Elsimil merupakan aplikasi buatan BKKBN sebagai bagian dari upaya pemerintah dalam menurunkan angka stunting di Indonesia, yang kini menjadi syarat dalam pengajuan pernikahan. Kebijakan ini memunculkan berbagai tanggapan dari masyarakat yang terekam dalam ulasan di Google Play Store. Penelitian ini bertujuan untuk mengetahui persepsi masyarakat terhadap aplikasi Elsimil melalui analisis sentimen menggunakan metode Support Vector Machine (SVM). Data ulasan diperoleh melalui metode web scraping dan diproses melalui tahapan preprocessing seperti cleaning, tokenizing, normalization, filtering, dan stemming. Data kemudian dibagi menjadi data latih dan uji, serta dihitung pembobotannya menggunakan TF-IDF. Proses klasifikasi dengan SVM menunjukkan hasil opini yang beragam, baik positif maupun negatif, dengan F1 score 91%, precision score 97%, recall 86%, dan akurasi 92,83%. untuk data 70:30 lalu 120 ulasan positif dan 186 ulasan negatif. Informasi yang diperoleh dari penelitian ini diharapkan menjadi masukan bagi pemerintah dalam mengevaluasi dan mengembangkan aplikasi Elsimil agar lebih efektif dan diterima oleh masyarakat.

Pengenalan suara merupakan salah satu teknologi yang semakin berkembang dalam bidang kecerdasan buatan, khususnya dalam interaksi manusia dan komputer. Penelitian ini bertujuan untuk mengembangkan model klasifikasi suara dalam bahasa Indonesia ke dalam dua kategori utama, yaitu ucapan positif dan ucapan negatif, menggunakan metode Mel-Frequency Cepstral Coefficient (MFCC) sebagai ekstraksi fitur suara dan Learning Vector Quantization (LVQ) sebagai algoritma klasifikasi. Metode penelitian dimulai dengan pengumpulan data suara dari 2 partisipan yang mengucapkan lima kata sifat dalam bahasa Indonesia, masing-masing diucapkan dalam intonasi berbeda. Seluruh data melalui proses preprocessing seperti normalisasi amplitudo, padding, dan noise reduction, sebelum diekstraksi fiturnya menggunakan MFCC. Selanjutnya, data digunakan untuk melatih model LVQ. Hasil pengujian menunjukkan bahwa kombinasi MFCC dan LVQ dapat mengklasifikasikan ucapan positif dan negatif dengan baik. Akurasi tertinggi dicapai sebesar 91.78% pada pembagian data 70:30, dan evaluasi menggunakan K-Fold Cross Validation (K=5) menghasilkan rata-rata akurasi sebesar 79.72%, yang menunjukkan generalisasi model yang stabil. Hasil ini menunjukkan bahwa pendekatan ini efektif untuk tugas klasifikasi ujaran berdasarkan ekspresi suara dalam bahasa Indonesia.

Klasifikasi Kelulusan Santri Berbasis Website Menggunakan Metode Naive Bayes Classifier: Studi Kasus Pondok Pesantren Mahasiswa (PPM) Syafi’ur Rohman Jember, Zhaqian Ro’uf Alfauzi, NIM E31221446, Tahun 2024, Manajemen Informatika, Politeknik Negeri Jember, Pramuditha Shinta Dewi P., S.Kom., M.Kom. (Pembimbing). Kelulusan santri di Pondok Pesantren Mahasiswa (PPM) Syafi’ur Rohman Jember menjadi salah satu aspek penting dalam menilai efektivitas sistem pendidikan pesantren. Namun, data menunjukkan bahwa hanya kurang dari 30% santri yang lulus tepat waktu, sehingga diperlukan sistem yang dapat membantu memonitor dan mengklasifikasi ketepatan waktu kelulusan santri. Penelitian ini menggunakan metode Naïve Bayes Classifier untuk melakukan klasifikasi kelulusan santri berdasarkan jumlah halaman tafsir Al-Qur’an dan Al Hadis yang telah diselesaikan dalam kurun waktu tiga tahun. Sistem ini dikembangkan dalam bentuk website berbasis Laravel, yang memungkinkan santri dan pengurus pondok untuk melakukan analisis prediktif mengenai kelulusan. Metode pengembangan yang digunakan adalah waterfall, dengan tahapan requirement, design, implementation, testing, dan maintenance. Selain itu, penelitian ini juga mencakup visualisasi hasil klasifikasi dalam bentuk dashboard untuk mempermudah pemantauan progres belajar santri dan mendukung pengambilan keputusan bagi pengurus pondok. Pengujian sistem dilakukan menggunakan black box testing dan mendapat hasil website berjalan sesuai dengan fungsinya. Serta User Acceptance Testing (UAT) untuk memastikan keakuratan dan kemudahan penggunaan sistem lalu mendapatkan hasil 95,66% untuk santri dan 84% untuk dewan guru, sehingga website ini dikategorikan sangat baik dalam skala likert. Dengan adanya sistem ini, pengurus pondok dapat lebih mudah me-monitoring dan mengevaluasi capaian santri untuk membantu meningkatkan persentase kelulusan tepat waktu di PPM Syafi’ur Rohman Jember.

Cyberbullying merupakan tindakan penggunaan teknologi digital untuk menyakiti atau merendahkan seseorang secara online. Fenomena ini semakin umum terjadi di media sosial termasuk TikTok, di mana komentar negatif dapat berdampak buruk pada kesehatan mental pengguna. Penelitian ini bertujuan menganalisis sentimen cyberbullying pada komentar TikTok menggunakan algoritma Naive Bayes Classifier untuk mengklasifikasikan sentimen positif dan negatif. Proses penelitian pengumpulan data sebanyak 1208 komentar TikTok, yang kemudian dibagi menjadi data training 80% dan data testing 20%. Tahapan analisis meliputi preprocessing, pembobotan kata menggunakan TF-IDF (Term Frequency-Inverse Document Frequency), dan pemilihan fitur. Evaluasi model yang digunakan yaitu Confusion Matrix yang menghasilkan nilai akurasi sebesar 88.43%, dengan presisi sebesar 90%, recall sebesar 86.5%, dan f1-score sebesar 88%. Hasil penelitian ini diharapkan dapat berkontribusi pada pencegahan cyberbullying dengan memberikan wawasan terkait pola komentar negatif dan mendukung pengembangan sistem deteksi dini.

ABSTRAK Kemiskinan merupakan tantangan utama dalam suatu pembangunan yang masih dihadapi banyak negara, termasuk Indonesia. Terjadi karena ketidakmampuan masyarakat dalam memenuhi kebutuhan dasar mereka. Pemerintah membuat beberapa program bantuan salah satunya Program Keluarga Harapan (PKH) guna menanggulangi kemiskinan. PKH merupakan program bantuan sosial yang diberikan kepada keluarga miskin dan rentan miskin. Namun, dalam proses pelaksanaannya perlu dibenahi, seperti sulitnya menentukan penerima bantuan PKH dan proses seleksi yang masih dilakukan secara manual atau tanpa adanya bantuan sistem sehingga membutuhkan waktu yang cukup lama. Untuk mengatasi masalah ini, diperlukan suatu sistem pendukung keputusan (SPK) dalam menentukan penerima bantuan PKH secara efisien dan lebih objektif. Metode yang digunakan adalah Techinique for Order Preference by Similarity to Ideal Solution (TOPSIS). Hasil implementasi menunjukkan bahwa sistem ini mampu memberikan rekomendasi penerima bantuan PKH sesuai dengan kriteria yang ditetapkan. Berdasarkan hasil analisa pengujian sistem menggunakan metode Blackbox testing sudah berjalan dengan baik dan hasil pengujian User Acceptance Testing (UAT) didapatkan rata-rata persentase mencapai 90% disimpulkan bahwa sistem sudah sesuai dengan harapan user.

CV BAMBANG IRAWAN GROUP, dikenal juga sebagai BIG ACCESS, didirikan pada tahun 2017 oleh Ragiliyandi Erik Putra Irawan. Perusahaan ini bergerak di bidang pengembangan software dan jaringan WIFI RT/RW NET dengan lebih dari 2400 pelanggan aktif. Visi perusahaan adalah menjadi solusi terbaik dalam memberikan kebutuhan serta mengutamakan kepuasan pelanggan. Kegiatan magang mencakup pengenalan perusahaan, supervisi, pembuatan daily report, dan presentasi progres proyek. Mahasiswa diperkenalkan dengan struktur organisasi perusahaan dan diberikan kesempatan untuk mempraktikkan keterampilan sesuai bidang studi. Supervisi dilakukan dua kali selama magang untuk memastikan kegiatan berjalan sesuai standard. Proyek utama selama magang adalah pengembangan aplikasi berbasis website. Proses pengembangan meliputi analisis kebutuhan sistem, perancangan, implementasi, dan pengujian. Website ini menggunakan framework Laravel. Magang ini memberikan banyak manfaat, termasuk peningkatan keterampilan dalam pengembangan web dan pemahaman alur kerja industri. Saran untuk pengembangan aplikasi mencakup peningkatan user experience, keamanan melalui autentikasi dua faktor, dan optimalisasi SEO untuk memperluas jangkauan pengguna. Laporan ini diharapkan dapat menjadi referensi yang bermanfaat bagi mahasiswa lain dan memperkuat kerja sama antara Politeknik Negeri Jember dan CV BAMBANG IRAWAN GROUP.

Sistem Pendukung Keputusan Kelayakan Penerima Bantuan Pangan Beras dengan Metode Weighted Product (Studi Kasus Kecamatan Bondowoso), Elisa Febrian Sholeha, NIM E41212169, Tahun 2025, Teknik Informatika, Politeknik Negeri Jember, Syamsul Arifin, S.Kom, M.Cs (Dosen Pembimbing). Indonesia merupakan negara yang masih masuk dalam kategori negara berkembang karena perekonomian yang masih tergolong rendah, tingkat kemiskinan dari masa ke masa selalu diupayakan untuk mengurangi angka kemiskinan di Indonesia. Upaya yang dilakukan pemerintah untuk mengurangi hal tersebut yaitu dengan mengurangi beban pengeluaran penduduk kurang mampu dengan menyalurkan bantuan dalam bentuk pangan beras. Bantuan pangan merupakan bantuan pangan yang diberikan kepada masyarakat Keluarga Penerima Manfaat (KPM) berupa beras (natura) sebanyak 10 kg dengan kualitas medium tanpa dikenai biaya. Proses penyaluran bantuan disalurkan berdasarkan data atau kriteria pendukung untuk menentukan bantuan tersebut layak untuk diterima masyarakat tersebut, namun proses penyaluran bantuan dilakukan secara manual tanpa adanya pengurutan yang sistematis sehingga data yang diperoleh kurang maksimal atau tepat sasaran dan memberikan dampak kepada calon penerima bahwa proses seleksi tersebut menyebabkan ketidakadilan kepada masyarakat yang seharusnya sangat membutuhkan pangan tersebut untuk kehidupan sehari-hari tidak mendapat bantuan bahkan sebaliknya masyarakat yang memiliki kondisi tergolong mampu tersebut mendapat bantuan. Oleh karena itu, penelitian ini memberikan solusi dalam mengatasi permasalahan tersebut dengan melakukan perancangan sistem pendukung keputusan untuk membantu memerikan rekomendasi calon penerima yang layak untuk menerima bantuan pangan beras dengan penerapan metode weighted product. Sistem dikembangkan dengan mengacu pada 9 kriteria dan menggunakan 1205 data masyarakat, penerapan metode ini dinilai cukup dalam memberikan rekomendasi dengan memperoleh hasil akurasi 60% yang diperoleh dari perbandingan antara hasil sistem dan hasil seleksi secara manual tanpa perhitungan secara sistematis.

Pendahuluan: Pendidikan memainkan peran penting dalam pembangunan nasional, namun kendala finansial menghambat banyak lulusan SMA di Indonesia untuk melanjutkan pendidikan tinggi. Beasiswa KIP-K bertujuan untuk mengatasi masalah ini, tetapi proses seleksi manual di Politeknik Negeri Jember memakan waktu dan rentan terhadap kesalahan.Metode: Penelitian ini mengembangkan Sistem Pendukung Keputusan (SPK) berbasis web dengan menggunakan metode Analytical Hierarchy Process (AHP) untuk merangking calon penerima beasiswa berdasarkan lima kriteria utama: Status Kepemilikan Kartu KIP, Kepesertaan dalam Database Kesejahteraan Sosial (DTKS), Status Pendaftaran, Pendapatan Orang Tua, dan Prestasi Akademik Hasil: Sistem ini berhasil mengotomatisasi proses seleksi, memastikan keadilan dan efisiensi. Pengujian User Acceptance Testing menunjukkan tingkat persetujuan sebesar 88,5%, yang menandakan efektivitas yang tinggi. Kesimpulan: SPK berbasis AHP meningkatkan proses seleksi beasiswa dengan membuatnya lebih objektif, akurat, dan transparan, sehingga bantuan keuangan dapat diberikan kepada mahasiswa yang benar-benar membutuhkan.