Tampilkan postingan dengan label UAS. Tampilkan semua postingan
Tampilkan postingan dengan label UAS. Tampilkan semua postingan

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

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

1.3 Batasan Proyek

  1. Platform: Android (prioritas utama) dan iOS (opsional)
  2. Fokus pada fitur utama: manajemen data warga, keuangan, dan marketplace
  3. Integrasi dengan backend existing (API)
  4. Fitur ML dan CV sebagai value-added features
  5. 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

  1. Kampus: Hibah PBL atau research grant
  2. Sponsor: Kerjasama dengan vendor teknologi
  3. Mandiri: Iuran mahasiswa
  4. 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)

  1. CP1: Mahasiswa mampu memahami konsep dan arsitektur pengembangan aplikasi mobile
  2. CP2: Mahasiswa mampu merancang user interface dan user experience aplikasi mobile yang responsif
  3. CP3: Mahasiswa mampu mengimplementasikan aplikasi mobile menggunakan framework modern
  4. CP4: Mahasiswa mampu melakukan evaluasi dan optimasi model machine learning
  5. 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)

  1. Sprint Planning Template
  2. Daily Standup Log
  3. Bug Report Template
  4. Code Review Checklist
  5. Testing Report Template
  6. 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



Mohon telah hadir 5 menit sebelum jadwal yang ditentukan dan mempersiapkan aplikasi yang akan dipresentasikan.

Wajib ON camera saat presentasi atau berbicara dan aktif berdiskusi serta menyampaikan presentasi dengan baik.