Serangan Distributed Denial of Service (DDoS) jenis HTTP(S) Flood menjadi ancaman serius yang menguras sumber daya server dan melumpuhkan ketersediaan layanan. Karakteristik serangan ini mengeksploitasi layer aplikasi dengan mengirimkan volume permintaan dalam jumlah masif. Tanpa perlindungan yang mumpuni, arsitektur backend tradisional akan mengalami saturasi proses pekerja (worker saturation) hingga memicu kelumpuhan total layanan (downtime). Penelitian ini bertujuan menganalisis implementasi arsitektur pertahanan ganda (dual-layer defense) yang mengombinasikan Web Application Firewall (WAF) ModSecurity dan Nginx Caching. Kedua komponen tersebut diintegrasikan secara simultan pada gerbang NGINX Ingress Controller di dalam klaster Kubernetes multi-node. Pengujian dilakukan menggunakan Apache JMeter melalui skenario incremental load testing dan stress testing dengan simulasi beban bertahap hingga 1.000 pengguna virtual (concurrent users) secara simultan. Hasil pengujian membuktikan bahwa penerapan mekanisme mitigasi tunggal menyisakan celah kerentanan kritis, seperti manipulasi cache bypass atau efek bottleneck CPU pada gerbang Ingress. Sebaliknya, kombinasi kedua metode sukses mengisolasi Application Pods dari ancaman downtime, menjaga konsumsi komputasi internal tetap stabil di bawah 25 millicores, dan mencapai tingkat pemblokiran serangan di atas 95,00%. Kendati demikian, ketahanan infrastruktur pada akhirnya dibatasi oleh spesifikasi perangkat keras (2 core CPU host), yang memicu lonjakan anomali Context Switches serta fenomena CPU throttling saat menerima tekanan beban ekstrem.

Peningkatan volume lalu lintas internet pada infrastruktur jaringan institusi pendidikan menimbulkan tantangan yang signifikan dalam pengelolaan serta pengawasan keamanan sistem. Ancaman siber seperti aktivitas bot, pola trafik yang tidak normal, serta percobaan akses tidak sah memerlukan pendekatan analisis yang lebih canggih untuk menjaga stabilitas, ketersediaan, dan keamanan layanan jaringan. Penelitian ini bertujuan untuk menerapkan Big Data Analytics dalam manajemen traffic pada sistem keamanan siber menggunakan metode deteksi heuristik Sistem yang dikembangkan mampu mengolah data log server dan lalu lintas jaringan dalam jumlah besar untuk mendeteksi aktivitas mencurigakan berdasarkan aturan heuristik dan pola perilaku trafik. Sistem ini mengintegrasikan proses pengumpulan log, pemantauan traffic secara real-time, serta deteksi ancaman berbasis heuristik untuk mengidentifikasi anomali seperti aktivitas bot, error HTTP, pola permintaan yang tidak wajar, serta lalu lintas yang berpotensi berbahaya. Implementasi sistem memanfaatkan teknologi web modern dan teknik pengolahan data untuk menghasilkan analisis yang efektif dan efisien terhadap data trafik jaringan. Hasil penelitian menunjukkan bahwa penerapan Big Data Analytics yang dikombinasikan dengan metode heuristik mampu membantu administrator jaringan dalam memantau aktivitas trafik, mendeteksi potensi ancaman lebih dini, serta meningkatkan efektivitas manajemen keamanan siber pada lingkungan jaringan.

Rancang Bangun Absensi Digital Menggunakan GPS Berbasis Mobile (Studi Kasus: Perusahaan Menjadi Pengaruh Group), Muhammad Julian Romadhoni, NIM E31230910, Tahun 2026, Program Studi Manajemen Informatika, Politeknik Negeri Jember, Lukie Perdanasari, S.Kom., M.T. (Pembimbing). Pengelolaan kehadiran dan lembur karyawan di Menjadi Pengaruh Group yang memiliki lebih dari 70 karyawan di berbagai unit usaha saat ini masih dilakukan secara manual menggunakan WhatsApp dan Microsoft Excel. Proses manual ini memicu kendala administratif berupa keterlambatan rekapitulasi data, kesulitan pencatatan kompensasi lembur, serta kerawanan terhadap kecurangan seperti manipulasi lokasi (fake GPS) dan penitipan absen. Untuk mengatasi permasalahan tersebut, dikembangkan sebuah sistem absensi digital terpadu yang memadukan aplikasi mobile berbasis Flutter untuk karyawan dan aplikasi web berbasis Laravel untuk administrator (HRD/Manajer/Supervisor). Validasi kehadiran dilakukan menggunakan pelacakan lokasi berbasis GPS dengan pembatasan wilayah (geofencing) serta verifikasi wajah biometrik menggunakan algoritma Support Vector Machine (SVM) dengan kernel RBF yang dipadukan dengan ekstraksi fitur Local Binary Pattern (LBP) dan normalisasi Contrast Limited Adaptive Histogram Equalization (CLAHE). Sistem ini juga mengintegrasikan pencatatan lembur digital dengan opsi kompensasi berupa saldo poin lembur. Metode pengembangan sistem menggunakan model Waterfall. Pengujian model SVM menghasilkan akurasi confusion matrix 88,52?n k-fold cross validation 88,19% (C=20, Gamma=0.1). Pengujian Black Box mencapai keberhasilan awal 95,74?n meningkat menjadi 100% setelah pemeliharaan. Sementara pengujian UAT menghasilkan nilai kelayakan 84,62% (sangat layak). Hasil ini menunjukkan sistem layak diimplementasikan untuk meningkatkan keamanan dan efisiensi kehadiran perusahaan.

SMK Taruna Bakti Kertosono masih menerapkan sistem absensi manual dengan metode pemanggilan siswa satu per satu oleh guru, sehingga menimbulkan berbagai permasalahan, seperti kehilangan kertas kehadiran, manipulasi data, proses rekapitulasi yang memakan waktu, serta kesalahan pencatatan kehadiran siswa. Penelitian ini bertujuan untuk merancang desain UI/UX sistem absensi berbasis website dan mobile yang sesuai dengan kebutuhan pengguna serta mengevaluasi tingkat usability menggunakan metode System Usability Scale (SUS). Metode yang digunakan adalah User-Centered Design (UCD) yang terdiri atas tahapan Understand Context of Use, Specify User Requirements, Design Solutions, dan Evaluate Against Requirements. Hasil penelitian berupa rancangan UI/UX sistem absensi digital yang terdiri atas user flow, Wireframe, dan Prototype high-fidelity yang disesuaikan dengan kebutuhan siswa, guru, dan admin (guru BK). Hasil evaluasi usability menunjukkan bahwa kelompok siswa memperoleh skor SUS sebesar 75,30 dengan kategori Good, kelompok guru memperoleh skor 80,50 dengan kategori Excellent, dan admin (guru BK) memperoleh skor 82,50 dengan kategori Excellent. Secara keseluruhan, hasil penelitian menunjukkan bahwa perancangan UI/UX menggunakan metode User-Centered Design berhasil menghasilkan desain yang sesuai dengan kebutuhan pengguna, sehingga dapat menjadi acuan dalam pengembangan sistem absensi digital untuk mendukung optimalisasi kehadiran siswa di SMK Taruna Bakti Kertosono.

Aplikasi DiKantin di Politeknik Negeri Jember yang menyediakan 190 variasi menu dari 13 kantin sering kali menyebabkan kebingungan pengguna karena sistem rekomendasi yang berjalan masih bersifat acak dan belum dipersonalisasi. Ketiadaan saran yang relevan ini memperlama waktu pengambilan keputusan dan memunculkan masalah Cold Start bagi pengguna baru yang belum memiliki riwayat interaksi. Oleh karena itu, penelitian ini bertujuan mengimplementasikan serta membandingkan performa metode Content Based Filtering (CBF), Collaborative Filtering (CF) dan Hybrid Filtering berbasis mekanisme Switching guna menangani masalah Cold Start dan menentukan metode yang paling optimal. Penelitian ini menggunakan pendekatan eksperimental komparatif dengan mengolah data eksplisit dan implisit langsung dari database DiKantin. Aktivitas interaksi implisit pengguna kemudian dikonversi menjadi skala bobot preferensi menggunakan kerangka kerja AIDA (Attention, Interest, Desire, Action). Performa algoritma dievaluasi secara matematis melalui metrik MAE, RMSE, Precision, Recall, F1-Score dan NDCG. Sementara penerimaan sistem diukur melalui User Acceptance Testing (UAT) before – after terhadap 103 responden civitas akademika. Berdasarkan pengujian, metode Hybrid Filtering dengan nilai threshold 20 interaksi terbukti paling unggul. Metode ini sukses mencatatkan nilai Precision 0,044, Recall 0,151, F1-Score 0,059, Category Precision 0,710 serta NDCG 0,175 melampaui capaian skor NDCG 0,166 milik metode CBF. Evaluasi prediksi metode CF juga menunjukkan tingkat kesalahan yang stabil dan rendah dengan nilai MAE 0,1709 dan RMSE 0,2130. Implementasi algoritma terbaik ini terbukti memberikan dampak positif secara langsung terhadap pengalaman pengguna, yang ditunjukkan dengan peningkatan metrik kepuasan responden sebesar +1,01 dari skor awal 3,26 menjadi 4,27 setelah sistem diterapkan.

Perkembangan teknologi informasi telah mendorong berbagai instansi pemerintahan untuk mengoperasikan sistem berbasis web guna meningkatkan efisiensi pengelolaan data dan pelayanan administrasi. Seiring dengan meningkatnya penggunaan sistem, diperlukan jaminan bahwa setiap fitur dapat berjalan sesuai kebutuhan pengguna. proses pengoperasiannya masih berpotensi terjadi kendala seperti fungsi yang tidak berjalan dengan baik, kesalahan sistem, maupun perubahan pada aplikasi yang dapat memengaruhi kinerja website. diperlukan proses pengujian yang sistematis untuk memastikan kualitas dan keandalan sistem. Penelitian ini bertujuan untuk mengimplementasikan metode automation testing pada Website Manajemen Kepegawaian di Kelurahan Kauman menggunakan Katalon Studio dengan mengacu pada tahapan Software Testing Life Cycle (STLC). Pengujian dilakukan secara otomatis untuk memverifikasi fungsi-fungsi utama sistem serta mengidentifikasi potensi kesalahan yang terdapat pada aplikasi. Hasil penelitian menunjukkan bahwa penerapan automation testing mampu meningkatkan efektivitas proses pengujian, mempercepat identifikasi bug, serta memberikan informasi mengenai tingkat kualitas fungsionalitas website. metode ini dapat mendukung pengembangan sistem yang lebih andal, stabil, dan efisien dalam menunjang pengelolaan administrasi kepegawaian di Kelurahan Kauman.

Website JTI Slearn sebagai platform e-learning di Jurusan Teknologi Informasi Politeknik Negeri Jember mengalami penurunan performa saat terjadi lonjakan akses pengguna. Penelitian ini bertujuan menganalisis penerapan load balancing dan horizontal pod autoscaling berbasis Kubernetes dalam meningkatkan kinerja sistem. Implementasi dilakukan menggunakan Kubernetes K3s dengan mekanisme internal load balancing dan Horizontal Pod Autoscaler (HPA). Pengujian dilakukan menggunakan Grafana K6 dengan skenario 100–160 Virtual Users (VUs). Hasil penelitian menunjukkan bahwa sistem HPA mampu meningkatkan throughput dengan gap sebesar 1,20–1,70 request/detik serta menurunkan response time dengan gap sebesar 3,79–4,90 detik dibandingkan sistem Non-HPA pada beban tinggi. Selain itu, HPA mampu mempertahankan error rate yang sama atau lebih rendah pada sebagian besar skenario pengujian. Penerapan Kubernetes terbukti efektif meningkatkan skalabilitas, kestabilan, dan ketersediaan layanan website JTI Slearn.

Jagung merupakan salah satu komoditas pertanian penting di Indonesia. Produksi jagung dapat menurun akibat serangan penyakit pada daun, seperti hawar daun dan karat daun. Proses identifikasi penyakit secara manual masih memiliki beberapa kendala karena membutuhkan waktu, bergantung pada pengalaman pengamat, dan dapat menyebabkan kesalahan identifikasi. Kondisi tersebut menunjukkan perlunya sistem yang dapat membantu proses identifikasi penyakit daun jagung secara cepat dan akurat. Penelitian ini menggunakan metode Convolutional Neural Network (CNN) dengan arsitektur MobileNetV2 berbasis transfer learning untuk mendeteksi penyakit daun jagung. Model yang dikembangkan mampu mengklasifikasikan citra ke dalam empat kelas, yaitu Bukan Jagung, Hawar Daun, Karat Daun, dan Sehat. Evaluasi model dilakukan menggunakan 5-Fold Cross Validation serta pengujian pada data testing dengan metrik accuracy, precision, recall, dan F1-score. Hasil penelitian menunjukkan bahwa model memperoleh rata-rata akurasi cross validation sebesar 99,18% dan akurasi testing sebesar 99,35%. Nilai precision, recall, dan F1-score pada seluruh kelas berada pada rentang 0,99–1,00 yang menunjukkan performa klasifikasi sangat baik. Sistem kemudian diimplementasikan ke dalam website sehingga pengguna dapat melakukan deteksi penyakit daun jagung secara otomatis melalui unggahan gambar. Hasil penelitian menunjukkan bahwa MobileNetV2 berbasis transfer learning mampu mendeteksi penyakit daun jagung secara akurat, cepat, dan efisien.