Makanan yang mengandung formalin merupakan contoh jelas dari jenis makanan yang sebaiknya tidak dimakan. Makanan yang baik untuk kesehatan seharusnya bebas dari zat berbahaya yang dapat membahayakan tubuh. Ketika makanan berformalin dikonsumsi dalam jangka panjang, dapat menimbulkan dampak negatif yang cukup signifikan. Beberapa dampak tersebut termasuk masalah pencernaan, gangguan pernapasan, reaksi alergi, iritasi pada mata, kerusakan pada ginjal, peningkatan risiko kanker, bahkan kerusakan usus. Oleh sebab itu, penting untuk memastikan keamanan makanan dalam menciptakan pola makanan yang sehat, terutama terkait dengan potensi penyalahgunaan zat kimia berbahaya seperti formalin dalam pangan. Formalin sering kali digunakan sebagai bahan pengawet ilegal dalam produk makanan karena bisa memperpanjang umur simpan, namun memiliki dampak serius terhadap kesehatan jika dikonsumsi secara berulang, seperti masalah pencernaan, gangguan pernapasan, kerusakan organ, hingga potensi kanker. Sebagai langkah lanjutan, diperlukan sistem yang dapat dengan cepat akurat, dan mudah mengidentifikasi adanya formalin dalam ma kanan bagi konsumen. Tujuan akhir dari proyek ini adalah memberikan solusi praktis untuk mendeteksi formalin dalam makanan sebelum dikonsumsi, meningkatkan kesadaran masyarakat tentang bahaya zat kimia berbahaya dalam pangan, serta mendukung upaya untuk mencegah peredaran makanan yang tidak sehat. Selain itu sistem ini diharapkan dapat menjadi rujukan untuk pengembangan yang lebih lanjut dalam teknologi IoT dalam konteks keamanan pangan.

Rancang Bangun Sistem Informasi Laundry Kiloan Terintegrasi IoT Berbasis Web, Sendi Guntur Fajar Saputra, NIM E32230801, Tahun 2026, Teknik Komputer, Politeknik Negeri Jember, Lalitya Nindita Sahenda, S.Pd., M.T. (Pembimbing). Usaha laundry kiloan merupakan salah satu sektor jasa yang sangat bergantung pada keakuratan proses penimbangan dan pencatatan transaksi. Pengelolaan yang masih dilakukan secara manual menyebabkan tingginya risiko kesalahan pencatatan, sulitnya pemantauan transaksi secara real-time, serta kurangnya efisiensi dalam alur pelayanan kepada pelanggan. Untuk mengatasi permasalahan tersebut, dibangun sebuah sistem informasi laundry kiloan berbasis web yang terintegrasi dengan perangkat Internet of Things (IoT). Sistem ini mencakup website pengelolaan untuk owner, aplikasi mobile untuk staf dan driver, serta perangkat timbangan digital berbasis IoT menggunakan mikrokontroler ESP32, sensor Load Cell 20 kg, dan modul HX711. Data berat cucian dikirimkan secara otomatis ke dalam sistem melalui Firebase, serta dilengkapi fitur notifikasi WhatsApp otomatis kepada pelanggan di setiap perubahan status pesanan. Metode pengembangan yang digunakan adalah Waterfall dengan sistem dibangun menggunakan framework Laravel, Flutter, dan database MySQL. Pengujian dilakukan melalui Black Box Testing, pengujian API menggunakan Postman, pengujian alur transaksi sebanyak 23 transaksi di Nayla Laundry Kabupaten Nganjuk, serta pengujian perangkat timbangan IoT. Timbangan IoT menunjukkan tingkat akurasi rata-rata 99,64% dengan error 0,36%, serta mampu beroperasi selama 5 jam dalam satu kali pengisian daya penuh. Hasil pengujian Black Box, Postman, dan alur transaksi menunjukkan kesesuaian dengan spesifikasi yang dirancang, sehingga sistem ini layak diterapkan untuk meningkatkan operasional dan kualitas pelayanan usaha laundry kiloan.

Pelayanan administrasi dan penyampaian informasi di Klinik Sahabat Keluarga dilakukan secara manual sehingga akses informasi kurang optimal, pendaftaran pasien harus dilakukan secara langsung, serta menyebabkan antrean dan waktu tunggu yang lebih lama. Penelitian ini bertujuan mengembangkan Sistem Informasi Klinik Sahabat Keluarga berbasis website menggunakan metode Extreme Programming (XP). Perancangan sistem meliputi Use Case Diagram, Activity Diagram, Entity Relationship Diagram (ERD), dan Flowchart. Sistem diimplementasikan menggunakan framework Laravel, bahasa pemrograman PHP, dan basis data SQLite. Fitur yang tersedia meliputi informasi layanan, jadwal dokter, pendaftaran antrean online, pengelolaan data, serta dashboard admin dan karyawan. Pengujian dilakukan menggunakan Blackbox Testing dengan teknik Use Case Testing dan evaluasi usability menggunakan System Usability Scale (SUS). Hasil penelitian menunjukkan bahwa sistem mampu mempermudah akses informasi, mempercepat proses pendaftaran pasien, serta meningkatkan efektivitas dan efisiensi pelayanan di Klinik Sahabat Keluarga.

Implementasi Website Daftar Ulang Member pada Brilliant International Education Plus (BIEPLUS) Kampung Inggris Pare, Zahra Awalia Santosa, NIM E41221845, Tahun 2025, Teknologi Informasi, Politeknik Negeri Jember, Adi Sucipto, S.ST. M.Tr.T (Dosen Pembimbing). Program magang merupakan bagian wajib dari kurikulum pendidikan di Politeknik Negeri Jember yang dilaksanakan pada semester tujuh. Kegiatan magang bertujuan untuk memberikan pengalaman kerja nyata kepada mahasiswa agar mampu menerapkan pengetahuan dan keterampilan yang telah diperoleh selama perkuliahan ke dalam dunia kerja profesional. Pelaksanaan magang dilakukan di BIEPLUS (Brilliant International Education Plus) Kampung Inggris Pare, sebuah lembaga yang bergerak di bidang pendidikan bahasa dan pengembangan sumber daya manusia. Proyek utama dalam kegiatan magang ini adalah implementasi website daftar ulang yang bertujuan untuk meningkatkan efisiensi dan efektivitas proses administrasi peserta di BIEPLUS Kampung Inggris Pare. Sistem ini dirancang untuk mempermudah proses daftar ulang secara digital, mulai dari pengisian data peserta, data orang tua/wali, dokumen data pendukung, hingga melakukan konfirmasi data secara menyeluruh. Dengan adanya website daftar ulang, proses yang sebelumnya dilakukan secara manual dapat diminimalkan sehingga mengurangi kesalahan pencatatan dan mempercepat alur administrasi. Implementasi website daftar ulang ini memberikan dampak positif terhadap operasional lembaga, terutama dalam meningkatkan akurasi data, transparansi informasi, serta kemudahan akses bagi peserta dan pengelola. Sistem yang dikembangkan juga mendukung pengelolaan data yang lebih terstruktur dan terintegrasi, sehingga mampu menunjang pelayanan pendidikan yang lebih profesional. Dengan penerapan sistem ini, BIEPLUS diharapkan dapat meningkatkan kualitas layanan administrasi serta beradaptasi dengan perkembangan teknologi digital di bidang pendidikan.

Program bantuan pendidikan Kartu Indonesia Pintar Kuliah (KIP-K) ditujukan bagi mahasiswa dengan keterbatasan finansial. Namun, Politeknik Negeri Jember masih menghadapi tantangan dalam menetapkan prioritas penerima yang adil dan akurat akibat tingginya volume pendaftar serta beragamnya parameter penilaian. Guna mengatasi kendala tersebut, penelitian ini merancang sebuah Sistem Pendukung Keputusan (SPK) berbasis website guna mengoptimalkan penyeleksian KIP-K. Sistem ini dibangun memanfaatkan framework Laravel dengan mengintegrasikan enam kriteria utama, yang meliputi status kepemilikan KIP jenjang SMA, status DTKS, desil ekonomi, total penghasilan orang tua, status orang tua, serta capaian prestasi. Dalam menentukan kandidat terbaik, diterapkan metode PROMETHEE untuk mengurutkan alternatif pendaftar. Metode ini bekerja dengan mengalkulasi indeks preferensi, leaving flow, entering flow, hingga net flow, sehingga memunculkan daftar rekomendasi berdasarkan akumulasi skor tertinggi. Validasi terhadap kinerja perangkat lunak dievaluasi menggunakan Confusion Matrix, yakni dengan membandingkan output rekomendasi sistem terhadap data riil penerima pada tahun 2024. Berdasarkan evaluasi tersebut, diperoleh tingkat accuracy 83,68%, serta precision, recall, dan F1-score yang masing-masing menyentuh angka 81,24%. Perolehan evaluasi ini menegaskan kelayakan sistem untuk dioperasikan, mengingat kemampuannya dalam menyajikan rekomendasi penerima beasiswa yang lebih terstruktur, objektif, dan memiliki tingkat kesesuaian yang tinggi dengan data aktual.

Penelitian ini bertujuan untuk menganalisis performa sistem absensi berbasis website dan Mobile di SMK Taruna Bakti Kertosono menggunakan teknik load testing dengan Apache JMeter. Latar belakang penelitian ini adalah meningkatnya penggunaan sistem absensi digital berbasis face recognition dan QR Code yang digunakan oleh siswa, guru, dan admin secara bersamaan, sehingga berpotensi memengaruhi stabilitas dan kecepatan respons sistem, terutama pada jam sibuk. Kondisi tersebut menimbulkan kekhawatiran terkait kemampuan sistem dalam menangani banyak pengguna secara bersamaan dan pentingnya pengujian performa sebelum sistem digunakan secara optimal. Metode penelitian yang digunakan adalah load testing dengan bantuan Apache JMeter sebagai tools pengujian performa sistem. Pengujian dilakukan secara bertahap dengan peningkatan jumlah pengguna dan dilakukan berulang kali untuk mengetahui konsistensi performa sistem. Selain itu, penelitian ini juga menggunakan pendekatan gorilla testing untuk menguji ketahanan sistem terhadap penggunaan secara intensif dan berulang. Pengujian difokuskan pada fitur scan QR Code dan kelola perizinan pada aplikasi mobile, serta fitur rekap absensi pada website. Hasil penelitian menunjukkan bahwa aplikasi mobile siswa memiliki performa yang baik berdasarkan parameter Load Time, Latency, Throughput, dan Error Rate. Nilai Response Time pada sebagian besar skenario masih berada di atas waktu respons optimal sebesar 0,1 detik. Pengujian pada website dan aplikasi mobile guru menunjukkan beberapa fitur mengalami Error Rate di atas 5% akibat keterbatasan lingkungan pengujian, sedangkan gorilla testing menunjukkan bahwa sebagian besar fitur tetap stabil selama eksekusi berulang. Hasil penelitian ini menjadi dasar evaluasi untuk pengembangan sistem absensi.

Pengelolaan absensi di SMK Taruna Bakti Kertosono masih dilakukan secara manual sehingga menyebabkan kesulitan dalam pencatatan, rekapitulasi, dan penyimpanan data kehadiran siswa. Berdasarkan penelitian terdahulu, masih terdapat beberapa kekurangan seperti belum adanya pembahasan mengenai keamanan data, tampilan yang responsif, pengujian fungsional, serta penyajian statistik kehadiran secara otomatis. Penelitian ini bertujuan membangun website absensi untuk membantu admin dalam mengelola data kehadiran siswa secara lebih terstruktur. Pengembangan sistem dilakukan menggunakan metode Scrum dengan memanfaatkan framework Laravel, bahasa pemrograman PHP dan JavaScript, serta basis data MySQL. Sistem yang dibangun menyediakan fitur login, pengelolaan data siswa dan guru, absensi harian, absensi per mata pelajaran berbasis QR Code, perizinan, laporkan, notifikasi, dan laporan kehadiran yang dapat diunduh dalam format Excel. Hasil pengujian menggunakan Black Box Testing dengan pendekatan Use Case Testing memperoleh tingkat keberhasilan sebesar 98,36%, sedangkan pengujian System Usability Scale (SUS) memperoleh skor 82,5 yang termasuk kategori sangat baik. Hasil tersebut menunjukkan bahwa sistem yang dikembangkan mampu membantu proses pengelolaan absensi dan layak digunakan di SMK Taruna Bakti Kertosono.

Media daring berperan signifikan dalam membentuk persepsi masyarakat terhadap berbagai kebijakan pemerintah, termasuk kepemimpinan Presiden Joko Widodo dalam bidang ekonomi. Banyaknya artikel berita yang dipublikasikan secara daring menyebabkan proses analisis sentimen secara manual menjadi kurang efisien. Oleh karena itu, penelitian ini bertujuan untuk mengimplementasikan pendekatan Natural Language Processing (NLP) dalam menganalisis sentimen publik terhadap kepemimpinan Presiden Jokowi berdasarkan artikel berita daring. Data yang digunakan dalam penelitian ini berjumlah 8.934 kalimat hasil pemrosesan artikel berita ekonomi. Tahapan penelitian meliputi pengumpulan data, pelabelan sentimen, pra-pemrosesan teks, representasi fiturmenggunakan Term Frequency-Inverse Document Frequency (TF-IDF), pelatihan model Logistic Regression, serta mengevaluasi performa model menggunakan metrik accuracy, precision, recall, F1-score, Confusion Matrix, dan validasi oleh ahli bahasa. Hasil pengujian menunjukkan bahwa model Logistic Regression dengan representasi TFIDF memperoleh akurasi testing sebesar 89,20%. Selain itu, pengujian terhadap 129 data validasi ahli menghasilkan akurasi sebesar 86,82%, dengan 112 data berhasil diprediksi sesuai dengan hasil validasi ahli. Hasil tersebut menunjukkan bahwa kombinasi TF-IDF serta algoritma Logistic Regression mampu mengklasifikasikan sentimen artikel berita ke dalam kategori positif, negatif, dan netral dengan tingkat kinerja yang baik. Namun, model masih memiliki keterbatasan dalam membedakan kalimat positif dan netral, terutama pada kalimat berita yang bersifat informatif dan viii mengandung sentimen implisit. Penelitian ini diharapkan dapat menjadi acuan dalam pengembangan sistem analisis sentimen berbasis teks berita berbahasa Indonesia