literature_review/index.tex

@@ -0,0 +1,7 @@
+\chapter{TINJAUAN PUSTAKA DAN LANDASAN TEORI}
+\section{Tinjauan Pustaka}
+\input{chapters/id/02_literature_review/abdeljaber2017.tex}
+
+\section{Dasar Teori}
+\input{chapters/id/theoritical_foundation/stft.tex}
+\input{chapters/id/theoritical_foundation/machine_learning.tex}

latex/chapters/id/02_literature_review/theoritical_foundation/machine_learning.tex

@@ -0,0 +1 @@
+\subsection{Machine Learning}

latex/chapters/id/02_literature_review/theoritical_foundation/stft.tex

@@ -0,0 +1 @@
+\subsection{Short-Time Fourier Transform}

latex/chapters/id/03_methodology/data_analysis/index.tex

@@ -0,0 +1,151 @@
+\section{Analisis Data}
+\subsection{Grid, Kode \textit{Joint}, dan Nama File}
+
+% \begin{figure}[ht]
+%     \centering
+%     \input{chapters/img/specimen}
+%     \caption{Caption}
+%     \label{fig:enter-label}
+% \end{figure}
+% Dimulai dengan memberi indeks pada setiap node pengukuran dari struktur grid berukuran 6$\times$5 menggunakan sebuah bilangan bulat tunggal \(k\) dari nol hingga dua puluh sembilan. Setiap sinyal domain waktu mentah disimpan dalam file yang dinamai berdasarkan indeks ini:
+% \begin{equation*}
+% F_{k} = \texttt{``zzzAD}k\texttt{.TXT,''}
+% \quad k = 0,1,\dots,29.
+% \end{equation*}
+
+Direpresentasikan \(F_{k}\) di sini sebagai nama file untuk \textit{node} ke-\(k\). Kemudian dilampirkan nama file tersebut sebagai superskrip pada simbol \textit{node}:
+\begin{equation*}
+n_{k}^{F_{k}}
+\quad\text{adalah \textit{node} dengan indeks }k\text{ yang datanya diambil dari \textit{file} }F_{k}.
+\end{equation*}
+
+\subsection{Pemetaan Sensor}
+
+Semua tiga puluh node dikelompokkan ke dalam enam folder ``damage-case``, dilabeli \(d_{i}\) untuk \(i=0,\dots,5\). Setiap folder berisi tepat lima node berurutan, yang merepresentasikan satu skenario kerusakan:
+\begin{equation*}
+d_{i} = \bigl\{\,n_{5i}^{F_{5i}},\;n_{5i+1}^{F_{5i+1}},\;\dots,\;n_{5i+4}^{F_{5i+4}}\bigr\},
+\quad i = 0,\dots,5.
+\end{equation*}
+Atau secara konkrit, 
+\begin{align*}
+d_0&=\{n_{0}^{F_0},\;n_{1}^{F_1},\;n_{2}^{F_2},\;n_{3}^{F_3},\;n_{4}^{F_4}\}\\
+d_1&=\{n_{5}^{F_5},\;n_{6}^{F_6},\;n_{7}^{F_7},\;n_{8}^{F_8},\;n_{9}^{F_9}\}\\
+\;\;\vdots\\
+d_5&=\{n_{25}^{F_{25}},\;n_{26}^{F_{26}},\;n_{27}^{F_{27}},\;n_{28}^{F_{28}},\;n_{29}^{F_{29}}\}\\
+\end{align*}
+
+\subsection{Seleksi Sensor \textit{Node} Ujung-Ujung (Domain Waktu)}
+
+Dari setiap folder kerusakan, kita hanya menyimpan \textit{node} pertama dan terakhir untuk mensimulasikan tata letak sensor terbatas. Subset domain waktu ini dilambangkan dengan \(d_{i}^{\mathrm{TD}}\):
+\begin{equation*}
+d_{i}^{\mathrm{TD}}
+= \bigl\{\,n_{5i}^{F_{5i}},\;n_{5i+4}^{F_{5i+4}}\bigr\},
+\quad |d_{i}^{\mathrm{TD}}| = 2.
+\end{equation*}
+
+\subsection{Ekstraksi Fitur}
+
+Kemudian, didefinisikan operator STFT \(\mathcal{T}\) untuk memetakan sinyal domain waktu mentah dengan panjang \(L=262144\) sampel menjadi sebuah spektrogram berukuran \(513\times513\). Kemudian digunakan \textit{Hanning window} dengan panjang \(N_{w}=1024\) dan hop size \(N_{h}=512\). Bentuk kompleks dari STFT adalah:
+\begin{equation*}
+\begin{aligned}
+\text{(1) Window function:}\quad
+w[n] &= \frac12\Bigl(1 - \cos\frac{2\pi n}{N_w - 1}\Bigr),
+\quad n=0,\ldots,N_w-1; \\[1ex]
+\text{(2) STFT:}\quad
+S_k(p,t)
+&= \sum_{n=0}^{N_w-1}
+x_k\bigl[t\,N_h + n\bigr]
+\;w[n]\;
+e^{-j2\pi p n / N_w},\\
+&\quad
+p = 0,\ldots,512,\quad t = 0,\ldots,512.
+\end{aligned}
+\end{equation*}
+
+Pengambilan magnitudo menghasilkan matriks spektrogram pada bilah frekuensi $p$ dan \textit{frame} waktu $t$ untuk \textit{node} $k$
+\begin{equation*}
+\widetilde n_{k}^{F_{k}}(p,t) \;=\; \bigl|S_{k}(p,t)\bigr|
+\;\in\;\mathbb{R}^{513\times513}.
+\end{equation*}
+Dengan demikian operatornya adalah
+\begin{equation*}
+\mathcal{T}:\; n_{k}^{F_{k}}\in\mathbb{R}^{262144}
+\;\longmapsto\;
+\widetilde n_{k}^{F_{k}}\in\mathbb{R}^{513\times513}.
+\end{equation*}
+
+\subsection{Subset Domain Frekuensi}
+
+Kemudian, \(\mathcal{T}\) diterapkan pada \textit{node} ujung-ujung yang telah dipilih, dihasilkan:
+\begin{equation*}
+d_{i}^{\mathrm{FD}}
+= \bigl\{\,
+\widetilde n_{5i}^{F_{5i}},\;
+\widetilde n_{5i+4}^{F_{5i+4}}
+\,\bigr\},
+\quad
+|d_{i}^{\mathrm{FD}}| = 2.
+\end{equation*}
+
+\subsection{Pengelompokan Berdasarkan Letak Ujung Sensor}
+
+Sensor-sensor ujung bagian bawah dilabeli sebagai Sensor A dan Sensor-sensor ujung bagian atas dilabeli sebagai Sensor B. Semua enam kasus kerusakan dikumpulkan menjadi satu menghasilkan dua himpunan spektrogram, masing-masing berisi enam (kasus kerusakan):
+\begin{equation*}
+\text{Sensor A}
+=
+\bigl\{\,
+\widetilde n_{0}^{F_{0}},\,
+\widetilde n_{5}^{F_{5}},\,
+\dots,\,
+\widetilde n_{25}^{F_{25}}
+\bigr\},
+\quad
+\text{Sensor B}
+=
+\bigl\{\,
+\widetilde n_{4}^{F_{4}},\,
+\widetilde n_{9}^{F_{9}},\,
+\dots,\,
+\widetilde n_{29}^{F_{29}}
+\bigr\}.
+\end{equation*}
+
+\subsection{Perakitan Baris dan Pelabelan}
+
+Setiap spektrogram berukuran \(513\times513\) diartikan sebagai 513 vektor fitur berdimensi 513. Kemudian diberikan indeks pengulangan dalam satu kasus kerusakan dengan \(r\in\{0,\dots,4\}\) dan potongan waktu dengan \(t\in\{0,\dots,512\}\). Misalkan
+\begin{equation*}
+\mathbf{x}_{i,s,r,t}\in\mathbb{R}^{513}
+\end{equation*}
+menunjukkan baris (atau kolom) ke-\(t\) dari spektrogram ke-\(r\) untuk kasus kerusakan \(i\) dan sensor \(s\). Label skalar untuk kasus kerusakan tersebut adalah
+\begin{equation*}
+y_{i} = i,\quad i=0,\dots,5.
+\end{equation*}
+Kemudian didefinisikan fungsi \textit{slicing} sebagai
+\begin{equation*}
+\Lambda(i,s,r,t)
+\;=\;
+\bigl[\,
+\mathbf{x}_{i,s,r,t},
+\;y_{i}
+\bigr]
+\;\in\;\mathbb{R}^{513+1}.
+\end{equation*}
+
+\subsection{Bentuk Akhir Data untuk Pelatihan}
+
+Seluruh baris dari enam kasus kerusakan, lima pengulangan, dan 513 potongan waktu dikumpulkan menghasilkan \textit{dataset} untuk satu sisi sensor:
+\begin{equation*}
+\mathcal{D}^{(s)}
+=
+\bigl\{
+\Lambda(i,s,r,t)
+\;\big|\;
+i=0,\dots,5,\;
+r=0,\dots,4,\;
+t=0,\dots,512
+\bigr\}.
+\end{equation*}
+Karena terdapat total \(6\times5\times513=15{,}390\) baris dan setiap baris memiliki \(513\) fitur ditambah satu kolom label, maka bentuk akhir dari data untuk satu sisi sensor yang siap digunakan untuk pelatihan adalah
+\begin{equation*}
+|\mathcal{D}^{(s)}| = 15\,390 \times 514.
+\end{equation*}

latex/chapters/id/03_methodology/index.tex

@@ -0,0 +1,7 @@
+\chapter{METODE PENELITIAN}
+
+\input{chapters/id/03_methodology/material/index}
+\input{chapters/id/03_methodology/tool/index}
+\clearpage
+\input{chapters/id/03_methodology/steps/index}
+\input{chapters/id/03_methodology/data_analysis/index}

latex/chapters/id/03_methodology/material/index.tex

@@ -0,0 +1,26 @@
+\section{Benda Uji}
+
+Penelitian ini menggunakan data sekunder dari \textcite{abdeljaber2017}, yang tersedia secara publik dan diperoleh melalui eksperimen menggunakan \textit{Queen's University Grandstand Simulator}. Adapun rincian data yang digunakan adalah sebagai berikut:
+
+\begin{itemize}
+    \item Dataset terdiri atas rekaman respons getaran dari struktur rangka baja berukuran $6 \times 5$ yang dilengkapi dengan 30 akselerometer.
+    \item Setiap skenario dalam dataset mencakup satu kasus struktur tanpa kerusakan (healthy) dan 30 kasus kerusakan tunggal pada masing-masing sambungan (\textit{single-joint damage}).
+    \item Sinyal getaran direkam dengan frekuensi pengambilan sampel sebesar 1024 Hz selama durasi 256 detik untuk tiap skenario.
+    \item Kerusakan struktur disimulasikan dengan cara mengendurkan baut pada sambungan-sambungan tertentu.
+\end{itemize}
+
+Struktur dataset yang digunakan ditampilkan pada Gambar~\ref{fig:specimen-photo}.
+
+% \begin{figure}[!ht]
+%     \centering
+%     \includegraphics[width=0.5\textwidth]{chapters/img/original_data.png}
+%     \caption{Overview of the original data used from Abdeljaber et al. (2017)}
+%     \label{fig:original-data}
+% \end{figure}
+
+\begin{figure}[ht]
+    \centering
+    \includegraphics[width=0.75\linewidth]{chapters/img/specimen.png}
+    \caption{Bentuk benda uji}
+    \label{fig:specimen-photo}
+\end{figure}

latex/chapters/id/03_methodology/steps/data_acquisition.tex

@@ -0,0 +1,33 @@
+Dataset yang digunakan dalam penelitian ini bersumber dari basis data getaran yang dipublikasi oleh \textcite{abdeljaber2017}.
+
+Dataset terdiri dari dua folder:
+\begin{itemize}
+  \item \texttt{Dataset A/} – biasanya digunakan untuk pelatihan (training)
+  \item \texttt{Dataset B/} – biasanya digunakan untuk pengujian (testing)
+\end{itemize}
+
+Setiap folder berisi 31 berkas dalam format \texttt{.TXT}, yang dinamai sesuai dengan kondisi kerusakan struktur. Pola penamaan berkas adalah sebagai berikut:
+
+\begin{itemize}
+  \item \texttt{zzzAU.TXT}, \texttt{zzzBU.TXT} — struktur tanpa kerusakan (sehat)
+  \item \texttt{zzzAD1.TXT}, \texttt{zzzAD2.TXT}, ..., \texttt{zzzAD30.TXT} — Dataset A, kerusakan pada sambungan 1–30
+  \item \texttt{zzzBD1.TXT}, \texttt{zzzBD2.TXT}, ..., \texttt{zzzBD30.TXT} — Dataset B, kerusakan pada sambungan 1–30
+\end{itemize}
+
+Sepuluh baris pertama dari setiap berkas berisi metadata yang menjelaskan konfigurasi pengujian, laju sampling, dan informasi kanal. Oleh karena itu, data deret waktu percepatan dimulai dari baris ke-11 yang berisi 31 kolom:
+\begin{itemize}
+  \item \textbf{Kolom 1:} Waktu dalam detik
+  \item \textbf{Kolom 2–31:} Magnitudo percepatan dari \textit{joint} 1 hingga 30
+\end{itemize}
+
+Setiap sinyal di-\textit{sampling} pada frekuensi $f_s = 1024$ Hz dan direkam selama durasi total $T = 256$ detik, sehingga menghasilkan:
+
+\begin{equation*}
+N = f_s \cdot T = 1024 \times 256 = 262{,}144 \quad \text{sampel per kanal}
+\end{equation*}
+
+Dengan demikian, setiap berkas dapat direpresentasikan sebagai matriks:
+\begin{equation*}
+\mathbf{X}^{(c)} \in \mathbb{R}^{262{,}144 \times 31}, \quad c = 0, 1, \dots, 30
+\end{equation*}
+di mana $c$ mengacu pada indeks kasus (0 = sehat, 1–30 = kerusakan pada \textit{joint}n ke-$c$), dan setiap baris merepresentasikan pengukuran berdasarkan waktu di seluruh 30 kanal sensor.

latex/chapters/id/03_methodology/steps/index.tex

@@ -0,0 +1,29 @@
+\section{Tahapan Penelitian}
+Alur keseluruhan penelitian ini dilakukan melalui tahapan-tahapan sebagai berikut:
+
+\begin{figure}[H]
+    \centering
+    \includegraphics[width=0.3\linewidth]{chapters/id/flow.png}
+    \caption{Diagram alir tahapan penelitian}
+    \label{fig:flowchart}
+\end{figure}
+
+\begin{enumerate}
+    \item \textbf{Akuisisi Data:} Mengunduh dataset dari \textcite{abdeljaber2017} yang berisi sinyal percepatan untuk 31 kondisi struktur (1 kondisi sehat dan 30 kondisi kerusakan tunggal).
+    
+    % \item \textbf{Seleksi Sensor:} Memilih sinyal dari sejumlah sensor terbatas pada garis vertikal tertentu (misalnya, node 1 dan 26) untuk mensimulasikan konfigurasi sensor yang direduksi.
+
+    \item \textbf{Pra-pemrosesan:} Melakukan normalisasi dan mengubah sinyal domain waktu mentah menjadi domain waktu-frekuensi menggunakan metode Short-Time Fourier Transform (STFT).
+
+    \item \textbf{Ekstraksi Fitur:} Menghasilkan \textit{data frame} frekuensi dalam domain waktu.
+
+    \item \textbf{Pengembangan Model:} Membangun dan melatih model klasifikasi berbasis algoritma pemelajaran mesin klasik (SVM, LDA, Bagged Trees, Random Forest, XGBoost) untuk mengklasifikasikan lokasi kerusakan struktur.
+
+    \item \textbf{Evaluasi:} Mengevaluasi kinerja model menggunakan metrik akurasi, presisi, dan confusion matrix pada berbagai skenario pengujian.
+\end{enumerate}
+
+\subsection{Akuisisi Data}
+\input{chapters/id/03_methodology/steps/data_acquisition}
+
+% \subsection{Prapemrosesan Data dan Ekstraksi Fitur}
+

latex/chapters/id/03_methodology/tool/hardware.tex

@@ -0,0 +1,39 @@
+Data getaran struktur yang digunakan dalam penelitian ini diperoleh dari penelitian oleh \textcite{abdeljaber2017}, yang dilakukan menggunakan simulator struktur baja Grandstand di Queen’s University. Dalam eksperimen tersebut, struktur baja dipasang dengan akselerometer pada setiap sambungan-sambungan (\textit{joints}). Rangkaian perangkat keras yang digunakan untuk pengambilan data meliputi:
+
+\begin{itemize}
+    \item \textbf{27 akselerometer PCB model 393B04} (Gambar~\ref{fig:pcb393}) untuk merekam respons percepatan pada sebagian besar titik pengukuran.
+    \item \textbf{3 akselerometer B\&K model 8344} (Gambar~\ref{fig:bk8344}) digunakan pada beberapa lokasi untuk validasi tambahan.
+    \item \textbf{Mounting magnetic PCB model 080A121} digunakan untuk menempelkan akselerometer secara aman pada struktur baja.
+    \item \textbf{Modal shaker (Model 2100E11)} digunakan untuk memberikan eksitasi getaran terkontrol pada struktur (Gambar~\ref{fig:shaker}). Sinyal input untuk shaker dihasilkan melalui \textbf{penguat daya SmartAmp 2100E21-400}.
+    \item \textbf{Dua perangkat akuisisi data 16-kanal (DT9857E-16)} digunakan secara simultan: satu untuk menghasilkan sinyal input ke shaker dan satu lagi untuk merekam data keluaran dari akselerometer (Gambar~\ref{fig:datalogger}).
+\end{itemize}
+
+Seluruh perangkat ini memungkinkan pengambilan data getaran dengan fidelitas tinggi, dengan laju pengambilan sampel sebesar 1024 Hz per kanal selama 256 detik untuk setiap skenario pengujian.
+
+Adapun sumberdaya komputasi yang digunakan untuk pemrosesan semua data dan pemodelan pada skripsi ini, yaitu:
+
+\begin{itemize}
+    \item \textbf{\textit{Processor}:} Intel Core i7 11th-gen @ 2.8 GHz
+    \item \textbf{RAM:} 2$\times$8 GB LPDDR4X
+    % \item \textbf{GPU:} Intel iris Xe Graphics (16 GB VRAM \textit{shared})
+    \item \textbf{Sistem Operasi:} Windows 10 64-bit
+\end{itemize}
+
+\begin{figure}[H]
+    \centering
+    \includegraphics[width=\textwidth]{chapters/img/accel393.png}
+    \caption{Akselerometer yang digunakan: (a) PCB 393B04, (b) B\&K 8344}
+    \label{fig:accel393}
+\end{figure}
+\begin{figure}[H]
+    \centering
+    \includegraphics[width=0.4\textwidth]{chapters/img/shaker.png}
+    \caption{Modal shaker (TMS 2100E11) yang dipasang pada struktur uji}
+    \label{fig:shaker}
+\end{figure}
+\begin{figure}[H]
+    \centering
+    \includegraphics[width=0.7\textwidth]{chapters/img/datalogger.png}
+    \caption{Perangkat akuisisi data (DT9857E-16) dan penguat daya SmartAmp 2100E21-400}
+    \label{fig:datalogger}
+\end{figure}

latex/chapters/id/03_methodology/tool/index.tex

@@ -0,0 +1,7 @@
+\section{Alat}
+
+\subsection{Alat Perangkat Keras}
+\input{chapters/id/03_methodology/tool/hardware}
+
+\subsection{Alat Perangkat Lunak}
+\input{chapters/id/03_methodology/tool/software}

latex/chapters/id/03_methodology/tool/software.tex

@@ -0,0 +1,11 @@
+Berikut merupakan perangkat lunak yang digunakan selama proses penelitian ini:
+
+\begin{itemize}
+    \item \textbf{Python 3.11} – digunakan untuk proses pra-pemrosesan data, pemodelan, dan evaluasi.
+    \item \textbf{NumPy 1.22.4} – digunakan untuk perhitungan deret numerik.
+    \item \textbf{Pandas 1.5.1} – digunakan untuk memanipulasi struktur data.
+    \item \textbf{Pandas 1.7.3} – digunakan untuk memproses sinyal.
+    \item \textbf{Matplotlib 3.7.1} – digunakan untuk menghasilkan plot data.
+    \item \textbf{Scikit-Learn 1.5.1} – digunakan untuk membangun dan melatih model dengan algoritma pemelajaran mesin klasik.
+    \item \textbf{Jupyter Notebook} – digunakan untuk pelatihan model dan percobaan eksperimental secara interaktif.
+\end{itemize}

latex/chapters/img/specimen.tex

@@ -0,0 +1,13 @@
+\begin{matrix}
+N_{6,5} & \text{---} & N_{6,4} & \text{---} & N_{6,3} & \text{---} & N_{6,2} & \text{---} & N_{6,1} \\
+\vert    &          & \vert    &          & \vert    &          & \vert    &          & \vert    \\
+N_{5,5} & \text{---} & N_{5,4} & \text{---} & N_{5,3} & \text{---} & N_{5,2} & \text{---} & N_{5,1} \\
+\vert    &          & \vert    &          & \vert    &          & \vert    &          & \vert    \\
+N_{4,5} & \text{---} & N_{4,4} & \text{---} & N_{4,3} & \text{---} & N_{4,2} & \text{---} & N_{4,1} \\
+\vert    &          & \vert    &          & \vert    &          & \vert    &          & \vert    \\
+N_{3,5} & \text{---} & N_{3,4} & \text{---} & N_{3,3} & \text{---} & N_{3,2} & \text{---} & N_{3,1} \\
+\vert    &          & \vert    &          & \vert    &          & \vert    &          & \vert    \\
+N_{2,5} & \text{---} & N_{2,4} & \text{---} & N_{2,3} & \text{---} & N_{2,2} & \text{---} & N_{2,1} \\
+\vert    &          & \vert    &          & \vert    &          & \vert    &          & \vert    \\
+N_{1,5} & \text{---} & N_{1,4} & \text{---} & N_{1,3} & \text{---} & N_{1,2} & \text{---} & N_{1,1} \\
+\end{matrix}

latex/frontmatter/approval.tex

@@ -0,0 +1,65 @@
+% frontmatter/endorsement.tex
+\setmainfont{Times New Roman}
+\addcontentsline{toc}{chapter}{LEMBAR PERSETUJUAN TUGAS AKHIR}
+
+\begin{center}
+    \textbf{\Large LEMBAR PERSETUJUAN TUGAS AKHIR} \\[0.5em]
+    \textit{APPROVAL SHEET}
+\end{center}
+
+\vspace{1em}
+
+\renewcommand{\arraystretch}{1.2}
+\begin{tabular}{llp{10cm}}
+\textbf{Judul} & : & \thesistitle \\
+\textit{Title} &   & \\
+
+\textbf{Mahasiswa} & : & \studentname \\
+\textit{Student} &   & \\
+
+\textbf{Nomor Mahasiswa} & : &\studentid \\
+\textit{Student ID.} &   & \\
+
+\textbf{Dosen Pembimbing} & : & 1. \firstadvisor \\
+\textit{Advisors} &   & 2. \secondadvisor
+\end{tabular}
+
+\vspace{1em}
+\textbf{Telah disetujui oleh Tim Penguji:} \\
+\textit{Approved by the Committee on Oral Examination}
+
+\vspace{1em}
+\begin{tabular}{lp{5cm}}
+    \textbf{\firstadvisor} &:
+    % \vspace{2cm} % signature space
+    % \\[1em] % pull up next row
+    \\
+    \textit{Ketua Tim Penguji} & 
+    \noindent\makebox[5cm]{\hrulefill}\\[-0.5em]
+    \textit{\small Chair} & \small Yogyakarta, \dotfill 2020 
+    \\
+    \textbf{\secondadvisor} &:
+    % \vspace{2cm} % signature space
+    % \\[1em] % pull up next row
+    \\
+    \textit{Ketua Tim Penguji} & 
+    \noindent\makebox[5cm]{\hrulefill}\\[-0.5em]
+    \textit{\small Chair} & \small Yogyakarta, \dotfill 2020 \\
+\end{tabular}
+
+\vspace{1em}
+\noindent
+\textbf{Diterima dan disetujui sebagai persyaratan untuk memperoleh gelar Sarjana Teknik} \\
+\textit{Accepted in partial fulfillment of the requirements for the degree of Bachelor of Engineering}
+
+\vspace{2em}
+\begin{center}
+    \textbf{Ketua Program Studi} \\
+    \textit{Head of Department}
+\end{center}
+
+\vspace{3em}
+\begin{center}
+    \textbf{\headdepartement} \\
+    NIK. \headdepartementid
+\end{center}

latex/frontmatter/endorsement.tex

@@ -0,0 +1,7 @@
+% frontmatter/endorsement.tex
+\setmainfont{Times New Roman}
+
+\chapter*{LEMBAR PENGESAHAN TUGAS AKHIR}
+\begin{center}
+    {\normalsize\textit{ENDORSEMENT SHEET}}
+\end{center}

latex/frontmatter/maketitle.tex

@@ -0,0 +1,31 @@
+\begin{titlepage}
+    \centering
+    \vspace*{1cm}
+    
+    {\fontsize{14pt}{16pt}\selectfont \textbf{\MakeUppercase{Tugas Akhir}}\par}
+    \vspace{1.5cm}
+    
+    {\fontsize{14pt}{16pt}\selectfont \textbf{\MakeUppercase{\thesistitle}}\par}
+    \vspace{1.5cm}
+    
+    \includegraphics[width=5cm]{frontmatter/img/logo.png}
+    \vspace{1.5cm}
+    
+    
+    \textbf{Disusun oleh:} \\
+    {\fontsize{14pt}{16pt}\selectfont \textbf{\studentname}} \\
+    {\fontsize{14pt}{16pt}\selectfont \textbf{\studentid}} \\
+    
+    
+    \vfill
+    
+    {\fontsize{12pt}{14pt}\selectfont
+    \textbf{\program} \\
+    \textbf{\faculty} \\
+    \textbf{\university} \\
+    \textbf{\yearofsubmission}
+    }
+    
+    \end{titlepage}%
+    
+    

latex/frontmatter/originality.tex

@@ -0,0 +1,40 @@
+% frontmatter/originality.tex
+\setmainfont{Times New Roman}
+
+\chapter*{PERNYATAAN KEASLIAN}
+\addcontentsline{toc}{chapter}{PERNYATAAN KEASLIAN}
+% \begin{center}
+%     {\normalsize\textit{ORIGINALITY STATEMENT}}
+% \end{center}
+Saya yang bertanda tangan di bawah ini:
+\renewcommand{\arraystretch}{1.2}
+\begin{center}
+\begin{tabular}{llp{10cm}}
+\textbf{Nama} & : & \studentname \\
+\textbf{Nomor Mahasiswa} & : & \studentid \\
+\textbf{Judul} & : & \thesistitle \\
+\end{tabular}
+\end{center}
+Menyatakan dengan sebenarnya bahwa tugas akhir ini merupakan karya says sendiri. Apabila terdapat karya orang lain yang saya kutip, maka saya akan mencantumkan sumber secara jelas. Jika dikemudian hari ditemukan dengan ketidakbenaran dalam pernyataan in, maka saya bersedia menerima sanksi dengan aturan yang berlaku. Demikian pernyataan ini saya buat tanpa ada paksaan dari pihak mana pun.\par
+
+\begin{flushright}
+\begin{minipage}{0.5\textwidth}
+\centering
+Yogyakarta, \today \\[1em]
+Yang membuat pernyataan, \\[0.5cm] % space for signature
+% Materai box
+\hspace*{-2cm}% shift the box slightly left
+\begin{tabular}{@{}c@{}}
+  \fbox{
+    \begin{minipage}[c][2cm][c]{2.5cm}
+      \centering
+      Materai\\
+      6000
+    \end{minipage}
+  }
+\end{tabular}
+\\[1cm]
+% \rule{6cm}{0.4pt} % signature line
+Rifqi Damar Panuluh
+\end{minipage}
+\end{flushright}

latex/main.tex

@@ -0,0 +1,40 @@
+\documentclass[draftmark]{thesis}
+
+% Title Information
+\setthesisinfo
+  {Prediksi Lokasi Kerusakan dengan Machine Learning}
+  {Rifqi Damar Panuluh}
+  {20210110224}
+  {PROGRAM STUDI TEKNIK SIPIL}
+  {FAKULTAS TEKNIK}
+  {UNIVERSITAS MUHAMMADIYAH YOGYAKARTA}
+  {2025}
+
+% Input preamble
+\input{preamble/packages}
+% \input{preamble/fonts}
+\input{preamble/macros}
+
+\begin{document}
+
+\maketitle
+\frontmatter
+\input{frontmatter/approval}\clearpage
+\input{frontmatter/originality}\clearpage
+\input{frontmatter/acknowledgement}\clearpage
+\tableofcontents
+\clearpage
+\mainmatter
+\pagestyle{fancyplain}
+% Include content
+\include{content/abstract}
+\include{content/introduction}
+\include{chapters/01_introduction}
+\include{content/chapter2}
+\include{content/conclusion}
+
+% Bibliography
+% \bibliographystyle{IEEEtran}
+% \bibliography{references}
+
+\end{document}

latex/metadata.tex

@@ -0,0 +1,11 @@
+\newcommand{\studentname}{Rifqi Damar Panuluh}
+\newcommand{\studentid}{20210110224}
+\newcommand{\thesistitle}{Prediksi Lokasi Kerusakan dengan Machine Learning}
+\newcommand{\firstadvisor}{Ir. Muhammad Ibnu Syamsi, Ph.D.}
+\newcommand{\secondadvisor}{}
+\newcommand{\headdepartement}{Puji Harsanto, S.T. M.T., Ph.D.}
+\newcommand{\headdepartementid}{19740607201404123064}
+\newcommand{\faculty}{Fakultas Teknik}
+\newcommand{\program}{Teknik Sipil}
+\newcommand{\university}{Universitas Muhammadiyah Yogyakarta}
+\newcommand{\yearofsubmission}{2025}

latex/preamble/macros.tex

@@ -0,0 +1,5 @@
+\newcommand{\eg}{\textit{e.g.},\ }
+\newcommand{\ie}{\textit{i.e.},\ }
+\newcommand{\etal}{\textit{et al.}}
+
+\let\oldtableofcontents\tableofcontents % backup

latex/preamble/packages.tex

@@ -0,0 +1,3 @@
+\usepackage{amsmath, amssymb, siunitx}
+\usepackage{caption}
+\usepackage{subcaption}

latex/thesis.cls

@@ -0,0 +1,157 @@
+\NeedsTeXFormat{LaTeX2e}
+\ProvidesClass{thesis}[2025/05/10 Bachelor Thesis Class]
+
+\newif\if@draftmark
+\@draftmarkfalse
+
+\DeclareOption{draftmark}{\@draftmarktrue}
+\ProcessOptions \relax
+\LoadClass[a4paper,12pt,oneside]{book}
+
+% Load common packages
+\RequirePackage{polyglossia}
+\RequirePackage{fontspec}
+\RequirePackage{titlesec}
+\RequirePackage{fancyhdr}
+\RequirePackage{geometry}
+\RequirePackage{setspace}
+\RequirePackage{graphicx}
+\RequirePackage{hyperref}
+\RequirePackage{etoolbox}
+\RequirePackage{tocloft}
+\RequirePackage{tocbibind}
+\RequirePackage{amsmath,amsfonts,amssymb}
+
+% Polyglossia set language
+\setmainlanguage{bahasai}
+% \setotherlanguage{english}
+
+% Conditionally load the watermark package and settings
+\if@draftmark
+  \RequirePackage{draftwatermark}
+  \SetWatermarkText{Draft: \today [wip]}
+  \SetWatermarkColor[gray]{0.7}
+  \SetWatermarkFontSize{2cm}
+  \SetWatermarkAngle{90}
+  \SetWatermarkHorCenter{1.5cm}
+\fi
+
+% Page layout
+\geometry{left=3cm, top=3cm, right=3cm, bottom=3cm}
+\setlength{\parskip}{0.5em}
+\setlength{\parindent}{0pt}
+\onehalfspacing
+
+% Fonts
+\defaultfontfeatures{Ligatures=TeX}
+\setmainfont{Times New Roman}
+\setsansfont{Arial}
+\setmonofont{Courier New}
+
+% Metadata commands
+\input{metadata}
+
+\newcommand{\setthesisinfo}[7]{%
+  \renewcommand{\thesistitle}{#1}%
+  \renewcommand{\studentname}{#2}%
+  \renewcommand{\studentid}{#3}%
+  \renewcommand{\program}{#4}%
+  \renewcommand{\faculty}{#5}%
+  \renewcommand{\university}{#6}%
+  \renewcommand{\yearofsubmission}{#7}%
+}
+
+% % Header and footer
+\fancypagestyle{fancy}{%
+    \fancyhf{}
+    \fancyhead[R]{\nouppercase{\rightmark}}
+    \fancyhead[L]{\nouppercase{\leftmark}}
+    \fancyfoot[C]{\thepage}
+}
+\fancypagestyle{fancyplainfrontmatter}{%
+    \renewcommand{\headrulewidth}{0pt}
+    \fancyfoot[C]{\thepage}
+}
+\fancypagestyle{fancyplain}{%
+    \fancyhf{}
+    \renewcommand{\headrulewidth}{0pt}
+    \fancyhead[R]{\thepage}
+}
+
+% Chapter formatting
+\titlespacing{\chapter}{0pt}{0pt}{*1.5}
+\titleformat{\chapter}[display]
+  {\normalsize\bfseries\centering}
+  {BAB~\Roman{chapter}} % << display format
+  {1ex}
+  {\MakeUppercase}
+\titleformat{\section}
+    {\normalsize\bfseries}{\thesection}{1em}{}
+
+\titleformat{\subsection}
+    {\normalsize\bfseries}{\thesubsection}{1em}{}
+
+% Ensure chapter reference in TOC matches
+\renewcommand{\cftchappresnum}{BAB~}
+\renewcommand{\cftchapaftersnum}{\quad}
+
+% \titlespacing*{\chapter}{0pt}{-10pt}{20pt}
+
+% Redefine \maketitle
+\renewcommand{\maketitle}{\input{frontmatter/maketitle}}
+
+% Chapter & Section format
+\renewcommand{\cftchapfont}{\normalsize\MakeUppercase}
+% \renewcommand{\cftsecfont}{}
+% \renewcommand{\cftsubsecfont}{\itshape}
+% \renewcommand{\thesection}{\textup{\Roman{chapter}}.\arabic{section}}
+
+
+% Dot leaders, spacing, indentation
+\setlength{\cftbeforechapskip}{0em}
+\setlength{\cftchapindent}{0pt}
+\setlength{\cftsecindent}{0em}
+\setlength{\cftsubsecindent}{2.5em}
+\setlength{\cftchapnumwidth}{3.5em}
+\setlength{\cftsecnumwidth}{3.5em}
+\setlength{\cftsubsecnumwidth}{2.5em}
+\setlength{\cftfignumwidth}{5em}
+\setlength{\cfttabnumwidth}{4em}
+\renewcommand \cftchapdotsep{4.5} % https://tex.stackexchange.com/a/273764
+\renewcommand{\cftchapleader}{\normalfont\cftdotfill{\cftsecdotsep}}
+\renewcommand{\cftchappagefont}{\normalfont}
+\renewcommand{\cftfigpresnum}{\figurename~}
+\renewcommand{\cfttabpresnum}{\tablename~}
+
+% Ensure TOC and References Respect Custom Numbering
+\renewcommand{\thechapter}{\Roman{chapter}}
+\renewcommand\thesection{\arabic{chapter}.\arabic{section}}
+
+% Change figure numbering to include chapter (e.g., Figure 1.1, 1.2...)
+\renewcommand{\thefigure}{\arabic{chapter}.\arabic{figure}}
+\renewcommand{\thetable}{\arabic{chapter}.\arabic{table}}
+\renewcommand{\theequation}{\arabic{chapter}.\arabic{equation}}
+
+% Table of Content (TOC) Title styling
+\renewcommand{\cfttoctitlefont}{\hfill\bfseries\MakeUppercase}
+\renewcommand{\cftaftertoctitle}{\hfill} % https://tex.stackexchange.com/a/255699/394075
+% List of Figures (LOF) Title styling
+\renewcommand{\cftloftitlefont}{\hfill\bfseries\MakeUppercase}
+\renewcommand{\cftafterloftitle}{\hfill}
+% List of Tables (LOT) Title styling
+\renewcommand{\cftlottitlefont}{\hfill\bfseries\MakeUppercase}
+\renewcommand{\cftafterlottitle}{\hfill}
+% \renewcommand{\cfttoctitlefont}{\bfseries\MakeUppercase}
+% \renewcommand{\cftaftertoctitle}{\vskip 2em}
+
+% % Apply a custom fancyhdr layout only on the first page of each \chapter, and use no header/footer elsewhere
+% % \let\oldchapter\chapter
+% % \renewcommand{\chapter}{%
+% %   \cleardoublepage
+% %   \pagestyle{fancyplainchapter}%
+% %   \oldchapter
+% %   \thispagestyle{fancyplainchapter} % ensure chapter start page uses it
+% %   \pagestyle{fancyplain}% switch for subsequent pages
+% % }
+
+\endinput