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

fix(latex): Fix typo

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

code/notebooks/stft.ipynb

@@ -121,8 +121,9 @@
     "signal_sensor2_test1 = []\n",
     "\n",
     "for data in df:\n",
-    "    signal_sensor1_test1.append(data['sensor 1'].values)\n",
-    "    signal_sensor2_test1.append(data['sensor 2'].values)\n",
+    "    if not data.empty and 'sensor 1' in data.columns and 'sensor 2' in data.columns:\n",
+    "        signal_sensor1_test1.append(data['sensor 1'].values)\n",
+    "        signal_sensor2_test1.append(data['sensor 2'].values)\n",
     "\n",
     "print(len(signal_sensor1_test1))\n",
     "print(len(signal_sensor2_test1))"
@@ -156,8 +157,6 @@
     "from scipy.signal import stft, hann\n",
     "from multiprocessing import Pool\n",
     "\n",
-    "\n",
-    "\n",
     "# Function to compute and append STFT data\n",
     "def process_stft(args):\n",
     "    # Define STFT parameters\n",
@@ -199,23 +198,22 @@
     "    # Compute STFT\n",
     "    frequencies, times, Zxx = stft(sensor_data, fs=Fs, window=window, nperseg=window_size, noverlap=window_size - hop_size)\n",
     "    magnitude = np.abs(Zxx)\n",
-    "    flattened_stft = magnitude.flatten()\n",
+    "    df_stft = pd.DataFrame(magnitude, index=frequencies, columns=times).T\n",
+    "    df_stft.columns = [f\"Freq_{i}\" for i in frequencies]\n",
     "    \n",
     "    # Define the output CSV file path\n",
     "    stft_file_name = f'stft_data{sensor_num}_{damage_num}.csv'\n",
     "    sensor_output_dir = os.path.join(damage_base_path, sensor_name.lower())\n",
     "    os.makedirs(sensor_output_dir, exist_ok=True)\n",
     "    stft_file_path = os.path.join(sensor_output_dir, stft_file_name)\n",
-    "    print(stft_file_path)\n",
     "    # Append the flattened STFT to the CSV\n",
     "    try:\n",
-    "        flattened_stft_df = pd.DataFrame([flattened_stft])\n",
     "        if not os.path.isfile(stft_file_path):\n",
     "            # Create a new CSV\n",
-    "            flattened_stft_df.to_csv(stft_file_path, index=False, header=False)\n",
+    "            df_stft.to_csv(stft_file_path, index=False, header=False)\n",
     "        else:\n",
     "            # Append to existing CSV\n",
-    "            flattened_stft_df.to_csv(stft_file_path, mode='a', index=False, header=False)\n",
+    "            df_stft.to_csv(stft_file_path, mode='a', index=False, header=False)\n",
     "        print(f\"Appended STFT data to {stft_file_path}\")\n",
     "    except Exception as e:\n",
     "        print(f\"Error writing to {stft_file_path}: {e}\")"
@@ -295,7 +293,7 @@
     "\n",
     "# get current y ticks in list\n",
     "print(len(frequencies))\n",
-    "print(len(times))\n"
+    "print(len(times))"
    ]
   },
   {
@@ -326,7 +324,6 @@
     "ready_data1 = []\n",
     "for file in os.listdir('D:/thesis/data/converted/raw/sensor1'):\n",
     "    ready_data1.append(pd.read_csv(os.path.join('D:/thesis/data/converted/raw/sensor1', file)))\n",
-    "ready_data1[0]\n",
     "# colormesh give title x is frequency and y is time and rotate/transpose the data\n",
     "# Plotting the STFT Data"
    ]
@@ -337,8 +334,8 @@
    "metadata": {},
    "outputs": [],
    "source": [
-    "ready_data1[1]\n",
-    "plt.pcolormesh(ready_data1[1])"
+    "ready_data1[0]\n",
+    "plt.pcolormesh(ready_data1[0])"
    ]
   },
   {
@@ -363,8 +360,7 @@
    "source": [
     "ready_data2 = []\n",
     "for file in os.listdir('D:/thesis/data/converted/raw/sensor2'):\n",
-    "    ready_data2.append(pd.read_csv(os.path.join('D:/thesis/data/converted/raw/sensor2', file)))\n",
-    "ready_data2[5]"
+    "    ready_data2.append(pd.read_csv(os.path.join('D:/thesis/data/converted/raw/sensor2', file)))"
    ]
   },
   {
@@ -384,10 +380,25 @@
    "outputs": [],
    "source": [
     "x1 = 0\n",
-    "\n",
+    "print(type(ready_data1[0]))\n",
+    "ready_data1[0].iloc[:,0]\n",
+    "# x1 = x1 + ready_data1[0].shape[0]"
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": null,
+   "metadata": {},
+   "outputs": [],
+   "source": [
+    "x1 = 0\n",
+    "print(type(x1))\n",
     "for i in range(len(ready_data1)):\n",
-    "    print(ready_data1[i].shape)\n",
+    "    # print(ready_data1[i].shape)\n",
+    "    # print(ready_data1[i].)\n",
+    "    print(type(ready_data1[i].shape[0]))\n",
     "    x1 = x1 + ready_data1[i].shape[0]\n",
+    "    print(type(x1))\n",
     "\n",
     "print(x1)"
    ]
@@ -407,13 +418,6 @@
     "print(x2)"
    ]
   },
-  {
-   "cell_type": "markdown",
-   "metadata": {},
-   "source": [
-    "### Appending"
-   ]
-  },
   {
    "cell_type": "code",
    "execution_count": null,
@@ -455,10 +459,15 @@
    ]
   },
   {
-   "cell_type": "markdown",
+   "cell_type": "code",
+   "execution_count": null,
    "metadata": {},
+   "outputs": [],
    "source": [
-    "### Labeling"
+    "y_1 = [1,1,1,1]\n",
+    "y_2 = [0,1,1,1]\n",
+    "y_3 = [1,0,1,1]\n",
+    "y_4 = [1,1,0,0]"
    ]
   },
   {
@@ -494,16 +503,6 @@
     "    print(ready_data1[i].shape[0])"
    ]
   },
-  {
-   "cell_type": "code",
-   "execution_count": null,
-   "metadata": {},
-   "outputs": [],
-   "source": [
-    "for i in range(len(y_data)):\n",
-    "    print(ready_data2[i].shape[0])"
-   ]
-  },
   {
    "cell_type": "code",
    "execution_count": null,
@@ -521,8 +520,7 @@
    "metadata": {},
    "outputs": [],
    "source": [
-    "# len(y_data[0])\n",
-    "y_data[0]"
+    "y_data"
    ]
   },
   {
@@ -806,6 +804,7 @@
     "\n",
     "            # df1['s1'] = sensor1[sensor1.columns[-1]]\n",
     "            # df1['s2'] = sensor2[sensor2.columns[-1]]\n",
+    "ed\n",
     "            # # Combined Plot for sensor 1 and sensor 2 from data1 file in which motor is operated at 800 rpm\n",
     "\n",
     "            # plt.plot(df1['s2'], label='sensor 2')\n",
@@ -835,19 +834,14 @@
     "            # plt.show()"
    ]
   },
-  {
-   "cell_type": "markdown",
-   "metadata": {},
-   "source": [
-    "## Test with Outside of Its Training Data"
-   ]
-  },
   {
    "cell_type": "code",
    "execution_count": null,
    "metadata": {},
    "outputs": [],
-   "source": []
+   "source": [
+    "spectograph('D:/thesis/data/converted/raw')"
+   ]
   }
  ],
  "metadata": {

data/QUGS/convert.py

@@ -2,6 +2,7 @@ import pandas as pd
 import os
 import re
 import sys
+import numpy as np
 from colorama import Fore, Style, init
 from typing import TypedDict, Dict, List
 from joblib import load
@@ -225,25 +226,56 @@ class DataProcessor:
         """
         idx = self._create_vector_column_index()
         # if overwrite:
-        for i in range(len(self.data)):
-            for j in range(len(self.data[i])):
+        for i in range(len(self.data)):  # damage(s)
+            for j in range(len(self.data[i])):  # col(s)
                 # Get the appropriate indices for slicing from idx
                 indices = idx[j]
 
                 # Get the current DataFrame
                 df = self.data[i][j]
 
-                # Keep the 'Time' column and select only specified 'Real' columns
-                # First, we add 1 to all indices to account for 'Time' being at position 0
+                # Keep the 'Time' column and select only specifid 'Real' colmns
+                # First, we add 1 to all indices to acount for 'Time' being at positiion 0
                 real_indices = [index + 1 for index in indices]
 
-                # Create list with Time column index (0) and the adjusted Real indices
+                # Create list with Time column index (0) and the adjustedd Real indices
                 all_indices = [0] + [real_indices[0]] + [real_indices[-1]]
 
                 # Apply the slicing
                 self.data[i][j] = df.iloc[:, all_indices]
         # TODO: if !overwrite:
 
+    def export_to_csv(self, output_dir: str, file_prefix: str = "DAMAGE"):
+        """
+        Export the processed data to CSV files in the required folder structure.
+
+        :param output_dir: Directory to save the CSV files.
+        :param file_prefix: Prefix for the output filenames.
+        """
+        for group_idx, group in enumerate(self.data, start=1):
+            group_folder = os.path.join(output_dir, f"{file_prefix}_{group_idx}")
+            os.makedirs(group_folder, exist_ok=True)
+            for test_idx, df in enumerate(group, start=1):
+                # Ensure columns are named uniquely if duplicated
+                df = df.copy()
+                df.columns = ["Time", "Real_0", "Real_1"]  # Rename
+
+                # Export first Real column
+                out1 = os.path.join(
+                    group_folder, f"{file_prefix}_{group_idx}_TEST{test_idx}_01.csv"
+                )
+                df[["Time", "Real_0"]].rename(columns={"Real_0": "Real"}).to_csv(
+                    out1, index=False
+                )
+
+                # Export last Real column
+                out2 = os.path.join(
+                    group_folder, f"{file_prefix}_{group_idx}_TEST{test_idx}_02.csv"
+                )
+                df[["Time", "Real_1"]].rename(columns={"Real_1": "Real"}).to_csv(
+                    out2, index=False
+                )
+
 
 def create_damage_files(base_path, output_base, prefix):
     # Initialize colorama

data/QUGS/test.py

@@ -4,5 +4,22 @@ from joblib import dump, load
 # a = generate_damage_files_index(
 #     num_damage=6, file_index_start=1, col=5, base_path="D:/thesis/data/dataset_A"
 # )
-# dump(DataProcessor(file_index=a), "D:/cache.joblib")
-a = load("D:/cache.joblib")
+
+b = generate_damage_files_index(
+    num_damage=6,
+    file_index_start=1,
+    col=5,
+    base_path="D:/thesis/data/dataset_B",
+    prefix="zzzBD",
+)
+# data_A = DataProcessor(file_index=a)
+# # data.create_vector_column(overwrite=True)
+# data_A.create_limited_sensor_vector_column(overwrite=True)
+# data_A.export_to_csv("D:/thesis/data/converted/raw")
+
+data_B = DataProcessor(file_index=b)
+# data.create_vector_column(overwrite=True)
+data_B.create_limited_sensor_vector_column(overwrite=True)
+data_B.export_to_csv("D:/thesis/data/converted/raw_B")
+# a = load("D:/cache.joblib")
+# breakpoint()

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

@@ -1,64 +1,7 @@
 % frontmatter/endorsement.tex
 \setmainfont{Times New Roman}
 
+\chapter*{LEMBAR PENGESAHAN TUGAS AKHIR}
 \begin{center}
-    \textbf{\Large LEMBAR PENGESAHAN 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
+    {\normalsize\textit{ENDORSEMENT SHEET}}
 \end{center}

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

@@ -1,4 +1,4 @@
-\documentclass{thesis}
+\documentclass[draftmark]{thesis}
 
 % Title Information
 \setthesisinfo
@@ -18,11 +18,14 @@
 \begin{document}
 
 \maketitle
-\theendorsementpage{toc}
-\originalitystatement{toc}
+\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}

latex/thesis.cls

@@ -1,9 +1,15 @@
 \NeedsTeXFormat{LaTeX2e}
 \ProvidesClass{thesis}[2025/05/10 Bachelor Thesis Class]
 
-\LoadClass[a4paper,12pt]{report}
+\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}
@@ -14,9 +20,24 @@
 \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{margin=1in}
+\geometry{left=3cm, top=3cm, right=3cm, bottom=3cm}
 \setlength{\parskip}{0.5em}
 \setlength{\parindent}{0pt}
 \onehalfspacing
@@ -28,7 +49,7 @@
 \setmonofont{Courier New}
 
 % Metadata commands
-\input{metadata} % Load metadata from external file
+\input{metadata}
 
 \newcommand{\setthesisinfo}[7]{%
   \renewcommand{\thesistitle}{#1}%
@@ -40,19 +61,35 @@
   \renewcommand{\yearofsubmission}{#7}%
 }
 
-% Header and footer
-\pagestyle{fancy}
-\fancyhf{}
-\fancyhead[R]{\nouppercase{\rightmark}}
-\fancyhead[L]{\nouppercase{\leftmark}}
-\fancyfoot[C]{\thepage}
+% % 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]
-  {\bfseries\Large\centering}
+  {\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~}
@@ -64,7 +101,7 @@
 \renewcommand{\maketitle}{\input{frontmatter/maketitle}}
 
 % Chapter & Section format
-\renewcommand{\cftchapfont}{\bfseries\MakeUppercase}
+\renewcommand{\cftchapfont}{\normalsize\MakeUppercase}
 % \renewcommand{\cftsecfont}{}
 % \renewcommand{\cftsubsecfont}{\itshape}
 % \renewcommand{\thesection}{\textup{\Roman{chapter}}.\arabic{section}}
@@ -74,38 +111,47 @@
 \setlength{\cftbeforechapskip}{0em}
 \setlength{\cftchapindent}{0pt}
 \setlength{\cftsecindent}{0em}
-\setlength{\cftsubsecindent}{3em}
-\setlength{\cftchapnumwidth}{4em}
-\setlength{\cftsecnumwidth}{2.5em}
+\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 Contents (TOC) Title styling
-\renewcommand{\contentsname}{DAFTAR ISI}
-\renewcommand{\cfttoctitlefont}{\bfseries\MakeUppercase}
-\renewcommand{\cftaftertoctitle}{\hfill\hfill} % https://tex.stackexchange.com/a/255699/394075
+% 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}
 
-% Frontmatter Macro (Toggle TOC Inclusion)
-\newcommand{\frontmattersection}[3]{%
-  \begin{titlepage}
-  \centering
-  \ifstrequal{#1}{toc}{\addcontentsline{toc}{chapter}{#2}}{\chapter*{#2}}%
-  \input{frontmatter/#3}
-  \end{titlepage}
-  \clearpage
-}
-
-% Wrapper Command for Each Page
-\newcommand{\theendorsementpage}[1]{\frontmattersection{#1}{Pengesahan}{endorsement}}
-\newcommand{\originalitystatement}[1]{\frontmattersection{#1}{Pernyataan Keaslian}{originality}}
-
+% % 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