Perkembangan teknologi informasi pada tahun 2026 membuka banyak peluang penelitian baru bagi mahasiswa Informatika, Teknik Informatika, dan Sistem Informasi. Teknologi seperti Generative AI, Large Language Model (LLM), AI Agent, Retrieval-Augmented Generation (RAG), serta Edge AI mulai menawarkan pendekatan baru untuk menyelesaikan berbagai permasalahan di dunia nyata.
Bagi mahasiswa yang sedang mencari ide skripsi, perkembangan tersebut dapat menjadi inspirasi untuk membuat penelitian yang lebih relevan dengan kebutuhan industri dan masyarakat. Namun, teknologi yang sedang populer tidak harus selalu digunakan secara kompleks. Penelitian yang terarah, memiliki data yang jelas, dan dapat diuji secara objektif tetap menjadi faktor penting.
Berikut 25 contoh judul skripsi berbasis teknologi terkini yang dapat dijadikan referensi pada tahun 2026.
1. Artificial Intelligence dan Generative AI
Generative AI memungkinkan sistem menghasilkan teks, rangkuman, jawaban, maupun konten berdasarkan instruksi dan konteks tertentu. Teknologi ini dapat dikembangkan untuk kebutuhan pendidikan, layanan pelanggan, dan pengolahan dokumen.
- Implementasi Retrieval-Augmented Generation (RAG) untuk Pengembangan Chatbot Informasi Akademik Berbasis Dokumen Perguruan Tinggi.
- Analisis Perbandingan Large Language Model (LLM) dalam Menjawab Pertanyaan Berdasarkan Dokumen Berbahasa Indonesia.
- Pengembangan Sistem Peringkasan Otomatis Dokumen Akademik Menggunakan Large Language Model.
- Implementasi AI Agent untuk Otomatisasi Layanan Informasi dan Pengelolaan Permintaan Pengguna Berbasis Web.
- Evaluasi Akurasi Jawaban Chatbot Berbasis RAG dan Chatbot LLM Tanpa Retrieval pada Dokumen Pengetahuan Lokal.
Teknologi yang dapat digunakan: Python, API LLM, LangChain atau LlamaIndex, vector database, dan framework web.
2. Computer Vision dan Deep Learning
Computer Vision memungkinkan komputer mengenali objek, menganalisis gambar, dan memahami informasi visual. Bidang ini cocok bagi mahasiswa yang ingin mengembangkan sistem deteksi atau klasifikasi berbasis citra.
- Analisis Perbandingan YOLO dan RT-DETR untuk Deteksi Penggunaan Helm pada Pengendara Sepeda Motor.
- Implementasi YOLO untuk Deteksi dan Penghitungan Kendaraan Secara Otomatis pada Citra CCTV.
- Klasifikasi Kematangan Buah Menggunakan EfficientNet dan Vision Transformer Berdasarkan Citra Digital.
- Pengembangan Sistem Deteksi Kerusakan Jalan Menggunakan Object Detection Berbasis Deep Learning.
- Evaluasi Model Lightweight Computer Vision untuk Deteksi Objek secara Real-Time pada Perangkat dengan Sumber Daya Terbatas.
Teknologi yang dapat digunakan: Python, PyTorch, Ultralytics YOLO, OpenCV, TensorFlow, dan Vision Transformer.
3. Data Science dan Machine Learning Modern
Machine Learning masih menjadi bidang penelitian yang relevan, terutama jika penelitian tidak hanya membangun model, tetapi juga mengevaluasi performa, efisiensi, dan kemampuan generalisasinya.
- Prediksi Permintaan Produk UMKM Menggunakan XGBoost dan Evaluasi Explainable AI dengan SHAP.
- Deteksi Anomali Transaksi Keuangan Menggunakan Isolation Forest dan Autoencoder.
- Analisis Sentimen Multibahasa Menggunakan Model Transformer untuk Evaluasi Ulasan Aplikasi.
- Prediksi Risiko Keterlambatan Kelulusan Mahasiswa Menggunakan Machine Learning dengan Pendekatan Explainable AI.
- Analisis Perbandingan Federated Learning dan Centralized Learning pada Klasifikasi Data Terdistribusi.
Teknologi yang dapat digunakan: Python, Scikit-learn, XGBoost, SHAP, Hugging Face Transformers, dan PyTorch.
4. Cybersecurity dan Keamanan Sistem AI
Penggunaan AI yang semakin luas juga menghadirkan tantangan keamanan, mulai dari deteksi aktivitas mencurigakan hingga perlindungan aplikasi berbasis model bahasa. Keamanan AI sendiri menjadi salah satu perhatian dalam tren teknologi 2026.
- Deteksi Anomali Aktivitas Jaringan Menggunakan Machine Learning pada Dataset Intrusion Detection.
- Evaluasi Ketahanan Chatbot Berbasis LLM terhadap Prompt Injection Menggunakan Skenario Pengujian Terkontrol.
- Pengembangan Sistem Deteksi Phishing pada URL Menggunakan Machine Learning dan Analisis Fitur URL.
- Analisis Perbandingan Metode Autentikasi Multi-Faktor pada Aplikasi Web Berdasarkan Aspek Keamanan dan Usability.
- Implementasi Sistem Audit Aktivitas Pengguna untuk Mendeteksi Perilaku Akses Tidak Wajar pada Aplikasi Web.
Teknologi yang dapat digunakan: Python, Scikit-learn, OWASP ZAP, framework pengujian keamanan, dan dataset keamanan yang tersedia secara legal.
5. AI Agent dan Pengembangan Aplikasi Cerdas
AI Agent dan otomatisasi berbasis AI menjadi salah satu bidang yang menarik untuk penelitian teknologi informasi. Teknologi ini dapat digunakan untuk membantu menyelesaikan tugas secara otomatis, mengolah informasi, serta mengintegrasikan berbagai layanan perangkat lunak.
Berikut contoh judul skripsi yang dapat dikembangkan:
- Pengembangan AI Agent untuk Otomatisasi Pengelolaan Dokumen Akademik Berbasis Web.
- Implementasi Multi-Agent System untuk Kolaborasi Agen AI dalam Menyelesaikan Tugas Berbasis Dokumen.
- Pengembangan Sistem Rekomendasi Materi Pembelajaran Menggunakan Machine Learning dan Generative AI.
- Analisis Perbandingan Model Bahasa Besar dalam Otomatisasi Klasifikasi dan Ekstraksi Informasi Dokumen.
- Implementasi Local Large Language Model untuk Pengembangan Asisten AI Berbasis Dokumen dengan Pemrosesan Lokal.
Teknologi yang dapat digunakan: Python, FastAPI, LangChain, LlamaIndex, model bahasa besar, vector database, dan framework pengembangan aplikasi web.
Tips Memilih Judul Skripsi Berbasis Teknologi Terkini
Sebelum menentukan judul, mahasiswa sebaiknya memperhatikan beberapa hal berikut.
- Periksa kebaruan penelitian. Cari jurnal terbaru untuk mengetahui apakah pendekatan yang dipilih masih memiliki celah penelitian.
- Pastikan data tersedia. Untuk Computer Vision, siapkan dataset gambar. Untuk RAG, pastikan dokumen sumber dapat diperoleh. Untuk IoT, periksa ketersediaan perangkat atau data sensor.
- Tentukan indikator pengujian. Gunakan metrik yang sesuai, seperti precision, recall, F1-score, latensi, atau kualitas jawaban.
- Sesuaikan kompleksitas dengan waktu dan perangkat. Model besar dan sistem multiagen tidak selalu diperlukan untuk menghasilkan penelitian yang baik.
- Diskusikan dengan dosen pembimbing. Judul akhir perlu disesuaikan dengan pedoman kampus, kompetensi program studi, dan tujuan penelitian.
Kesimpulan
Teknologi terkini memberikan banyak peluang bagi mahasiswa untuk mengembangkan penelitian yang lebih aplikatif. Generative AI, RAG, AI Agent, Computer Vision, Explainable AI, Cybersecurity, dan Edge AI dapat menjadi pilihan sesuai minat dan kebutuhan penelitian.
Hal terpenting bukan sekadar menggunakan teknologi yang sedang populer, melainkan menemukan masalah yang jelas dan membuktikan bahwa pendekatan yang dipilih mampu memberikan hasil yang terukur.
Jika masih bingung menentukan topik, mulailah dengan memilih bidang yang diminati, mencari penelitian terdahulu, kemudian menyusun beberapa alternatif judul untuk didiskusikan bersama dosen pembimbing.
Butuh bantuan menentukan judul skripsi? Anindyadev dapat menjadi salah satu referensi untuk mengeksplorasi ide penelitian, pengembangan aplikasi, dan implementasi teknologi sesuai kebutuhan proyek akademik.
