Penelitian ini dilaksanakan dengan tujuan untuk menganalisis sentimen pengguna terhadap aplikasi bimbingan belajar Skolla yang bersumber pada ulasan di Google Play Store. Sebagai platform pendidikan digital, Skolla telah diunduh oleh lebih dari satu juta pengguna dengan respons yang beragam. Data yang digunakan pada penelitian ini berjumlah 1000 ulasan. Seluruh data tersebut telah dilabeli bersama pakar bahasa. Data dilakukan pembagian menjadi 80% data untuk menjadi data latih dan 20% data untuk data uji. Pada penelitian ini, hasil klasifikasi analisis sentimen menggunakan algoritma Naïve Bayes menunjukkan performa yang mumpuni dengan tingkat akurasi sebesar 96%, nilai presisi positif sebesar 97%, presisi negatif sebesar 91%, recall positif sebesar 99%, recall negatif sebesar 81%, f1-score positif sebesar 98% dan f1-score negatif sebesar 86%. Model klasifikasi ini kemudian diintegrasikan ke dalam sebuah website berbasis React agar pengguna dapat memantau sentimen ulasan secara praktis. Secara keseluruhan, metode Naive Bayes terbukti sangat efektif dalam mengenali karakteristik sentimen, khususnya pada ulasan bersentimen positif.

Perancangan dan Implementasi Sistem Analisis Pertandingan MMA Berbasis Machine Learning, Bagas Suryowaseso Haryoseno, NIM E31232507, Tahun 2026, Manajemen Informatika, Jurusan Teknologi Informasi, Politeknik Negeri Jember. Lukie Perdanasari, S. Kom., M.T. (Dosen Pembimbing). Penelitian ini membahas perancangan dan implementasi sistem analisis pertandingan Mixed Martial Arts (MMA) berbasis web yang memanfaatkan data historis pertandingan dan teknologi machine learning. Sistem dikembangkan untuk membantu pengguna dalam melihat informasi serta statistik petarung, membandingkan kemampuan dua petarung, melakukan simulasi pertandingan, dan memperoleh rekomendasi lawan berdasarkan kemiripan karakteristik petarung. Data yang digunakan dalam penelitian berasal dari data historis pertandingan UFC dengan jumlah lebih dari 22.000 data pertandingan yang mencakup informasi petarung, statistik pertandingan, serta hasil pertandingan. Model Random Forest digunakan untuk melakukan prediksi hasil pertandingan berdasarkan perbedaan karakteristik dan statistik antara dua petarung. Sistem dikembangkan menggunakan Laravel 12 sebagai framework backend, Python 3.12 sebagai lingkungan pengolahan data dan machine learning, serta MySQL sebagai basis data. Integrasi antara Laravel dan Python dilakukan melalui mekanisme subprocess dan pertukaran data dalam format JSON. Sistem juga dilengkapi dengan visualisasi data menggunakan Chart.js untuk membantu pengguna memahami hasil perbandingan dan prediksi. Hasil implementasi menunjukkan bahwa sistem mampu mengolah data petarung dan pertandingan, melakukan analisis Head-to-Head, menjalankan simulasi pertandingan dengan data petarung yang dapat dimasukkan secara manual, serta memberikan rekomendasi lawan berdasarkan karakteristik statistik. Dengan adanya sistem ini, analisis pertandingan MMA dapat dilakukan secara lebih terstruktur dengan memanfaatkan data historis dan pendekatan machine learning sebagai pendukung dalam proses analisis.

Analisis Sentimen Trend Fashion Pada Sosial Media Instagram Di Indonesia Untuk Mengetahui Opini Publik Dengan Menggunakan Metode Naive Bayes, Syarafina Khalishah, NIM E41212349, Tahun 2026, hlm, Teknologi Informasi, Politeknik Negeri Jember, Elly Antika, ST, M.Kom Pembimbing). Penelitian ini bertujuan untuk mengklasifikasikan sentimen publik terhadap dua brand fashion lokal Indonesia yang populer di Instagram, yaitu This Is April dan MyRubylicious, melalui komentar Instagram yang diperoleh menggunakan teknik web scraping. Total data yang berhasil dikumpulkan sebanyak 1.813 komentar, terdiri atas 1.013 komentar dari This Is April dan 800 komentar pada MyRubylicious. Dataset kemudian dibagi menjadi 70?ta latih dan 30?ta uji untuk mendukung proses klasifikasi dengan algoritma Naïve Bayes. Sebelum proses klasifikasi, data diproses melalui beberapa tahapan preprocessing meliputi cleaning, tokenizing, normalizing, stopword removal, dan stemming, kemudian dilakukan pembobotan kata menggunakan metode TF-IDF (Term Frequency–Inverse Document Frequency) yang merepresentasikan kepentingan suatu kata dalam dokumen secara proporsional, sehingga kata-kata yang lebih informatif memperoleh bobot lebih tinggi dalam proses klasifikasi. Evaluasi performa model dilakukan menggunakan confusion matrix. Hasil evaluasi menunjukkan bahwa model pada brand This Is April mencapai akurasi sebesar 98,36%, sedangkan pada brand MyRubylicious mencapai akurasi sebesar 99,17%. Hasil ini membuktikan bahwa algoritma Naïve Bayes mampu melakukan klasifikasi sentimen dengan sangat baik pada kedua brand fashion lokal tersebut. Hasil klasifikasi sentimen pada kedua brand menunjukkan dominasi sentimen positif secara konsisten, yang mencerminkan tingginya tingkat kepuasan dan penerimaan konsumen Instagram terhadap produk kedua brand fashion lokal tersebut. Secara keseluruhan, performa model pada MyRubylicious sedikit lebih tinggi dibandingkan This Is April, namun keduanya telah mencapai nilai akurasi yang sangat tinggi dan membuktikan efektivitas pendekatan Naïve Bayes berbasis TF-IDF untuk klasifikasi sentimen teks berbahasa Indonesia.

PERANCANGAN SISTEM INFORMASI PADA APLIKASI BANK SAMPAH MASYARAKAT BERBASIS WEBSITE, Syarafina Khalishah, NIM E41212349, Tahun 2024, Teknologi Informasi, Politeknik Negeri Jember, Moh. Munih Dian Widianta, S.Kom, M.T (Dosen Pembimbing), Amiruddin Fuad, S.Kom (Pembimbing Lapang). Praktik Kerja Lapang (PKL) adalah salah satu kegiatan wajib yang dilaksanakan mahasiswa di Politeknik Negeri Jember. Pelaksaan PKL ini dimulai dari 05 Agustus 2024 yang bertempatan di CV. Jaya Technology Solusindo, bertempatan di JL. Teluk Etna X No. 19-A, Arjosari, Blimbing, Kota Malang, dengan jadwal masuk kerja setiap Senin sampai Jum’at. Tujuan Praktik Kerja Lapang (PKL) secara umum adalah menambahkan wawasan mahasiswa terhadap aspek-aspek yang akan didapatkan pada lokasi Praktik Kerja Lapang (PKL) sehingga dapat dijadikan acuan sebelum terjun ke dunia kerja. Selain itu kegiatan ini dapat meningkatkan wawasan dan pengetahuan mengenai kegiatan yang ada pada instansi/perusahaan. Pengembangan aplikasi bank sampah merupakan sebagai bagian dari tugas utama dalam kegiatan magang di CV- J-Tech Solusindo. Dalam kegiatan magang ini, penulis bertanggung jawab merancang desain antarmuka aplikasi bank sampah Berbasis website, Aplikasi ini memiliki tiga hak akses utama : Masyarakat umum, Admin Bank Sampah, dan Operator Lapangan , yang saling terintergrasi untuk mendukung operasional. Halaman masyarakat umum aplikasi ini dapat mempermudah Pengguna dalam interaksi pengelolaan sampah, Seperti pendaftaran sampah untuk diambil. Halaman admin membantu mengelola kebutuhan bank sampah, sedangkan halaman operator lapangan dirancang untuk mempermudah pengambilan sampah sesuai permintaan masyarakat.

Penelitian dalam tugas akhir ini berfokus pada perancangan, pengembangan, dan analisis komprehensif terhadap karakter fiksi ilmiah individual bernama ?leph Ryán Juvenile. Karakter ini diklasifikasikan ke dalam Kelas Paradoksikal tingkat tinggi di atas kategori Calamity, dengan posisi eksistensial yang telah mapan di Dimensi 10. Keunikan utama dari karakter ini terletak pada kemampuannya untuk melakukan sinkronisasi temporal dan spasial secara absolut melalui struktur Immortal, di mana ia tidak hanya menyatukan dimensi masa lalu, masa sekarang, dan masa depan ke dalam satu lini masa, melainkan mengintegrasikan seluruh lini masa dari estimasi 10??? (tak terhingga) alam semesta di dalam multiversum menjadi satu struktur tunggal yang disebut sebagai Architect Fundamental. Lebih jauh lagi, karakter ini menempati posisi kekuasaan tertinggi pada Rank Tier - High 0 (Apex), sebuah tingkatan yang berada di atas Tier 0 (Boundless), yang dicapai melalui penguasaan kemampuan Element Fundamental Superquantum (manifestasi Full Awakening dari elemen kuantum yang beroperasi pada Dimensi 11). Metodologi pengembangan dan pengenalan karakter ini dilakukan melalui pendekatan interdisipliner yang mengintegrasikan berbagai cabang ilmu pengetahuan eksak. Fondasi karakter dibangun menggunakan visualisasi dan perhitungan berbasis Matematika Dasar hingga Matematika Tingkat Lanjut, Aritmatika, Googology (skala angka masif), Dasar Fisika hingga Fisika Kuantum, serta Geometri hingga Hyper-Geometri. Selain itu, integrasi aspek teknis diwujudkan melalui simulasi Quantum Computation yang mencakup sistem pemrograman dan enkripsi modular buatan karakter itu sendiri, serta didukung oleh struktur teoretis Kosmologi, Kimia, dan Biologi untuk memberikan spesifikasi anatomi dan eksistensi yang logis. Narasi karakter juga diperkuat dengan penyusunan backstory tragis yang memanfaatkan paradoks ilmiah sebagai pemicu utama trauma dan perkembangan kekuatannya. Hasil penelitian ini menghasilkan sebuah dokumen cetak biru (blueprint) pengembangan karakter secara digital yang memiliki konsistensi logika internal tinggi meskipun beroperasi pada skala kosmik ekstrem. Melalui pemodelan sistem ini, pengenalan karakter ?leph Ryán Juvenile sebagai entitas Architect Fundamental dapat didefinisikan secara matematis dan naratif tanpa mengalami bias logika (paradox breakdown). Kesimpulan dari tugas akhir ini membuktikan bahwa penggabungan teori fisika kuantum tingkat lanjut dan matematika hiper-geometri mampu menciptakan standar baru dalam penulisan dan pengenalan karakter fiksi ilmiah pada tingkatan Apex, yang siap diimplementasikan ke dalam industri kreatif seperti desain karakter fiksi.

Laporan magang ini mendokumentasikan kegiatan praktik kerja lapangan yang dilaksanakan di CV. Jaya Technology Solusindo mulai Oktober 2025 hingga Februari 2026. Fokus utama dari kegiatan ini adalah penerapan metode Human-Centered Design dalam perancangan ulang antarmuka pengguna untuk ALLIKLAN, sebuah platform digital pencarian properti dan kendaraan. Proses perancangan mengadopsi tahapan iteratif HCD, yang meliputi analisis konteks penggunaan, spesifikasi kebutuhan, perancangan solusi melalui wireframing dan prototyping, serta evaluasi desain. Hasil akhir dari implementasi ini adalah purwarupa untuk halaman beranda, daftar properti, dan detail properti yang dirancang dengan pendekatan estetika minimalis guna mengoptimalkan tingkat ketergunaan dan mengurangi beban kognitif pengguna. Selain berfokus pada proyek utama ALLIKLAN, penulis juga berkontribusi secara aktif pada berbagai tugas desain operasional dan pemasaran digital perusahaan. Penugasan pendukung tersebut meliputi pelaksanaan Quality Control dan pengisian ratusan data awal properti, serta perancangan ulang antarmuka untuk aplikasi BakulMlijo, website profil perusahaan J-Tech, dan portal administrasi SIMADEV. Lebih lanjut, penulis juga merancang berbagai aset identitas visual, seperti pembuatan ulang logo untuk beberapa sistem internal, desain pamflet promosi produk, hingga penyusunan dokumen presentasi komersial atau pitch deck guna mendukung strategi bisnis perusahaan.

IMPLEMENTASI EXPONENTIAL SMOOTING UNTUK FORECASTING CUACA AWAL DALAM MENDUKUNG KEPUTUSAN AWAL TANAMAN PANGAN, Dwi Nafis Mahardika, NIM E41212382, Tahun 2024, Teknologi Informasi, Politeknik Negeri Jember, Ery Setiyawan Jullev Atmadji, S.Kom, M.Cs (Pembimbing Praktik Kerja Lapang), Farida Nur Ummi S.Psi. (Pembimbing Lapang). Praktik Kerja Lapang (PKL) merupakan salah satu kegiatan wajib dalam program pendidikan kampus Politeknik Negeri Jember yang bertujuan untuk meningkatkan pengetahuan dan keterampilan mahasiswa dalam pengembangan softskill dan hardskill diluar sistem pembelajaran yang ada di kampus, serta dapat menghasilkan sumber daya manusia (SDM) yang memiliki keahlian profesional dengan keterampilan, pengetahuan, serta etos kerja yang sesuai dengan perkembangan teknologi saat ini. Kegiatan PKL dilaksanakan di sebuah perusahaanyang berfokus pada Big Data dan Teknologi Artificial Intelligence (AI), yaitu di PTGlobal Data Inspirasi (Datains). PT Global Data Inspirasi resmi berdiri pada tanggal 2 Mei 2018 dan berlokasi di Yogyakarta. Dalam kegiatan PKL tersebut, dilakukan implementasi exponential smoothing pada sebuah website bernama Smart-Agri untuk Kementerian Pertanian yang nantinya akan disebarkan kepada petani. Website Smart-Agri adalah platform berbasis website yang dirancang untuk membantu petani dan pemerintah daerah dalam menentukan tanaman pangan yang paling cocok untuk ditanam berdasarkan prediksi cuaca. Platform ini menyediakan informasi mengenai perkiraan musim hujan dan kemarau di berbagai wilayah, sekaligus memberikan rekomendasi tanaman yang sesuai dengan kondisi iklim tersebut. Melalui platform ini, petani dapat mengambil keputusan yang lebih tepat, sehingga berpotensi meningkatkan produktivitas dan vii hasil pertanian mereka. Platform Smart-Agri memungkinkan petani untuk merencanakan musim tanam dan pemeliharaan tanaman secara lebih efektif. Selain itu, pemerintah daerah juga dapat menggunakan platform ini untuk menganalisis tren iklim dan kondisi pertanian di wilayahnya, sehingga dapat membantu dalam pengambilan kebijakan dan alokasi sumber daya secara lebih efisien

Beras merupakan komoditas pangan utama yang strategis di Indonesia, di mana produktivitas panen sangat bergantung pada mutu benih berdaya kecambah tinggi. Pengujian daya berkecambah konvensional masih memiliki kelemahan karena bersifat subjektif dan memakan waktu. Penelitian ini bertujuan mengimplementasikan arsitektur Convolutional Neural Network (CNN) MobileNetV2 untuk mengklasifikasikan kualitas kecambah padi ke dalam tiga kelas: Kecambah Normal, Kecambah Abnormal, dan Benih Mati. Sebanyak 545 citra dataset awal yang mengalami ketidakseimbangan kelas ditangani melalui teknik augmentasi spasial dan pipeline pra-pemrosesan citra. Tahap pra-pemrosesan memainkan peran krusial melalui ekstraksi Region of Interest (ROI) menggunakan segmentasi biner adaptif berbasis nilai rata-rata (Mean x 2.2) dan operasi morfologi untuk mengisolasi objek kecambah secara utuh dari latar belakang. Evaluasi model melalui confusion matrix menunjukkan bahwa konfigurasi pembagian data 80:20 dengan siklus pelatihan 25 epoch menghasilkan performa paling optimal, dengan akurasi pengujian mencapai 93,58%. Keberhasilan isolasi fitur pada tahap pra-pemrosesan terbukti mampu mereduksi bias pada kelas minoritas secara alami tanpa memerlukan tambahan algoritma pembobotan kelas. Model terbaik tersebut kemudian diintegrasikan ke dalam prototipe aplikasi mobile bernama Sprouts Scan. Pengujian akurasi sistem menggunakan citra baru oleh dua pakar menghasilkan rata-rata akurasi klasifikasi sebesar 98,27%, sedangkan pengujian UAT menunjukkan tingkat penerimaan sebesar 100%. Secara keseluruhan, sistem cerdas ini terbukti empiris mampu meningkatkan objektivitas, akurasi, dan efisiensi dokumentasi dalam evaluasi daya berkecambah untuk mendukung kelancaran sertifikasi mutu benih nasional.