Project-Based Learning (PBL)

Program Studi: D4 Teknik Informatika
Semester: 5
Mata Kuliah Terintegrasi: Pemrograman Mobile, Computer Vision, Machine Learning
Judul Proyek: Porting Aplikasi Web Jawara (Sistem Manajemen RT/RW) ke Platform Mobile

1. RUANG LINGKUP

1.1 Latar Belakang

Aplikasi Jawara (http://jawarapintar.sytes.net) merupakan sistem informasi berbasis web untuk manajemen data warga, keuangan, dan marketplace di tingkat RT/RW. Untuk meningkatkan aksesibilitas dan kemudahan penggunaan, diperlukan pengembangan aplikasi mobile yang dapat diakses kapan saja dan di mana saja oleh warga.

1.2 Tujuan Proyek

Mengembangkan aplikasi mobile Android/iOS dari aplikasi web Jawara yang sudah ada
Mengintegrasikan fitur Computer Vision untuk verifikasi identitas dan OCR KTP
Menerapkan Machine Learning untuk prediksi keuangan dan rekomendasi marketplace
Memberikan pengalaman belajar komprehensif dalam pengembangan aplikasi mobile terintegrasi

1.3 Batasan Proyek

Platform: Android (prioritas utama) dan iOS (opsional)
Fokus pada fitur utama: manajemen data warga, keuangan, dan marketplace
Integrasi dengan backend existing (API)
Fitur ML dan CV sebagai value-added features
Waktu pengembangan: 7 minggu (minggu ke-10 hingga minggu ke-16 semester)

1.4 Target Pengguna

Admin sistem
Ketua RT
Ketua RW
Bendahara
Sekretaris
Warga

2. RANCANGAN SISTEM

2.1 Arsitektur Sistem

┌─────────────────────────────────────────────┐
│         Mobile Application Layer            │
│                  (Flutter)                  │
├─────────────────────────────────────────────┤
│         Business Logic Layer                │
│  - Authentication Module                    │
│  - Data Management Module                   │
│  - Financial Module                         │
│  - Marketplace Module                       │
│  - Computer Vision Module                   │
│  - Machine Learning Module                  │
├─────────────────────────────────────────────┤
│           API Integration Layer             │
│  - REST API Client                          │
│  - WebSocket (untuk notifikasi real-time)   │
│  - Payment Gateway (QRIS, Gopay, dsb)	      |
├─────────────────────────────────────────────┤
│         Local Storage Layer                 │
│  - SQLite/Realm (offline data)              │
│  - SharedPreferences (user settings)        │
└─────────────────────────────────────────────┘
            ↕ HTTP/HTTPS
┌─────────────────────────────────────────────┐
│      Backend Server (Laravel/Firebase)      │
│      					      │
└─────────────────────────────────────────────┘

2.2 Modul Utama Aplikasi

A. Modul Autentikasi & Otorisasi

Login multi-role (admin, ketua RT/RW, bendahara, sekretaris, warga)
Session management
Biometric authentication (fingerprint/face recognition)

B. Modul Manajemen Data Warga

CRUD data warga
Pencarian dan filtering data
Computer Vision: OCR KTP untuk input data otomatis
Computer Vision: OCR Kartu Keluarga (KK) untuk input data keluarga batch
Computer Vision: Face recognition untuk verifikasi identitas warga sesuai foto KTP
Upload dan manajemen dokumen warga

C. Modul Keuangan

Input dan monitoring iuran warga
Laporan keuangan
Riwayat transaksi
Computer Vision: OCR untuk scan bukti transfer pembayaran iuran (manual transfer)
Computer Vision: Ekstraksi informasi dari struk transfer (nominal, tanggal, pengirim)
Verifikasi pembayaran otomatis
Machine Learning: Prediksi pembayaran iuran (classification)
Machine Learning: Anomaly detection untuk transaksi mencurigakan

D. Modul Marketplace

Katalog produk warga
Sistem pemesanan
Rating dan review
Machine Learning: Recommendation system untuk produk
Computer Vision: Image classification untuk kategori produk otomatis

E. Modul Notifikasi

Push notification untuk pengumuman
Reminder pembayaran iuran
Update marketplace

F. Modul Dashboard & Reporting

Visualisasi data statistik
Export laporan (PDF)
Grafik dan chart interaktif

2.3 Teknologi yang Digunakan

Mobile Development

Framework: Flutter (rekomendasi) atau React Native
State Management: Provider/Bloc (Flutter) atau Redux (React Native)
Local Database: SQLite atau Realm
HTTP Client: Dio (Flutter) atau Axios (React Native)

Computer Vision

Framework: TensorFlow Lite atau ML Kit
Fitur:
- OCR KTP menggunakan Firebase ML Kit Text Recognition
- OCR Kartu Keluarga (KK) untuk ekstraksi data keluarga
- OCR Bukti transfer untuk verifikasi pembayaran iuran
- Face Detection/Recognition menggunakan TensorFlow Lite
- Face verification: matching foto wajah dengan foto di KTP
- Image Classification untuk produk marketplace

Machine Learning

Framework: TensorFlow Lite atau scikit-learn (converted to mobile)
Model:
- Classification model untuk prediksi pembayaran
- Recommendation system (Collaborative Filtering)
- Time series forecasting untuk prediksi keuangan
- Anomaly detection untuk fraud detection

3. TAHAPAN PELAKSANAAN PROYEK

Catatan Penting: Proyek dimulai pada minggu ke-10 semester dengan total durasi 7 minggu. Pendekatan development menggunakan rapid prototyping dan agile methodology dengan fokus pada MVP (Minimum Viable Product) yang dapat dikembangkan dalam timeline terbatas.

Minggu 10: Inisiasi Cepat dan Setup

Deliverables:

Pembentukan tim (4-5 mahasiswa per kelompok)
Analisis cepat requirement dari aplikasi web existing
Dokumentasi requirement specification (simplified)
Wireframe low-fidelity untuk screens prioritas
Setup environment development

Activities:

Kick-off meeting dan pembagian role
Eksplorasi aplikasi web Jawara (reverse engineering API)
Identifikasi fitur MVP (Must Have vs Nice to Have)
Quick design sprint untuk wireframe
Setup project repository dan development tools
Pembagian modul per anggota tim

Output: Project charter, wireframe basic, environment ready

Minggu 11: Design & Prototyping

Deliverables:

System design document (simplified)
Database schema lokal
API endpoint documentation
UI/UX prototype medium-fidelity (Figma)
Project architecture established

Activities:

Finalisasi arsitektur sistem
Design database lokal untuk offline mode
Prototype interface screens prioritas dengan Figma
Setup project structure (folder architecture)
API testing dengan Postman
Parallel work: UI designer + Backend integration team

Output: Design approved, prototype clickable, API documented

Minggu 12: Development Sprint 1 (Core Features - Week 1)

Deliverables:

Modul autentikasi berfungsi (login multi-role)
Modul manajemen data warga (list & detail view)
API integration foundation
Navigation structure complete

Activities:

Implementasi login, logout, session management
Implementasi list warga dengan search & filter
Implementasi detail warga
Setup state management
Basic error handling
Daily standup untuk sync progress

Output: Working prototype dengan 2 modul utama

Minggu 13: Development Sprint 2 (Core Features - Week 2 + Advanced)

Deliverables:

CRUD warga complete (tambah, edit, hapus)
Modul keuangan basic (list iuran, input pembayaran)
Modul marketplace basic (list produk, detail produk)
Local storage implementation
Dashboard basic

Activities:

Finalisasi CRUD operasi untuk warga
Implementasi fitur keuangan (input iuran, history)
Implementasi marketplace (tampil produk, detail)
Implementasi SQLite untuk caching
Dashboard dengan data visualization sederhana
Integration testing antar modul

Output: 4 modul utama berfungsi, offline mode basic

Minggu 14: Development Sprint 3 (AI Integration - Computer Vision)

Deliverables:

OCR KTP terintegrasi dan berfungsi
OCR Kartu Keluarga (KK) terintegrasi
OCR bukti transfer pembayaran berfungsi
Face verification (matching dengan KTP) berfungsi
Image classification untuk kategori produk marketplace
Model CV ter-optimasi untuk mobile

Activities:

Parallel Track A (CV Team - 3 orang):
- Sub-team A1 (2 orang - Document OCR):
  - Implementasi OCR KTP menggunakan ML Kit atau Tesseract
  - Implementasi OCR Kartu Keluarga (KK) dengan template parsing
  - Implementasi OCR bukti transfer (struk bank)
  - Preprocessing image untuk OCR (crop, brightness, contrast, deskew)
  - Parsing hasil OCR ke field form (KTP, KK, bukti bayar)
  - Validasi format data (NIK, No. KK, nominal transfer)
  - Testing berbagai kondisi pencahayaan dan kualitas gambar
- Sub-team A2 (1 orang - Face Verification):
  - Implementasi face detection dari foto real-time
  - Ekstraksi face embedding dari foto KTP
  - Face matching/verification (similarity score)
  - Threshold tuning untuk acceptance rate
  - Anti-spoofing basic (liveness detection)
Parallel Track B (Main Dev Team - 2 orang):
- Integration OCR results ke database
- UI/UX untuk capture document (guide overlay)
- Refinement fitur existing
- Bug fixing dan stabilisasi
- UI/UX improvement untuk flow pembayaran

Output:

OCR 3 jenis dokumen berfungsi dengan akurasi acceptable (KTP, KK, Struk)
Face verification working dengan FAR < 5%
App semakin stabil dengan flow document scanning yang smooth

Minggu 15: Development Sprint 4 (AI Integration - Machine Learning + Polish)

Deliverables:

Model prediksi pembayaran iuran terintegrasi
Recommendation system marketplace (basic)
Semua fitur final polish
Bug fixes major selesai
Performance optimization

Activities:

Parallel Track A (ML Team):
- Training model classification untuk prediksi pembayaran (gunakan data dummy/simulasi jika perlu)
- Implementasi recommendation sederhana (content-based filtering)
- Konversi model ke TensorFlow Lite
- Integration ke aplikasi
Parallel Track B (QA & Polish Team):
- Comprehensive testing semua fitur
- UI/UX refinement berdasarkan feedback
- Performance testing dan optimization
- Security check
- Error handling improvement

Output: Feature complete, ML/CV integrated, app polished

Minggu 16: Testing, Documentation & Presentation

Deliverables:

Aplikasi final (APK)
Dokumentasi teknis lengkap
User manual
Video demo aplikasi
Presentasi final
Test report

Activities:

Days 1-2: Final Testing
- User Acceptance Testing (UAT) dengan sample users
- Final bug fixing
- Performance tuning
- Security final check
Days 3-4: Documentation
- Finalisasi dokumentasi teknis (architecture, API, code docs)
- User manual per role user
- Installation guide
- Known issues & limitation documentation
Days 5-7: Presentation Preparation
- Video demo recording dan editing
- Presentation slide preparation
- Rehearsal presentasi
- Final submission
- Presentasi dan demo ke dosen

Output: Deliverable lengkap, presentasi sukses, project selesai

Strategi Akselerasi untuk Timeline 7 Minggu

1. MVP-First Approach

Fokus pada fitur core yang memberikan value paling tinggi:

Must Have: Login, CRUD warga, view keuangan, view marketplace
Should Have: OCR KTP, dashboard, notifications
Nice to Have: ML prediction, recommendation, face recognition

2. Parallel Development

Bagi tim menjadi sub-teams:

Team A: Core mobile features (3 orang)
Team B: AI/ML features (2 orang)
Daily sync: Untuk integration dan blocker resolution

3. Leverage Existing Solutions

Gunakan UI component library (Material UI, Flutter widgets)
Gunakan pre-trained models (ML Kit, TensorFlow Hub)
Gunakan template code dan boilerplate
Gunakan Firebase untuk backend services (auth, push notif)

4. Rapid Prototyping

Week 1: Paper prototype + basic code
Week 2: Clickable prototype + 50% features
Week 3-4: Working prototype + 80% features
Week 5-6: Feature complete + polish
Week 7: Testing + documentation

5. Risk Mitigation

Buffer time: Built-in dalam setiap sprint
Fallback plan: Jika CV/ML tidak bisa selesai, fokus polish core features
Daily standup: Cepat identify blockers
Help protocol: Peer help, mentor consultation

6. Quality Gates (Simplified)

Gate 1 (End Week 11): Design approved
Gate 2 (End Week 13): Core features working
Gate 3 (End Week 15): Feature complete
Gate 4 (End Week 16): Ready to present

4. KEBUTUHAN PERALATAN/PERANGKAT DAN BAHAN/KOMPONEN

4.1 Hardware

Item	Spesifikasi Minimum	Jumlah	Keterangan
Laptop Development	RAM 8GB, SSD 256GB, Processor i5/Ryzen 5	1 per mahasiswa	Untuk development
Smartphone Android	Android 8.0+, RAM 3GB+	2 per kelompok	Testing device
Smartphone iOS	iOS 12+, iPhone 7+	1 per kelompok (opsional)	Testing iOS
Webcam/Camera	Minimal 5MP	1 per kelompok	Testing CV features
Storage External	1TB	1 per kelompok	Backup project

4.2 Software & Tools

Development Tools

IDE: Android Studio / VS Code / Xcode
Design: Figma / Adobe XD
Version Control: Git + GitHub/GitLab
API Testing: Postman
Database: SQLite Browser

Frameworks & Libraries

Mobile: Flutter SDK atau React Native
CV: TensorFlow Lite, ML Kit, OpenCV
ML: TensorFlow, scikit-learn, pandas, numpy
Backend: Dokumentasi API existing

Cloud Services (Free Tier)

Firebase (Authentication, Cloud Messaging, ML Kit)
Google Cloud Platform (Vision API - free tier)
GitHub (repository dan CI/CD)

4.3 Data & Model

Dataset untuk Training

Dataset KTP Indonesia (minimal 500 gambar, berbagai format lama & baru)
Dataset Kartu Keluarga (minimal 300 gambar, berbagai format regional)
Dataset struk transfer bank (minimal 200 gambar, 5-7 bank populer)
Dataset wajah untuk face recognition (100-200 wajah)
Dataset foto KTP untuk face verification training (paired: foto asli + foto KTP)
Data historis transaksi keuangan (simulasi)
Data produk marketplace dengan kategori

Pre-trained Models

Mobile-optimized OCR model (Tesseract, ML Kit)
Face detection model (MobileNet)
Face recognition/verification model (FaceNet mobile)
Image classification model (EfficientNet-Lite)

4.4 Konektivitas

Akses internet stabil untuk testing API
Akses ke server backend Jawara
API key untuk services (Firebase, GCP)

4.5 Dokumentasi

Template dokumentasi teknis
Template user manual
Template laporan PBL

5. TANTANGAN DAN ISU

5.1 Tantangan Teknis

A. Integrasi Backend

Masalah:

API documentation mungkin tidak lengkap
Endpoint API mungkin tidak mobile-friendly
Authentication mechanism compatibility

Solusi:

Reverse engineering API menggunakan browser dev tools
Koordinasi dengan backend developer
Implementasi wrapper API di aplikasi
Caching strategy untuk offline mode

B. Performance Optimization

Masalah:

Model ML/CV terlalu besar untuk mobile
Loading time lambat
Battery drain tinggi

Solusi:

Model quantization dan pruning
Lazy loading untuk data besar
Image compression
Background task optimization
Implementasi pagination

C. Computer Vision Accuracy & Robustness

Masalah:

Akurasi OCR KTP rendah pada kondisi pencahayaan buruk
OCR Kartu Keluarga kompleks (banyak field, layout bervariasi)
OCR bukti transfer (format struk bank bervariasi per bank)
Face verification false positive/negative
Variasi format KTP/KK regional

Solusi:

Untuk OCR Documents:
- Data augmentation saat training (rotation, blur, noise)
- Preprocessing pipeline: grayscale → denoise → contrast enhancement → binarization
- Template matching untuk deteksi layout dokumen
- Multiple OCR engine ensemble (ML Kit + Tesseract)
- Regex validation untuk format data (NIK 16 digit, No. KK 16 digit, dll)
- Confidence score threshold (reject jika confidence < 70%)
- Manual correction UI jika OCR gagal
Untuk Face Verification:
- Face alignment sebelum comparison
- Multiple face detection attempts
- Liveness detection sederhana (blink, turn head)
- Fallback ke manual verification oleh admin
- Adjustable similarity threshold per use case
User Guidance:
- Overlay guide untuk posisi dokumen saat scan
- Real-time feedback (terlalu gelap, terlalu blur, dll)
- Tips untuk hasil terbaik (pencahayaan, jarak, sudut)
- Multiple retry dengan hints

D. OCR Data Parsing Complexity

Masalah:

Layout KTP/KK tidak konsisten antar daerah
Typo/error dari OCR engine
Field label bervariasi
Data multi-line (alamat)

Solusi:

Template-based Parsing:
- Buat template untuk berbagai format KTP (lama vs baru)
- Deteksi layout menggunakan spatial analysis
- Keyword matching untuk field identification ("NIK:", "Nama:", dst)
Fuzzy Matching:
- Levenshtein distance untuk match field labels
- Phonetic matching untuk nama
Post-processing:
- Digit-only validation untuk NIK/No. KK
- Date format standardization
- Title case untuk nama
- Address normalization
Iterative Improvement:
- Log failed cases untuk improvement
- User feedback untuk training data
- Regular expression refinement

E. Bank Transfer Receipt Variation

Masalah:

Setiap bank punya format struk berbeda (BCA, Mandiri, BRI, BNI, dll)
Mobile banking screenshot vs ATM print
Info yang perlu diextract: nominal, tanggal, nama pengirim, bank

Solusi:

Multi-template OCR:
- Template detection berdasarkan logo bank
- Bank-specific parsing rules
- Generic fallback parser
Key Information Extraction:
- Fokus pada field kritis: nominal, tanggal, referensi
- Regex pattern untuk format currency (Rp, ., ,)
- Date pattern matching (DD/MM/YYYY, DD-MM-YYYY, dll)
Validation:
- Cross-check nominal dengan expected amount
- Date validation (tidak boleh future date)
- Minimum confidence threshold
Fallback:
- Manual input jika OCR confidence < threshold
- Admin verification untuk transaksi besar
- Photo attachment tetap disimpan untuk audit

D. Machine Learning Data Quality

Masalah:

Data historis terbatas
Data tidak seimbang (imbalanced)
Feature engineering complexity

Solusi:

Data synthesis dan augmentation
SMOTE untuk handling imbalanced data
Feature selection dan dimensionality reduction
Regular model retraining dengan data baru

5.2 Tantangan Project Management

A. Koordinasi Tim

Masalah:

Jadwal kuliah berbeda
Pembagian task tidak merata
Communication gap

Solusi:

Daily standup meeting (online)
Gunakan project management tools (Trello/Jira)
Code review mandatory
Pair programming untuk task kompleks

B. Scope Creep

Masalah:

Permintaan fitur tambahan
Ekspektasi stakeholder berubah
Waktu terbatas

Solusi:

Strict scope definition
Prioritas fitur (MoSCoW method)
Agile development dengan sprint jelas
Regular checkpoint dengan dosen pembimbing

5.3 Tantangan Pembelajaran

A. Learning Curve

Masalah:

Mahasiswa belum menguasai semua teknologi
Kompleksitas integrasi 3 domain (Mobile, CV, ML)

Solusi:

Peer learning dan knowledge sharing
Tutorial dan workshop internal
Mentoring dari dosen
Online course dan documentation

B. Time Management

Masalah:

Deadline overlap dengan mata kuliah lain
Underestimate task complexity

Solusi:

Buffer time di setiap sprint
Regular progress monitoring
Prioritas critical path tasks
Realistic estimation dengan contingency

5.4 Isu Keamanan dan Privasi

Masalah:

Data warga sensitif (KTP, foto, alamat)
API security
Local storage vulnerability

Solusi:

Enkripsi data lokal (SQLCipher)
Secure API communication (HTTPS, token refresh)
Implement proper authorization check
Data minimization principle
Privacy policy dan informed consent

6. ESTIMASI WAKTU PEKERJAAN

6.1 Breakdown per Fase (7 Minggu - Accelerated Timeline)

Fase	Minggu	Durasi	Effort (person-hours)	Critical Path
Fase 1: Inisiasi & Setup	10	1 minggu	60 jam	Ya
- Analisis requirement		2 hari	20 jam	Ya
- Design wireframe		2 hari	20 jam	Ya
- Setup environment		2 hari	20 jam	Ya

Fase 2: Design & Prototyping	11	1 minggu	70 jam	Ya
- Arsitektur sistem		2 hari	20 jam	Ya
- Database design		1 hari	10 jam	Ya
- UI/UX prototype		3 hari	30 jam	Ya
- API documentation		1 hari	10 ham	Ya

Fase 3: Development Sprint 1	12	1 minggu	100 jam	Ya
- Autentikasi		2 hari	30 jam	Ya
- Manajemen warga (list/detail)		3 hari	40 ham	Ya
- API integration		2 hari	30 jam	Ya

Fase 4: Development Sprint 2	13	1 minggu	120 jam	Ya
- CRUD warga complete		2 hari	30 jam	Ya
- Modul keuangan		3 hari	45 ham	Ya
- Modul marketplace		3 hari	45 jam	Ya

Fase 5: Computer Vision	14	1 minggu	120 ham	Tidak
- OCR KTP implementation		2 hari	30 jam	Tidak
- OCR Kartu Keluarga (KK)		2 hari	25 jam	Tidak
- OCR bukti transfer		2 hari	25 jam	Tidak
- Face verification		2 hari	30 jam	Tidak
- Testing & optimization		1 hari	10 ham	Tidak

Fase 6: Machine Learning + Polish	15	1 minggu	90 jam	Tidak
- ML model training		3 hari	35 jam	Tidak
- ML integration		2 hari	25 ham	Tidak
- Bug fixing & polish		2 hari	30 jam	Ya

Fase 7: Testing & Presentation	16	1 minggu	80 ham	Ya
- UAT & bug fixing		2 hari	30 ham	Ya
- Documentation		2 hari	25 ham	Ya
- Presentation prep		3 hari	25 jam	Ya

TOTAL	10-16	7 minggu	640 jam

6.2 Alokasi Waktu per Mahasiswa (Timeline Compressed)

Asumsi: 1 kelompok = 5 mahasiswa

Total effort: 640 person-hours
Per mahasiswa: 640 / 5 = 128 jam
Per minggu per mahasiswa: 128 / 7 = 18.3 jam
Setara: ~3.5-4 jam per hari (5 hari kerja) atau ~2.6 jam per hari (7 hari)

Catatan: Timeline ini lebih intensif dibanding timeline 16 minggu. Mahasiswa perlu alokasi waktu lebih banyak per minggu, terutama untuk minggu 14 (CV intensive).

6.3 Gantt Chart (7 Minggu)

Minggu:        10   11   12   13   14   15   16
Inisiasi:      ██
Design:            ██
Sprint 1 Core:         ██
Sprint 2 Core:             ██
Computer Vision:               ██ (intensive)
ML + Polish:                       ██
Test & Present:                        ██

Critical Path: ██ ██ ██ ██         ██ ██
Parallel Work:                ██ ██
CV Heavy Week:                ██

6.4 Milestone Utama (7 Minggu)

Milestone	Target Minggu	Target Date	Deliverable Key
M1: Project Kickoff	Minggu 10	[Sesuaikan]	Project charter, wireframe
M2: Design Approved	Minggu 11	[Sesuaikan]	Prototype approved
M3: Core Features Working	Minggu 13	[Sesuaikan]	MVP functional
M4: Feature Complete	Minggu 15	[Sesuaikan]	All features done
M5: Final Delivery	Minggu 16	[Sesuaikan]	Product + docs complete

6.5 Daily Time Allocation (Recommended)

Weekdays (Senin - Jumat):

2-3 jam coding/development
30 menit daily standup
30 menit learning/research

Weekend (Sabtu - Minggu):

3-4 jam intensive development
1 jam team meeting/review

Total per week: ~17-20 jam

6.6 Contingency Plan

Karena timeline ketat, siapkan contingency:

Jika Terlambat 1 Minggu:

Option A: Kurangi scope fitur ML/CV (fokus core saja)
Option B: Tambah work hours jadi 20-25 jam/minggu
Option C: Simplify UI/UX (gunakan template)

Jika Terlambat 2 Minggu:

Critical: Fokus hanya pada MVP
Drop fitur: Face recognition, ML recommendation
Keep fitur: Login, CRUD warga, keuangan basic, marketplace basic, OCR KTP

Buffer Strategy:

Minggu 10-13: NO BUFFER (must on track)
Minggu 14-15: Buffer 1-2 hari untuk AI features
Minggu 16: Buffer 1 hari untuk emergency fixes

7. BIAYA PROYEK

7.1 Breakdown Biaya

A. Hardware & Equipment

Item	Harga Satuan	Jumlah	Total	Keterangan
Smartphone Android (testing)	Rp 2.000.000	2	Rp 4.000.000	Dapat dipinjam dari lab
Smartphone iOS (testing)	Rp 5.000.000	1	Rp 5.000.000	Opsional / pinjam
External HDD 1TB	Rp 700.000	1	Rp 700.000	Backup & storage
Webcam HD	Rp 500.000	1	Rp 500.000	CV testing
Subtotal A			Rp 10.200.000	Dapat dikurangi via fasilitas kampus

B. Software & Subscription (1 semester = 7 minggu tersisa)

Item	Biaya/bulan	Durasi	Total	Keterangan
Firebase (Spark Plan)	Gratis	2 bulan	Rp 0	Free tier cukup
Google Cloud Platform	Rp 300.000	2 bulan	Rp 600.000	Vision API (dapat free credit)
Domain & Hosting (optional)	Rp 100.000	2 bulan	Rp 200.000	Untuk documentation site
Figma Pro (optional)	Gratis	-	Rp 0	Student license
GitHub Pro	Gratis	-	Rp 0	Student pack
Subtotal B			Rp 800.000	Dapat gratis dengan student pack

C. Development Tools (One-time)

Item	Harga	Keterangan
IDE & Development Tools	Rp 0	Free (VS Code, Android Studio)
Design Tools	Rp 0	Free (Figma, Canva)
Testing Tools	Rp 0	Free (Postman, Firebase)
Subtotal C	Rp 0

D. Data & Training

Item	Harga	Keterangan
Dataset KTP (scraping/generation)	Rp 0	Self-collected / synthetic
Dataset produk marketplace	Rp 0	Public dataset
Cloud compute untuk training (GCP/Colab)	Rp 0	Gunakan Colab free tier
Subtotal D	Rp 0

E. Operasional (7 minggu)

Item	Harga	Keterangan
Pulsa & Kuota Internet (2 bulan x 5 org)	Rp 100.000	Rp 1.000.000
Printing & dokumentasi	Rp 300.000	Rp 300.000
Konsumsi meeting & testing	Rp 30.000	Rp 600.000
Transportasi UAT & presentasi	Rp 100.000	Rp 500.000
Kontijensi (10%)	-	Rp 240.000
Subtotal E		Rp 2.640.000

7.2 Total Biaya Proyek (7 Minggu)

Kategori	Biaya	Presentase
Hardware & Equipment	Rp 10.200.000	75%
Software & Subscription	Rp 800.000	6%
Development Tools	Rp 0	0%
Data & Training	Rp 0	0%
Operasional	Rp 2.640.000	19%
TOTAL	Rp 13.640.000	100%

7.3 Biaya Per Mahasiswa

Total biaya: Rp 13.640.000
Jumlah mahasiswa: 5 orang
Biaya per mahasiswa: Rp 2.728.000

7.4 Skenario Cost Reduction

Opsi A: Maksimalkan Fasilitas Kampus

Pinjam smartphone dari lab mobile: -Rp 9.000.000
Gunakan GCP free credit ($300): -Rp 600.000
Gunakan WiFi kampus: -Rp 500.000
Total dengan fasilitas kampus: Rp 3.540.000
Per mahasiswa: Rp 708.000

Opsi B: Minimal Viable Budget

Hanya beli essentials (HDD, printing): Rp 1.000.000
Kuota internet minimal: Rp 500.000
Kontijensi: Rp 150.000
Total minimal: Rp 1.650.000
Per mahasiswa: Rp 330.000 Training | Rp 0 | 0% | | Operasional | Rp 4.950.000 | 29% | | TOTAL | Rp 16.750.000 | 100% |

7.3 Biaya Per Mahasiswa

Total biaya: Rp 16.750.000
Jumlah mahasiswa: 5 orang
Biaya per mahasiswa: Rp 3.350.000

7.4 Skenario Cost Reduction

Opsi A: Maksimalkan Fasilitas Kampus

Pinjam smartphone dari lab mobile: -Rp 9.000.000
Gunakan GCP free credit ($300): -Rp 1.200.000
Gunakan WiFi kampus: -Rp 1.000.000
Total dengan fasilitas kampus: Rp 5.550.000
Per mahasiswa: Rp 1.110.000

Opsi B: Minimal Viable Budget

Hanya beli essentials (HDD, printing): Rp 1.200.000
Kuota internet minimal: Rp 1.000.000
Kontijensi: Rp 220.000
Total minimal: Rp 2.420.000
Per mahasiswa: Rp 484.000

7.5 Sumber Pendanaan Potensial

Kampus: Hibah PBL atau research grant
Sponsor: Kerjasama dengan vendor teknologi
Mandiri: Iuran mahasiswa
Kompetisi: Dana dari perlombaan aplikasi mobile

8. MATA KULIAH, CAPAIAN PEMBELAJARAN, DAN TUJUAN PEMBELAJARAN YANG TERLIBAT

8.1 Mata Kuliah Pemrograman Mobile

Capaian Pembelajaran (CP)

CP1: Mahasiswa mampu memahami konsep dan arsitektur pengembangan aplikasi mobile
CP2: Mahasiswa mampu merancang user interface dan user experience aplikasi mobile yang responsif
CP3: Mahasiswa mampu mengimplementasikan aplikasi mobile menggunakan framework modern
CP4: Mahasiswa mampu melakukan evaluasi dan optimasi model machine learning
CP5: Mahasiswa mampu melakukan deployment model ML pada production environment

Tujuan Pembelajaran (TP)

TP1: Melakukan exploratory data analysis (EDA) pada dataset
TP2: Melakukan data cleaning, handling missing values, dan outlier detection
TP3: Melakukan feature selection dan feature engineering
TP4: Implementasi supervised learning (classification, regression)
TP5: Implementasi unsupervised learning (clustering, recommendation system)
TP6: Melakukan hyperparameter tuning untuk optimasi model
TP7: Evaluasi model menggunakan cross-validation dan berbagai metrics
TP8: Handling imbalanced dataset
TP9: Implementasi time series forecasting
TP10: Konversi dan deployment model ke mobile platform

Pemetaan ke Proyek

Aktivitas Proyek	CP Terkait	TP Terkait
Analisis data historis keuangan	CP2	TP1
Preprocessing data transaksi	CP2	TP2
Feature engineering untuk prediksi	CP2	TP3
Model prediksi pembayaran iuran	CP3	TP4, TP8
Recommendation system marketplace	CP3	TP5
Anomaly detection transaksi	CP3	TP4
Forecasting keuangan RT/RW	CP3	TP9
Hyperparameter tuning	CP4	TP6
Evaluasi dan validasi model	CP4	TP7
Konversi model ke TFLite	CP5	TP10

8.4 Soft Skills dan Kompetensi Tambahan

A. Project Management

Perencanaan project dengan Agile/Scrum methodology
Risk management dan problem solving
Time management dan meeting deadlines
Documentation dan reporting

B. Teamwork & Collaboration

Git collaboration dan version control
Code review dan peer feedback
Pair programming
Communication skills (technical writing, presentation)

C. Critical Thinking

System design dan architectural decisions
Trade-off analysis (performance vs accuracy vs cost)
Debugging dan troubleshooting
Innovation dan creative problem solving

D. Professional Skills

User research dan requirement gathering
Stakeholder management
Quality assurance mindset
Continuous learning attitude

8.5 Matriks Kompetensi Mahasiswa

Kompetensi	Pemrograman Mobile	Computer Vision	Machine Learning	Soft Skills
Beginner → Intermediate	✓ UI/UX Design<br>✓ State Management	✓ Image Processing<br>✓ Model Training	✓ Data Preprocessing<br>✓ Feature Engineering	✓ Git Version Control<br>✓ Agile Basics
Intermediate → Advanced	✓ API Integration<br>✓ Architecture Design<br>✓ Performance Tuning	✓ Transfer Learning<br>✓ Model Optimization<br>✓ Real-time Processing	✓ Model Evaluation<br>✓ Hyperparameter Tuning<br>✓ Deployment	✓ Technical Documentation<br>✓ Problem Solving
Advanced → Expert	✓ Security Implementation<br>✓ Offline Mode<br>✓ Production Deployment	✓ Custom Architecture<br>✓ Edge Cases Handling	✓ Ensemble Methods<br>✓ A/B Testing	✓ Leadership<br>✓ Innovation

9. PEMANTAUAN DAN EVALUASI

9.1 Sistem Pemantauan (7 Minggu Timeline)

A. Pemantauan Harian (Daily Standup) - MANDATORY

Format: Online meeting 15 menit (Zoom/Discord/Google Meet) Waktu: Setiap hari kerja pukul 19.00 WIB (after class) Agenda:

Apa yang dikerjakan kemarin?
Apa yang akan dikerjakan hari ini?
Ada blocker atau hambatan?
Quick decision untuk unblock issues

Tools:

Trello/Jira untuk tracking task
Discord/Telegram untuk quick communication
GitHub project board

Importance: Karena timeline ketat (7 minggu), daily sync WAJIB untuk detect blockers early

B. Pemantauan Mingguan (Weekly Sprint Review) - CRITICAL

Format: Meeting 2 jam setiap akhir minggu (Sabtu/Minggu) Peserta: Seluruh tim + dosen pembimbing Agenda:

Demo progress yang telah dicapai (LIVE DEMO)
Review code quality dan best practices
Evaluasi sprint: apa yang selesai, apa yang tertunda
Planning detail untuk sprint berikutnya
Risk assessment dan immediate action plan
GO/NO-GO decision untuk lanjut ke fase berikutnya

Deliverable:

Sprint report (1-2 halaman)
Updated Gantt chart
Risk register
Demo video (optional tapi recommended)

Format Sprint Report:

SPRINT REVIEW - MINGGU [X]
Target Sprint: [Deskripsi]
Pencapaian: [% complete, fitur yang selesai]
Blockers: [Masalah yang dihadapi]
Solutions: [Action items]
Next Sprint Target: [Specific & measurable]

C. Pemantauan Milestone (Critical Gates)

Format: Formal presentation & demo Frekuensi: Minggu 11, 13, 15, 16

Milestone Gates:

Gate 1 (Minggu 11): Design Review

Kriteria Pass:
- Wireframe & UI design complete dan approved
- Architecture design documented
- API endpoints identified dan tested
- Project setup complete (environment, repo, tools)
If FAIL: Revisi desain dalam 2 hari, tidak boleh lanjut coding

Gate 2 (Minggu 13): MVP Review

Kriteria Pass:
- Core features working (login, CRUD warga, basic keuangan & marketplace)
- API integration functional
- No critical bugs
- Code quality acceptable (no major code smells)
If FAIL: Emergency sprint untuk fix critical issues, delay AI features

Gate 3 (Minggu 15): Feature Complete Review

Kriteria Pass:
- ALL features implemented (including CV & ML)
- Integration testing passed
- Major bugs fixed
- Performance acceptable
If FAIL: Reduce scope, focus on polish existing features

Gate 4 (Minggu 16): Final Review

Kriteria Pass:
- UAT passed (user satisfaction ≥ 7/10)
- Documentation complete
- Presentation ready
- APK ready for deployment
If FAIL: Not possible - must present, focus on damage control

D. Monitoring Real-time (Dashboard)

Setup Team Dashboard menggunakan:

GitHub Insights: Commit frequency, PR status, code review
Trello Board: Task status (To Do, In Progress, Testing, Done)
Google Sheets: Progress tracker

Example Progress Tracker:

Minggu	Target	Actual	Status	Blocker	Action
10	Setup	100%	✅ Done	-	-
11	Design	80%	⚠️ Delay	UI review	Add 1 day
12	Sprint 1	90%	✅ On track	-	-

Traffic Light System:

🟢 Green (On Track): Progress ≥ 90% target
🟡 Yellow (At Risk): Progress 70-89% target, need attention
🔴 Red (Critical): Progress < 70%, need immediate intervention

9.2 Instrumen Evaluasi

A. Evaluasi Produk (60%)

1. Fungsionalitas Aplikasi (25%)

Kriteria Penilaian:

Aspek	Bobot	Indikator
Kelengkapan fitur core	8%	Semua fitur wajib terimplementasi
Integrasi API	6%	Komunikasi backend lancar, error handling baik
Offline functionality	5%	Data caching dan sync berfungsi
User authentication	3%	Login multi-role, security, session management
Error handling	3%	Graceful error, user-friendly message

2. Computer Vision Implementation (15%)

Kriteria Penilaian:

Aspek	Bobot	Indikator
OCR KTP akurasi	4%	Akurasi ≥ 80% pada kondisi normal, parsing field benar
OCR Kartu Keluarga (KK)	4%	Akurasi ≥ 75%, ekstraksi data keluarga batch working
OCR bukti transfer	3%	Ekstraksi nominal & tanggal ≥ 80% akurat, multi-bank support
Face verification	4%	False acceptance rate < 5%, matching dengan KTP working

3. Machine Learning Implementation (12%)

Kriteria Penilaian:

Aspek	Bobot	Indikator
Prediction accuracy	5%	Model prediksi pembayaran akurasi ≥ 75%
Recommendation relevance	4%	User satisfaction terhadap rekomendasi
Model performance	3%	Inference time < 2 detik di device

4. User Interface/UX (6%)

Kriteria Penilaian:

Konsistensi design system
Responsiveness berbagai screen size
Intuitive navigation
Accessibility considerations
Visual appeal dan modern design

5. Performance & Quality (5%)

Kriteria Penilaian:

Loading time (< 3 detik untuk list view, < 5 detik untuk OCR processing)
Memory usage (< 200 MB normal, < 300 MB saat OCR)
Battery consumption (efisien, tidak drain cepat saat scanning)
Crash rate (< 1%)
APK size (< 100 MB)
OCR processing time (< 3 detik per dokumen)

B. Evaluasi Proses (25%)

1. Project Management (8%)

Kriteria:

Ketepatan timeline dan milestone
Risk management effectiveness
Quality assurance process
Documentation completeness
Version control practices

Tools Monitoring:

GitHub commit frequency dan quality
Trello/Jira task completion rate
Sprint velocity tracking

2. Teamwork & Collaboration (8%)

Kriteria:

Kontribusi seimbang antar anggota
Code review participation
Communication effectiveness
Conflict resolution
Peer feedback quality

Metode Evaluasi:

Peer assessment (anonymous)
Contribution matrix dari Git analytics
Meeting attendance dan participation

3. Problem Solving (5%)

Kriteria:

Kemampuan identifikasi masalah
Analytical thinking
Solution creativity
Implementation effectiveness
Learning from mistakes

4. Innovation & Creativity (4%)

Kriteria:

Fitur value-added yang unik
Technical innovation
UX innovation
Approach to challenges

C. Evaluasi Presentasi & Dokumentasi (15%)

1. Dokumentasi Teknis (7%)

Deliverables:

Architecture diagram
API documentation
Database schema
Code documentation (inline comments, README)
Installation guide
Deployment guide

Kriteria:

Kelengkapan dan detail
Clarity dan struktur
Technical accuracy
Professional formatting

2. User Manual (3%)

Kriteria:

Kelengkapan panduan per role user
Screenshot dan visual guide
Troubleshooting section
FAQ section
Bahasa yang mudah dipahami

3. Presentasi Akhir (5%)

Kriteria:

Clarity of presentation
Demo effectiveness
Q&A handling
Time management
Visual aids quality

9.3 Rubrik Penilaian Detail

Skala Penilaian

A (85-100): Excellent - Melebihi ekspektasi, innovation tinggi
B (70-84): Good - Memenuhi semua requirement dengan baik
C (60-69): Satisfactory - Memenuhi requirement minimal
D (50-59): Poor - Banyak kekurangan signifikan
E (<50): Fail - Tidak memenuhi requirement minimal

Contoh Rubrik: Fungsionalitas OCR KTP

Skor	Kriteria
90-100	Akurasi ≥ 90%, bekerja baik di berbagai kondisi pencahayaan, auto-crop KTP, validasi format NIK, handling error excellent, parsing semua field utama (NIK, Nama, TTL, Alamat, RT/RW, Kel/Desa, Kecamatan)
80-89	Akurasi 80-89%, bekerja baik di kondisi normal, ada preprocessing, error handling baik, parsing minimal 6 field
70-79	Akurasi 70-79%, bekerja pada kondisi terbatas, preprocessing basic, error handling cukup, parsing minimal 4 field utama
60-69	Akurasi 60-69%, sering error, butuh kondisi ideal, error handling minimal, parsing 2-3 field
<60	Akurasi < 60% atau tidak berfungsi pada banyak kasus

Contoh Rubrik: OCR Kartu Keluarga (KK)

Skor	Kriteria
90-100	Ekstraksi ≥ 8 anggota keluarga, akurasi ≥ 85%, parsing relasi keluarga, validasi No. KK, handling multi-page
80-89	Ekstraksi 5-7 anggota keluarga, akurasi 75-84%, parsing field utama per anggota, validasi basic
70-79	Ekstraksi 3-4 anggota keluarga, akurasi 65-74%, parsing nama & NIK saja
60-69	Ekstraksi 1-2 anggota keluarga, akurasi 55-64%, parsing terbatas
<60	Tidak dapat ekstrak data keluarga dengan benar

Contoh Rubrik: OCR Bukti Transfer

Skor	Kriteria
90-100	Support ≥ 5 bank, akurasi nominal 95%+, akurasi tanggal 90%+, ekstraksi nama pengirim, validasi format currency
80-89	Support 3-4 bank, akurasi nominal 85-94%, akurasi tanggal 80-89%, ekstraksi partial info
70-79	Support 2-3 bank, akurasi nominal 75-84%, akurasi tanggal 70-79%
60-69	Support 1-2 bank, akurasi nominal 65-74%, sering error
<60	Tidak reliable, akurasi < 65%

Contoh Rubrik: Face Verification

Skor	Kriteria
90-100	FAR < 2%, FRR < 5%, liveness detection, robust terhadap variasi pose, matching cepat < 2 detik
80-89	FAR 2-5%, FRR 5-10%, basic liveness, handling pose minor variation, matching < 3 detik
70-79	FAR 5-10%, FRR 10-15%, no liveness, frontal face only, matching < 5 detik
60-69	FAR 10-20%, FRR 15-25%, tidak reliable, butuh kondisi ideal
<60	FAR > 20% atau FRR > 25%, tidak berfungsi dengan baik

Keterangan:

FAR (False Accept Rate): Persentase orang yang salah diterima sebagai match
FRR (False Reject Rate): Persentase orang yang benar ditolak

9.4 Mekanisme Feedback

A. Feedback Real-time (Daily)

Daily standup untuk feedback cepat
Code review comments di GitHub
Chat group untuk technical discussion

B. Feedback Mingguan

Sprint review meeting dengan feedback konstruktif
Written feedback report dari dosen
Peer feedback session

C. Feedback Milestone

Comprehensive evaluation report
One-on-one mentoring session
Action items untuk improvement

9.5 Quality Gates (Adjusted for 7 Weeks)

Setiap fase harus memenuhi quality gate sebelum lanjut ke fase berikutnya:

Quality Gate	Minggu	Kriteria Lulus	Action jika Tidak Lulus
Gate 0: Kickoff	10	Tim terbentuk, role jelas, environment setup	Tidak bisa mulai project
Gate 1: Design Phase	11	UI/UX approved, architecture clear, API documented	Max 2 hari revisi, delay sprint 1
Gate 2: MVP Ready	13	Core features berfungsi, API connected, no critical bugs	Emergency fix 2 hari, delay AI features
Gate 3: Feature Complete	15	All features done, CV/ML integrated, bugs < 10	Polish only, drop non-critical features
Gate 4: Production Ready	16	UAT passed, docs complete, ready to present	Must present regardless, post-mortem

Critical Success Factors:

Minggu 10-11: TIDAK BOLEH DELAY (foundation phase)
Minggu 12-13: Delay maksimal 2 hari (core development)
Minggu 14-15: Flexible, AI features dapat di-descope
Minggu 16: Fixed deadline, adjust scope if needed

9.6 Risk Monitoring Dashboard (7 Weeks Specific)

Red Flags (Immediate Escalation Needed):

⚠️ Week 10-11: Environment setup belum selesai hari ke-3
⚠️ Week 12: Authentication belum working hari ke-4
⚠️ Week 13: API integration masih banyak error hari ke-5
⚠️ Week 14: OCR belum jalan hari ke-3 → consider drop feature
⚠️ Week 15: Major bugs > 15 → all hands on deck
⚠️ Any week: Team member absence > 2 hari tanpa backup

Action Plan per Risk Level:

🔴 Critical Risk (Project Jeopardy):

Emergency meeting dalam 4 jam
Dosen intervention immediately
Scope reduction discussion
Reallocate resources
Extended work hours (up to 25 jam/minggu)

🟡 Medium Risk (Need Attention):

Team discussion dalam 24 jam
Root cause analysis
Adjust sprint backlog
Peer assistance
Review in next daily standup

🟢 Low Risk (Monitor):

Document in sprint review
Add to lessons learned
Continue monitoring

9.7 Self-Assessment & Reflection (Accelerated)

Weekly Reflection (Individual) - 30 menit setiap Minggu

Template sederhana:

REFLECTION - MINGGU [X]
1. Pencapaian saya minggu ini: [bullets]
2. Challenges terbesar: [1-2 items]
3. Learning baru: [bullets]
4. Commit minggu depan: [specific actions]
5. Help needed: [if any]

Sprint Retrospective (Team) - 30 menit setiap Sprint

Format: Start-Stop-Continue-Try

Start: Apa yang harus mulai dilakukan?
Stop: Apa yang harus dihentikan?
Continue: Apa yang sudah bagus dan perlu dilanjutkan?
Try: Eksperimen baru yang ingin dicoba?

Example:

Start: Daily code review, pair programming untuk fitur complex
Stop: Meeting terlalu lama (cut to max 1 jam)
Continue: Daily standup yang efektif, good documentation
Try: AI tools untuk speed up coding (GitHub Copilot)

9.8 Final Evaluation Summary (7 Minggu Timeline)

Komponen Penilaian Akhir:

Total Nilai = (Produk × 60%) + (Proses × 25%) + (Dokumentasi & Presentasi × 15%)

Dimana:
- Produk = (Fungsionalitas × 0.40) + (CV × 0.25) + (ML × 0.20) + 
           (UI/UX × 0.10) + (Performance × 0.05)
           
  Note: CV bobot naik dari 20% → 25% karena scope bertambah 
        (3 jenis OCR + face verification)
        
- Proses = (PM × 0.32) + (Teamwork × 0.32) + (Problem Solving × 0.20) + 
           (Innovation × 0.16)
- Dok & Presentasi = (Dok Teknis × 0.47) + (User Manual × 0.20) + 
                     (Presentasi × 0.33)

Passing Grade: Minimal 60 (C)

Grade Distribution (Adjusted for Compressed Timeline):

A (85-100): Semua fitur lengkap + 3 jenis OCR + face verification working + ML berfungsi baik + exceptional quality
B (70-84): Core features complete + minimal 2 OCR working (KTP + KK atau bukti bayar) + face verification attempt + good quality
C (60-69): MVP features working + minimal 1 OCR working (KTP) + attempt AI features + acceptable quality
D (50-59): MVP incomplete atau banyak critical bugs
E (<50): Major failures atau tidak presentable

Special Consideration untuk Timeline 7 Minggu:

Jika Core Features (Auth, CRUD, Keuangan, Marketplace) ALL working well: minimum B-
Jika + OCR KTP working well (akurasi ≥ 80%): minimum B
Jika + OCR KTP + OCR KK working: minimum B+
Jika + 3 OCR + face verification working: minimum A-
Jika + excellent polish, ML, & innovation: potential A/A+

Catatan Penting:

OCR bukti transfer adalah value-added feature yang sangat praktis, jika berhasil diimplementasikan dengan baik (+5 bonus points)
Face verification dengan KTP adalah differentiator yang strong (+5 bonus points)
Kombinasi 3 OCR + face verification = +10 bonus points maksimal

Excellence Award: Tim dengan nilai ≥ 88 mendapat excellence award dan kesempatan publish ke Play Store dengan dukungan kampus

9.9 Weekly Progress Checklist

✅ Minggu 10 Checklist (Inisiasi)

[ ] Tim terbentuk dan role assigned
[ ] Project charter dibuat
[ ] Analisis aplikasi web Jawara selesai
[ ] Wireframe low-fidelity untuk 5 screens utama
[ ] Environment setup (IDE, tools, repo)
[ ] First commit ke GitHub
[ ] Trello board setup dengan all tasks

✅ Minggu 11 Checklist (Design)

[ ] Arsitektur sistem documented
[ ] Database schema designed
[ ] API endpoints documented (minimum 10 endpoints)
[ ] UI/UX prototype medium-fidelity (Figma)
[ ] Design approved oleh dosen
[ ] Project structure setup
[ ] Sprint 1 backlog ready

✅ Minggu 12 Checklist (Sprint 1)

[ ] Login berfungsi untuk semua role
[ ] List warga with search & filter
[ ] Detail warga display
[ ] Navigation drawer/bottom nav
[ ] API client setup
[ ] Error handling basic
[ ] State management implemented

✅ Minggu 13 Checklist (Sprint 2)

[ ] CRUD warga complete (add, edit, delete)
[ ] Modul keuangan: input iuran, list transaksi
[ ] Modul marketplace: list produk, detail produk
[ ] Local storage (SQLite) working
[ ] Dashboard basic dengan 3 charts
[ ] Push notification setup
[ ] Integration testing passed

✅ Minggu 14 Checklist (Computer Vision - INTENSIVE)

[ ] OCR KTP implementation done & tested
[ ] OCR KTP akurasi ≥ 75% pada test dataset (target 80%)
[ ] OCR Kartu Keluarga (KK) implementation done
[ ] OCR KK dapat ekstrak minimal 5 anggota keluarga
[ ] OCR bukti transfer implementation done
[ ] OCR bukti transfer dapat ekstrak: nominal, tanggal, pengirim
[ ] Support minimal 3 bank populer (BCA, Mandiri, BRI)
[ ] Face detection dari foto real-time working
[ ] Face verification (matching dengan foto KTP) working
[ ] Face verification FAR (False Accept Rate) < 10%
[ ] Camera integration smooth dengan preview
[ ] Image preprocessing working (crop, enhance, denoise)
[ ] Parsing OCR result to form untuk KTP & KK
[ ] Validation format data (NIK 16 digit, No. KK, dll)
[ ] Error handling untuk OCR failures dengan fallback manual input
[ ] UI guide overlay untuk document scanning
[ ] Real-time feedback untuk kualitas foto (blur, gelap, dll)
[ ] Testing berbagai kondisi pencahayaan
[ ] Image classification marketplace (optional) working
[ ] Camera integration smooth
[ ] Image preprocessing working
[ ] Parsing OCR result to form
[ ] Error handling untuk OCR failures
[ ] Image classification (optional) working

✅ Minggu 15 Checklist (ML + Polish)

[ ] ML model trained dan converted to TFLite
[ ] ML integration complete (prediction atau recommendation)
[ ] All critical bugs fixed (< 5 critical bugs)
[ ] UI/UX polished
[ ] Performance optimization done
[ ] Security check passed
[ ] APK generated dan tested

✅ Minggu 16 Checklist (Final)

[ ] UAT completed dengan ≥ 5 users
[ ] All bugs documented dan prioritized
[ ] Documentation complete (technical + user manual)
[ ] Video demo ready (3-5 menit)
[ ] Presentation slides ready
[ ] APK final ready for distribution
[ ] All deliverables submitted
[ ] Presentation delivered

9.10 Communication Protocol (7 Minggu)

Daily Communication

Platform: Discord/Telegram group
Response time: < 2 jam untuk urgent issues
Availability: 08.00 - 22.00 WIB

Weekly Communication

Sprint Review: Zoom meeting (recorded)
Dosen Consultation: Offline/online, scheduled via email
Peer Review: GitHub PR comments

Emergency Communication

Trigger: Critical blocker, project at risk, team conflict
Protocol:
1. Post in group immediately
2. Tag team lead + dosen
3. Emergency meeting dalam 4 jam
4. Document issue dan resolution

Documentation Communication

Platform: Google Drive (shared folder)
Naming Convention: [MingguX]_[Deliverable]_[Date].pdf
Version Control: Git tags untuk major versions

9.11 Success Metrics Dashboard

Track Weekly:

Metric	Target	Actual	Status
Velocity
Tasks completed	15-20/week	[X]	🟢/🟡/🔴
Story points	30-40/week	[X]	🟢/🟡/🔴
Quality
Critical bugs	< 3	[X]	🟢/🟡/🔴
Code review done	100%	[X]%	🟢/🟡/🔴
Test coverage	> 50%	[X]%	🟢/🟡/🔴
Collaboration
Daily standup attendance	100%	[X]%	🟢/🟡/🔴
Commits per person	5-10/week	[X]	🟢/🟡/🔴
PR review time	< 24 jam	[X]	🟢/🟡/🔴

Project Health Score:

All Green (🟢): Healthy, on track
1-2 Yellow (🟡): Need attention, monitor closely
3+ Yellow atau 1 Red (🔴): At risk, intervention needed

10. LAMPIRAN

A. Template Dokumen (belum ada)

Sprint Planning Template
Daily Standup Log
Bug Report Template
Code Review Checklist
Testing Report Template
User Acceptance Test (UAT) Form

B. Resources & References

Mobile Development:

Flutter Documentation: https://flutter.dev/docs
React Native Documentation: https://reactnative.dev/
Material Design Guidelines: https://material.io/

Computer Vision:

TensorFlow Lite: https://www.tensorflow.org/lite
ML Kit: https://developers.google.com/ml-kit
OpenCV: https://opencv.org/

Machine Learning:

scikit-learn: https://scikit-learn.org/
TensorFlow: https://www.tensorflow.org/
Kaggle Datasets: https://www.kaggle.com/datasets

Best Practices:

Clean Code by Robert Martin
Design Patterns
Git Flow Workflow
Agile Scrum Guide

Habibie Ed Dien

RPP Project-Based Learning (PBL): Semester 5 D4 Teknik Informatika Politeknik Negeri Malang

Project-Based Learning (PBL)

1. RUANG LINGKUP

1.1 Latar Belakang

1.2 Tujuan Proyek

1.3 Batasan Proyek

1.4 Target Pengguna

2. RANCANGAN SISTEM

2.1 Arsitektur Sistem

2.2 Modul Utama Aplikasi

A. Modul Autentikasi & Otorisasi

B. Modul Manajemen Data Warga

C. Modul Keuangan

D. Modul Marketplace

E. Modul Notifikasi

F. Modul Dashboard & Reporting

2.3 Teknologi yang Digunakan

Mobile Development

Computer Vision

Machine Learning

3. TAHAPAN PELAKSANAAN PROYEK

Minggu 10: Inisiasi Cepat dan Setup

Minggu 11: Design & Prototyping

Minggu 12: Development Sprint 1 (Core Features - Week 1)

Minggu 13: Development Sprint 2 (Core Features - Week 2 + Advanced)

Minggu 14: Development Sprint 3 (AI Integration - Computer Vision)

Minggu 15: Development Sprint 4 (AI Integration - Machine Learning + Polish)

Minggu 16: Testing, Documentation & Presentation

Strategi Akselerasi untuk Timeline 7 Minggu

1. MVP-First Approach

2. Parallel Development

3. Leverage Existing Solutions

4. Rapid Prototyping

5. Risk Mitigation

6. Quality Gates (Simplified)

4. KEBUTUHAN PERALATAN/PERANGKAT DAN BAHAN/KOMPONEN

4.1 Hardware

4.2 Software & Tools

Development Tools

Frameworks & Libraries

Cloud Services (Free Tier)

4.3 Data & Model

Dataset untuk Training

Pre-trained Models

4.4 Konektivitas

4.5 Dokumentasi

5. TANTANGAN DAN ISU

5.1 Tantangan Teknis

A. Integrasi Backend

B. Performance Optimization

C. Computer Vision Accuracy & Robustness

D. OCR Data Parsing Complexity

E. Bank Transfer Receipt Variation

D. Machine Learning Data Quality

5.2 Tantangan Project Management

A. Koordinasi Tim

B. Scope Creep

5.3 Tantangan Pembelajaran

A. Learning Curve

B. Time Management

5.4 Isu Keamanan dan Privasi

6. ESTIMASI WAKTU PEKERJAAN

6.1 Breakdown per Fase (7 Minggu - Accelerated Timeline)

6.2 Alokasi Waktu per Mahasiswa (Timeline Compressed)

6.3 Gantt Chart (7 Minggu)

6.4 Milestone Utama (7 Minggu)

6.5 Daily Time Allocation (Recommended)

6.6 Contingency Plan

7. BIAYA PROYEK

7.1 Breakdown Biaya

A. Hardware & Equipment

B. Software & Subscription (1 semester = 7 minggu tersisa)

C. Development Tools (One-time)

D. Data & Training

E. Operasional (7 minggu)

7.2 Total Biaya Proyek (7 Minggu)

7.3 Biaya Per Mahasiswa

7.4 Skenario Cost Reduction

Opsi A: Maksimalkan Fasilitas Kampus