Proposal Skripsi Skill

Proposal Skripsi Skill

Skill penyusun proposal penelitian berbahasa Indonesia untuk AI coding agents (Claude Code, OpenCode, dan agen berbasis Agent Skills lainnya). Menghasilkan proposal lengkap BAB I Pendahuluan, BAB II Tinjauan Pustaka, dan BAB III Metode Penelitian untuk skripsi (S1), thesis (S2), atau disertasi (S3) — dipilih pengguna.

Sumber bukti diambil dari kumpulan file lokal yang ditunjuk user (PDF, DOCX, MD, TXT, CSV, XLSX, JSON), ditambah pencarian online pelengkap bila literatur lokal minim.

Skill ini berkumpulan dengan paper-review (tabel review literatur lengkap) dan academic-writing (protocol penulisan paper English) — bukan duplikatnya.

Fitur Utama

• Tiga jenjang dalam satu skill: skripsi, thesis, disertasi — dengan perbedaan kedalaman yang nyata (panjang, kontribusi, landasan teori, pengujian, threat to validity, statement of contribution)
• Sumber data lokal: scan folder rekursif, klasifikasi otomatis ke 6 kategori (literatur, data kuantitatif, transkrip/kodebook, pedoman, aturan/etika, lainnya), ekstraksi teks PDF dan DOCX
• Analisis dataset nyata: profile_dataset.py memprofilkan CSV/TSV/XLSX/JSON — deskriptif, missing, skewness, normalitas, Cronbach's alpha, deteksi skala Likert, dan rekomendasi teknik analisis. Semua angka di BAB III berasal dari sana, bukan dikarang
• Uji statistik nyata, bukan sekadar nama uji: stats_tests.py menjalankan regresi berganda, t-test independen/berpasangan, one-way ANOVA, chi-square, Pearson/Spearman, dan Cronbach's alpha, lalu menghasilkan tabel hasil + narasi siap tempel. Angka hasil uji disalin dari keluarannya, bukan ditulis dari ingatan
• Jalur kualitatif penuh: desain (studi kasus, fenomenologi, grounded theory, analisis tematik), pedoman wawancara, informed consent, pengodean transkrip menjadi tabel kode (code_interview.py), penanda kutipan [K-n], dan Gate 4-Kualitatif tersendiri
• Preset template kampus: 28 preset — ugm, ui, uny, itb, ipb, unair, ub, its, undip, unpad, unhas, telu, binus, umy, uii, uad, ums, udinus, umm, umb, gunadarma, upn_veteran, upnvj, upnv_jatim, budi_luhur, umn (Universitas Multimedia Nusantara), plus generic dan custom — berisi gaya dokumen, gaya sitasi, daftar kelengkapan, dan struktur bab; bisa init (kerangka naskah) dan check (naskah vs ketentuan preset), atau new-custom untuk institusi lain
  • Provenance wajib dicek: list menandai [resmi] vs [konvensi], dan show <preset> menampilkan dokumen/URL/cakupan sumber. Preset [konvensi] belum diverifikasi — wajib dicocokkan manual. Saat ini 18 [resmi] (ipb, itb, its, telu, uad, ub, ugm, ui, uii, umn, ums, umy, unair, undip, unhas, unpad) dan 10 [konvensi]; tiap [resmi] hanya berlaku untuk fakultas/tahun di scope.
  • Nilai yang belum terverifikasi ditulis apa adanya: bila dokumen resmi tidak mencantumkan angka margin/spasi, preset mengisi "perlu konfirmasi (bagian X)" — bukan angka tebakan.
  • Perbedaan antar fakultas: sumber.catatan dan verifikasi menegaskan perbedaan antar fakultas (mis. UGM FKH spasi 2 vs DTSL Teknik spasi 1,15).
• Pemeriksa naskah otomatis: id_language_check.py (gaya bahasa Indonesia, struktur BAB I) dan proposal_doctor.py (penanda menggantung, placeholder, angka tanpa sumber, daftar pustaka tak dikenal, sinkronisasi DOCX). Kode keluar 1 = gate gagal
• Ekspor referensi: export_referensi.py mengubah matriks CSV/JSON menjadi BibTeX, RIS, EndNote XML, dan daftar pustaka siap tempel (APA/Vancouver/IEEE). Field kosong ditandai, bukan ditebak
• Rancangan statistik lengkap: pemetaan hipotesis ke uji, uji asumsi, uji alternatif non-parametrik, rumus penentuan sampel (Cochran, Krejcie & Morgan, koreksi populasi hingga)
• Metode kuantitatif, kualitatif, mixed-methods, R&D, penelitian tindakan, studi kasus — lengkap dengan elemen wajib dan alasan pemilihan
• Argumen gap TAS/Berwald-Daellenbach: 3 pertanyaan pemandu agar gap bukan sekadar "belum diteliti di lokasi X"
• Penandaan sumber (provenance): [L-n] literatur, [D:kolom] dataset, [K-n] kutipan kualitatif, [U] brief user, [P-n] pedoman, (inferensi) untuk penalaran agent
• Anti-hallucination ketat: tidak mengarang data, kutipan, DOI, identitas, responden, atau hasil uji
• Layered QC 4 lapis (references/quality-gates.md Bagian B), adaptasi dari skill academic-writing:
  • Lapis 1 — Humanizer: 25 pola gaya khas AI (kalimat pembuka/penutup generik, tanda pisah sebagai penghubung, penegasan berlebihan, markdown berlebihan) dengan aturan keras: gaya boleh berubah, fakta tidak — angka, kutipan, marker, dan rumusan masalah tetap utuh
  • Lapis 2 — Mekanis/EYD: ejaan, tanda baca, kapitalisasi, bentuk baku (EYD V / Permendikbudristek 18/2022 + KBBI), plus deteksi duplikasi. Sepenuhnya otomatis
  • Lapis 3 — Semantik: konsistensi istilah, kesesuaian 1:1 rumusan masalah = tujuan = hipotesis = uji, klaim tanpa sumber, angka tidak konsisten
  • Lapis 4 — Red-team: baca ulang sebagai pembimbing yang menolak, 9 pertanyaan pemeriksa + rubrik kelulusan (skor ≥75, tanpa aspek bernilai 0)
• Pemeriksa plagiarisme: plagiarism_check.py mendeteksi frasa identik ≥7 kata berurutan — duplikasi dalam naskah sendiri dan tumpang tindih dengan folder sumber. Menangani 5 tipe plagiarisme termasuk mosaik, parafrase dangkal, dan laundering sitasi. Temuan adalah sinyal, bukan bukti: yang diminta setiap temuan punya keputusan tercatat
• Ekspor Markdown + DOCX (pandoc) dengan daftar isi otomatis, pemeriksaan marker, dan deteksi placeholder yang belum diisi
• Gaya bahasa Indonesia akademik: panduan kalimat, ejaan KBBI, kapitalisasi, istilah asing

Pipeline

STEP 0: KLARIFIKASI  -> jenjang, bidang, topik, jenis penelitian, folder sumber, preset kampus
STEP 1: INVENTARIS   -> scan + klasifikasi file -> sumber_inventaris.json
STEP 2: EVIDENSI     -> matriks evidence ringkas + gap (TAS) + online search pelengkap
STEP 3: FORMULASI    -> latar belakang, rumusan masalah, tujuan, manfaat, hipotesis, variabel
STEP 4: RANCANGAN    -> desain metode, instrumen, sampling, teknik analisis
                       + analisis dataset (kuantitatif) ATAU pengodean transkrip (kualitatif)
STEP 5: DRAFT        -> halaman judul + daftar isi + BAB I-III (Markdown)
STEP 6: GATE+EXPORT  -> id_language_check + proposal_doctor + campus check
                       -> daftar pustaka -> MD + DOCX (pandoc)

Setiap tahap punya quality gate. Konfirmasi user hanya di Step 0 dan sebelum export.

Instalasi

Claude Code

# Opsi 1 - symlink (kanonik, sekali update)
mkdir -p ~/.agents/skills
ln -s $(pwd) ~/.agents/skills/proposal-skripsi
ln -s ../../.agents/skills/proposal-skripsi ~/.claude/skills/proposal-skripsi

# Opsi 2 - salin langsung
cp -R . ~/.claude/skills/proposal-skripsi

OpenCode

# Opsi 1 - symlink
ln -s ../../.agents/skills/proposal-skripsi ~/.config/opencode/skills/proposal-skripsi

# Opsi 2 - salin langsung
cp -R . ~/.config/opencode/skills/proposal-skripsi

Rekomendasi: simpan repo ini sebagai kanonik di ~/.agents/skills/proposal-skripsi, lalu symlink ke folder skills masing-masing klien. Edit cukup sekali di sumber.

Penggunaan

Skill aktif otomatis saat user meminta, misalnya:

• "Bikin proposal skripsi dari folder [path] tentang X"
• "Buat proposal tesis mixed-methods, data saya di [path]"
• "Bantu susun Bab III, ada data CSV di sini"
• "Buat proposal kualitatif analisis tematik, transkripnya ada di folder ini"
• "Buat pedoman wawancara dan informed consent untuk studi kasus saya"
• "Tulis bab 1 dan 2 dari paper-paper folder ini"
• "Cek uji statistik yang cocok untuk data ini"
• "Pakai format skripsi UGM" / "sesuaikan dengan pedoman kampus saya"
• "Ekspor daftar pustaka ke BibTeX dan EndNote"
• "Periksa bahasa dan daftar pustaka proposal ini"
• "Rancang proposal disertasi dengan kontribusi teoretis baru"
• "Ekspor proposal ke DOCX"

Alur kerja: Klarifikasi -> Inventaris -> Bukti dan Gap -> Formulasi -> Rancangan -> Draf -> Quality Gate (otomatis) -> Export.

Contoh Pemakaian Script

# 1. Inventarisasi + ekstraksi teks PDF
scripts/ingest_sources.sh ./folder-sumber --json

# 2. Profil dataset (tidak butuh pandas; XLSX butuh openpyxl)
python3 scripts/profile_dataset.py data/responden.csv --out profil

# 3. Uji statistik nyata -> hasil_uji.md (tabel + narasi) + hasil_uji.json
python3 scripts/stats_tests.py data/responden.csv --auto --out hasil_uji
python3 scripts/stats_tests.py data/responden.csv --regresi "DV=kinerja;X=motivasi;dukungan"
python3 scripts/stats_tests.py data/responden.csv --anova "DV=nilai" --grup=kelas

# 4. Jalur kualitatif: koding transkrip -> tabel kode
python3 scripts/code_interview.py codebook codebook.csv \
    --transkrip folder-transkrip/ --out hasil_koding
python3 scripts/code_interview.py report hasil_koding.json

# 5. Preset template kampus
python3 scripts/apply_campus_template.py list
python3 scripts/apply_campus_template.py show unpad   # cek provenance (dokumen/URL/scope)
python3 scripts/apply_campus_template.py init unpad --out proposal.md
python3 scripts/apply_campus_template.py check unpad proposal.md --lengkap
python3 scripts/apply_campus_template.py new-custom --out-dir institusi_saya.json

# 6. Ekspor daftar pustaka -> BibTeX / RIS / EndNote XML / teks
python3 scripts/export_referensi.py matriks_referensi.csv --periksa
python3 scripts/export_referensi.py matriks_referensi.csv \
    --out-dir outputs/ --gaya apa --urutkan penulis

# 7. Gate otomatis (kode keluar 1 = gagal, perbaiki dulu)
python3 scripts/id_language_check.py proposal.md --struktur --strict
python3 scripts/plagiarism_check.py proposal.md --internal --strict
python3 scripts/plagiarism_check.py proposal.md --sumber .cache_ekstrak/ \
    --md plagiarism_report.md --json plagiarism_report.json
python3 scripts/proposal_doctor.py proposal.md \
    --dataset data/responden.csv --hasil-uji hasil_uji.json --docx proposal.docx --strict

# 7b. Layered QC Lapis 1-4 (manual/agen - baca references/quality-gates.md Bagian B)
#   Lapis 1 Humanizer  -> checklists/humanizer_checklist.md
#   Lapis 2 Mekanis/EYD -> checklists/eyd_check.md  (sudah di atas)
#   Lapis 3 Semantik   -> Gate 6 + Gate 4-Kualitatif
#   Lapis 4 Red-team   -> 9 pertanyaan + rubrik (skor >=75, tanpa aspek bernilai 0)

# 8. Konversi naskah ke DOCX
scripts/build_docx.sh proposal_skripsi.md --out-dir . --title "Judul" --toc --clean

Struktur Repo

proposal-skripsi/
├── SKILL.md                             # Pintu masuk & orchestrator
├── references/
│   ├── data-sources.md                  # Klasifikasi & ekstraksi file lokal
│   ├── problem-formulation.md           # Gap (TAS), rumusan masalah, tujuan, hipotesis
│   ├── methodology.md                   # Desain, sampling, instrumen, uji asumsi, etika
│   ├── qualitative-analysis.md          # Jalur kualitatif: desain, pengodean, mutu, batasan
│   ├── dataset-analysis.md              # Profil dataset & pemilihan uji statistik
│   ├── online-search.md                 # Pencarian online pelengkap (OpenAlex/S2)
│   ├── document-assembly.md             # Struktur BAB, gaya bahasa Indonesia, kerangka berpikir
│   ├── citation-styles.md               # Daftar pustaka (APA 7/Chicago/Harvard/Vancouver/IEEE)
│   ├── paper-review-integration.md      # Alih matriks paper-review -> BAB II -> ekspor sitasi
│   ├── quality-gates.md                 # Gate per tahap + Layered QC Lapis 1-4 + rubrik
│   ├── revision-guide.md                # Humanizer: 25 pola gaya khas AI (Lapis 1)
│   ├── eyd-check.md                     # EYD V + KBBI: ejaan, tanda baca, kapitalisasi
│   └── plagiarism-check.md              # 5 tipe plagiarisme, deteksi lokal, ambang similarity
├── checklists/
│   ├── humanizer_checklist.md           # Pelacak Lapis 1
│   ├── eyd_check.md                     # Pelacak Lapis 2
│   └── plagiarism_check.md              # Pelacak Lapis 2-3
├── templates/
│   ├── proposal_template.md             # Template dokumen penuh (judul -> BAB I-III)
│   ├── bab1_pendahuluan.md
│   ├── bab2_tinjauan_pustaka.md
│   ├── bab3_metode.md
│   ├── tabel_uji_statistik.md           # Pemetaan hipotesis -> uji
│   ├── pedoman_wawancara.md             # Instrumen wawancara (Lampiran)
│   └── informed_consent.md              # Lembar persetujuan & kerahasiaan
├── campus_templates/                    # Preset pedoman kampus (28 JSON)
│   ├── generic.json  ugm.json  ui.json  uny.json  itb.json  custom.json
│   ├── ipb.json  unair.json  ub.json  its.json  undip.json  unpad.json
│   ├── unhas.json  telu.json  binus.json  umy.json  uii.json  uad.json
│   ├── ums.json  udinus.json  umm.json  umb.json  gunadarma.json
│   └── upn_veteran.json  upnvj.json  upnv_jatim.json  budi_luhur.json  umn.json
├── scripts/
│   ├── ingest_sources.sh                # Scan & ekstrak file lokal -> inventaris
│   ├── profile_dataset.py               # Profil CSV/XLSX/TSV/JSON + rekomendasi uji
│   ├── stats_tests.py                   # Uji statistik nyata -> hasil_uji.md/.json
│   ├── code_interview.py                # Koding transkrip -> tabel kode & cuplikan
│   ├── export_referensi.py              # Matriks -> BibTeX/RIS/EndNote XML/daftar pustaka
│   ├── id_language_check.py             # Bahasa Indonesia (baku, partikel, rumus kabur) + BAB I
│   ├── plagiarism_check.py              # Tumpang tindih teks: internal + vs folder sumber
│   ├── proposal_doctor.py               # Pemeriksaan akhir naskah (penanda, angka, DOCX)
│   ├── apply_campus_template.py         # Preset kampus: list/show/init/check/new-custom
│   ├── generate_campus_presets.py       # Generator preset (provenance wajib; --check/--patch)
│   └── build_docx.sh                    # Markdown -> DOCX (pandoc) + daftar isi
├── tests/
│   ├── run_tests.sh                     # 66 smoke test seluruh script
│   ├── sample_dataset.csv
│   ├── matriks_referensi_contoh.csv
│   ├── codebook_contoh.csv
│   ├── transkrip_contoh.md
│   ├── contoh_bab1.md
│   └── contoh_proposal_lengkap.md
└── README.md

Menjalankan Test

bash tests/run_tests.sh

66 smoke test: inventaris, profil dataset, nilai kritis t/chi-square/F, uji statistik, pemeriksa bahasa, pemeriksa plagiarisme, proposal doctor, build DOCX, preset kampus, pengodean wawancara, ekspor referensi (termasuk validasi EndNote XML), provenance 28 preset kampus, dan konsistensi dokumentasi. Semua harus PASS sebelum commit.

Prasyarat Opsional

Tanpa dependensi apa pun, skill tetap bisa berjalan: hanya membaca MD/TXT, hanya menulis Markdown, profile_dataset.py memakai pendekatan skewness-kurtosis untuk normalitas, dan stats_tests.py memakai perhitungan internal (t, F, chi-square, korelasi, regresi linear, Cronbach's alpha) dengan incomplete beta/gamma untuk nilai p.

Aturan Penting

1. Output utama = proposal naratif lengkap (BAB I-III), bukan kerangka atau bullet.
2. Jangan mengarang data — angka dari profile_dataset.py atau perhitungan nyata; bila data belum dianalisis, tulis (data belum dianalisis). Angka hasil uji disalin dari hasil_uji.md, bukan ditulis dari ingatan.
3. Jangan mengarang literatur, penulis, atau DOI — setiap [L-n] terverifikasi (DOI resolve atau file lokal dibaca). Sumber lokal tanpa DOI ditandai (dokumen lokal).
4. Jangan mengarang identitas — NIM, fakultas, dosen, nama responden ditulis [isi ...]. Nama peserta kualitatif selalu disamarkan.
5. Jangan mengarang kutipan — verbatim harus benar-benar ada di transkrip; jumlah kutipan dihitung dari code_interview.py, bukan diperkirakan.
6. Jenjang menentukan kedalaman — S1 penerapan, S2 pengembangan kerangka, S3 kontribusi teoretis orisinal.
7. Tujuan = 1:1 rumusan masalah.
8. Setiap klaim empiris ber-marker sumber — [L-n], [D:kolom], [K-n], [U].
9. Human-in-the-loop — konfirmasi di awal dan sebelum export, tidak per-bagian.
10. Simpan artefak sebagai file, bukan hanya di chat.
11. Jalankan gate otomatis sebelum ekspor — id_language_check.py, proposal_doctor.py, apply_campus_template.py check. Kode keluar 1 berarti gate gagal.
12. Pedoman kampus user mengalahkan preset skill — preset hanya acuan.
13. Kualitatif bukan kuantitatif tanpa angka — tanpa rumus probabilistik, alpha, atau tabel hipotesis -> uji; tapi wajib ada pedoman wawancara, informed consent, dan alasan saturasi.
14. Ejaan KBBI, output selalu Bahasa Indonesia kecuali diminta lain.
15. Humanizer boleh mengubah gaya, bukan fakta — angka, kutipan asli, marker, rumusan masalah, tujuan, dan hipotesis tetap utuh setelah Lapis 1.
16. Temuan plagiarisme adalah sinyal, bukan bukti — yang diminta setiap temuan punya keputusan tercatat, bukan jumlah temuan nol.
17. Naskah wajib melewati Layered QC Lapis 1-4 sebelum diserahkan. Gate per tahap yang lolos tidak berarti naskah layak diserahkan.

Integrasi Skill

Atribusi

Struktur pipeline dan protokol anti-hallucination mengikuti bimajanuri/academic-writing-skill dan bimajanuri/paper-review-skill. Kerangka proposal (rumusan masalah -> tujuan -> metode -> manfaat), metode gap TAS/Berwald-Daellenbach, dan pola "sintesis literatur -> kerangka berpikir" mengikuti praktik metodologi penelitian standar. Rujukan metodologis yang direferensikan tanpa mengutip teks: Creswell & Creswell (desain mixed-methods), Field (analisis statistik), Kumar (penelitian tindakan dan R&D), Sugiyono (desain dan statistik Indonesia), Braun & Clarke (analisis tematik), Miles, Huberman & Saldaña (kualitatif), Kline (multikolinearitas), Cochran dan Krejcie & Morgan (penentuan sampel).

Lisensi

Rilis di bawah MIT License.