RIYADHUSOLIHIN, REZA, REZA RIYADHUSOLIHIN (2026) PENGEMBANGAN APLIKASI DESKTOP OTOMATISASI METADATA ASET DIGITAL PADA PLATFORM MICROSTOCK MENGGUNAKAN METODE WATERFALL DI STUDIO RZ DIGITAL ID. S1 thesis, Universitas Islam Nusantara.

	Text (COVER) Cover s.d Daftar Lampiran Reza Riyadhusolihin_41037006221019 .pdf - Published Version Download (554kB)
	Text (BAB I) BAB I_Riyadhusolihin_41037006221019 .pdf - Published Version Download (268kB)
	Text (BAB II) BAB II_Reza Riyadhusolihin_41037006221019.pdf - Published Version Download (532kB)
	Text (BAB III) BAB III_Reza Riyadhusolihin_41037006221019.pdf - Published Version Download (984kB)
	Text (BAB IV) BAB IV_Reza Riyadhusolihin_41037006221019.pdf - Published Version Restricted to Registered users only Download (4MB)
	Text (BAB V) BAB V_Reza Riyadhusolihin_41037006221019.pdf - Published Version Restricted to Registered users only Download (16kB)
	Text (DAFTAR PUSTAKA) DAFTAR PUSTAKA_Reza Riyadhusolihin_41037006221019.pdf - Published Version Download (131kB)

Abstract

Reza Riyadhusolihin. 2026. Pengembangan Aplikasi Desktop Otomatisasi Metadata Aset Digital Pada Platform Microstock Menggunakan Metode Waterfall Di Studio Rz Digital Id. Dibimbing Oleh Siti Nur, S.ST., M.Kom. dan M.Ikmal Wiawan, S.Tr.Kom., M.Kom. Industri microstock mensyaratkan setiap aset digital dilengkapi metadata (judul, kata kunci, kategori) yang akurat agar mudah ditemukan pembeli melalui mesin pencari platform. Pembuatan metadata secara manual sangat menyita waktu, terutama bagi kontributor yang mengelola ribuan aset di platform seperti Adobe Stock, Shutterstock, Freepik, dan Vecteezy dengan format yang berbeda-beda. Penelitian ini bertujuan membangun aplikasi desktop RZ Autometadata untuk mengotomatisasi pembuatan metadata aset digital memanfaatkan teknologi Multimodal Large Language Model (MLLM). Sistem dikembangkan menggunakan Metode Waterfall melalui tahapan analisis kebutuhan, desain, implementasi, pengujian, dan pemeliharaan. Aplikasi dibangun menggunakan bahasa Python dengan antarmuka CustomTkinter dan basis data SQLite. Sistem bekerja mengirimkan gambar beserta prompt ke Application Programming Interface (API) penyedia MLLM melalui layanan router. Hasil metadata berformat JavaScript Object Notation (JSON) kemudian diekspor ke berkas Comma-Separated Values (CSV) sesuai format spesifik setiap platform. Hasil pengujian black-box testing menunjukkan seluruh fungsi berjalan sesuai spesifikasi, meliputi unggah multi-format, pembuatan metadata empat platform, pemrosesan paralel multi-API Key, bulk rename, dan pembaruan otomatis. Aplikasi ini terbukti memangkas waktu pembuatan metadata secara signifikan dibandingkan proses manual. Kata Kunci: metadata otomatis, microstock, Multi Modal large language model, aplikasi desktop, prompt engineering

Actions (login required)

View Item