eprintid: 77383
rev_number: 10
eprint_status: archive
userid: 12241
dir: disk0/00/07/73/83
datestamp: 2026-07-02 02:42:48
lastmod: 2026-07-02 02:42:48
status_changed: 2026-07-02 02:42:48
type: thesis
metadata_visibility: show
contact_email: sophanshofwan@gmail.com
creators_name: Muhammad Zhafran Hana Alfarossi, NIM.: 22106050061
title: RANCANG BANGUN SISTEM OTOMATISASI PEMBUATAN README.MD
PADA REPOSITORY GITHUB MENGGUNAKAN TEKNOLOGI
LARGE LANGUAGE MODEL
ispublished: pub
subjects: TB
divisions: Informatika(S1)
full_text_status: restricted
keywords: README.md, GitHub, Large Language Model, otomatisasi
dokumentasi, AI Acceptance Model, Context-Augmented
note: Muhammad Galih Wonoseto, M.T.
abstract: README.md merupakan komponen dokumentasi penting dalam repositori
GitHub yang berperan dalam meningkatkan keterbacaan dan popularitas proyek
perangkat lunak. Namun, hasil survei terhadap 50 responden menunjukkan bahwa
hanya 12% responden yang selalu membuat README.md, dengan hambatan
utama berupa keterbatasan waktu, fokus pada pengembangan fitur, dan kurangnya
pemahaman mengenai format dokumentasi yang baik. Penelitian ini bertujuan
merancang dan membangun sistem berbasis web untuk mengotomatisasi
pembuatan README.md pada repositori GitHub publik menggunakan teknologi
Large Language Model (LLM), serta mengevaluasi tingkat penerimaan pengguna
menggunakan kerangka AI Acceptance Model (AIM). Sistem dikembangkan
menggunakan metode Prototyping secara iteratif dalam dua siklus. Pendekatan
Structural Contextualization diterapkan melalui pemetaan struktur direktori dan
ekstraksi metadata konfigurasi penting menggunakan GitHub REST API untuk
memitigasi risiko halusinasi AI. Proses generasi dokumentasi dilakukan
menggunakan Google Gemini 2.5 Flash dengan teknik prompt engineering.
Evaluasi dilakukan melalui dua tahap User Acceptance Testing (UAT) dengan total
77 responden. Hasil penelitian menunjukkan bahwa sistem berhasil dibangun dan
mampu menghasilkan README.md secara otomatis dengan lebih efisien. UAT
iterasi kedua menunjukkan peningkatan pada seluruh dimensi AIM dengan nilai
Cronbach’s Alpha sebesar 0,8205. Penelitian ini menawarkan arsitektur singleagent
berbasis Context-Augmented Generation (CAG) yang lebih ringan tanpa
memerlukan basis data vektor maupun infrastruktur agen kompleks.
Kata kunci: README.md, GitHub, Large Language Model, otomatisasi
dokumentasi, AI Acceptance Model, Context-Augmented Generation.
date: 2026-06-02
date_type: published
pages: 162
institution: UIN SUNAN KALIJAGA YOGYAKARTA
department: FAKULTAS SAINS DAN TEKNOLOGI
thesis_type: skripsi
thesis_name: other
citation:   Muhammad Zhafran Hana Alfarossi, NIM.: 22106050061  (2026) RANCANG BANGUN SISTEM OTOMATISASI PEMBUATAN README.MD PADA REPOSITORY GITHUB MENGGUNAKAN TEKNOLOGI LARGE LANGUAGE MODEL.  Skripsi thesis, UIN SUNAN KALIJAGA YOGYAKARTA.   
document_url: https://digilib.uin-suka.ac.id/id/eprint/77383/1/22106050061_BAB-I_IV-atau-V_DAFTAR-PUSTAKA.pdf
document_url: https://digilib.uin-suka.ac.id/id/eprint/77383/2/22106050061_BAB-II_sampai_SEBELUM-BAB-TERAKHIR.pdf