Pembelajaran memerlukan komunikasi yang terarah antara pendidik dan peserta didik, serta membutuhkan alat pembelajaran yang tepat dan akurat. Media pembelajaran memiliki peran penting dalam memperlancar proses pembelajaran dan membantu pendidik menyampaikan materi dengan lebih efektif kepada peserta didik. Seiring dengan perkembangan teknologi informasi, media pembelajaran pun mengalami kemajuan, salah satunya adalah melalui teknologi Augmented Reality (AR), yang menggabungkan konten virtual dengan lingkungan nyata secara interaktif. Teknologi AR memungkinkan pengguna untuk berinteraksi secara real-time dengan aplikasi, menciptakan pengalaman belajar yang baru dan menarik, khususnya bagi generasi Alpha yang terampil dan akrab dengan teknologi. Observasi di SD Negeri Cindogo 1 Bondowoso, menunjukkan bahwa saat ini media pembelajaran yang digunakan masih terbatas pada buku cetak, yang kurang mendukung dalam proses belajar mengajar, terutama dalam materi negaranegara ASEAN. Oleh karena itu, dikembangkanlah media pembelajaran menggunakan teknologi AR pada platform android sebagai alternatif. Penggunaan teknologi AR dinilai tepat karena mampu memvisualisasikan materi dengan baik dan memungkinkan interaksi antara siswa dengan materi pembelajaran. Harapannya, media pembelajaran ini dapat meningkatkan minat belajar dan prestasi siswa, terutama dalam mempelajari materi negara-negara di ASEAN.

Kemajuan teknologi memperluas kemampuan data mining, yang merupakan proses eksplorasi dan analisis data untuk mengidentifikasi pola dan informasi berguna. Klasifikasi merupakan salah satu metode data mining yang digunakan untuk mengklasifikasikan objek berdasarkan atributnya. Algoritma klasifikasi terbagi menjadi dua jenis, yaitu eager learner yang melakukan pelatihan sebelum mengklasifikasikan objek baru, serta lazy learner yang tidak melakukan pelatihan dan baru membangun model saat mengklasifikasikan objek baru. Berdasarkan pembahasan tersebut, penelitian ini bertujuan untuk membandingkan eager learner, yang diwakili algoritma naive bayes, dengan lazy learner, yang diwakili algoritma k-nearest neighbor, dalam mengklasifikasikan tingkat obesitas. Dataset yang digunakan memiliki 16 atribut fitur dan 1 atribut kelas. Dataset ini digunakan untuk mengevaluasi dan membandingkan kinerja model klasifikasi dari kedua algoritma tersebut. Hasil analisis penelitian ini menunjukkan kinerja model klasifikasi algoritma naive bayes dan k-nearest neighbor dipengaruhi oleh rasio jumlah data latih dan data uji serta pemilihan nilai K yang tepat untuk k-nearest neighbor. Kedua model mencapai kinerja optimal pada rasio berbeda, namun k-nearest neighbor (K=7) menunjukkan kinerja yang lebih baik dibandingkan naive bayes dalam hal akurasi, presisi, recal, dan skor F1. Namun terdapat trade-off waktu, dimana naive bayes sebagai eager learner memiliki waktu pelatihan lebih lama tapi waktu pengujian lebih singkat, sedangkan k-nearest neighbor sebagai lazy learner memiliki waktu pelatihan lebih singkat tapi waktu pengujian lebih lama. Dengan demikian, penting untuk membandingkan kinerja algoritma agar dapat memilih algoritma yang sesuai dengan kebutuhan dan karakteristik dari kasus yang dihadapi

Ekspresi wajah adalah salah satu bentuk komunikasi non verbal yang membantu menyampaikan perasaan dan emosi. Namun, anak-anak dengan autisme sering mengalami kesulitan dalam mengekspresikan emosi melalui ekspresi wajah. Ini disebabkan oleh gangguan dalam fungsi sosial dan kognitif, serta perilaku stereotipik. Hal ini mengakibatkan kesulitan bagi pendamping untuk memahami dan merespons kebutuhan mereka. Untuk membantu dalam menangani masalah tersebut penulis membuat aplikasi untuk mengidentifikasi emosi pada anak autis Pada penelitian ini penulis memanfaatkan teknologi model Mobilenetv2 dalam mengenali emosi pada anak autis.. Hasil pengujian model klasifikasi emosi menunjukkan variasi yang signifikan dalam kinerja tiap kelas emosi. Meskipun kelas "Marah" menunjukkan kinerja tertinggi dengan precision, recall, dan F1-Score sebesar 90.0%, beberapa kelas lainnya juga menonjol, seperti "Bahagia" dan "Terkejut" dengan F1-Score masing-masing sebesar 85.0% dan 86.9%. Namun, terdapat ketidakseimbangan dalam kinerja kelas "Sedih" dan "Takut", meskipun memiliki F1-Score yang relatif tinggi, nilai presisi dan recallnya lebih rendah. Kelas "Netral" menunjukkan kinerja yang lebih rendah secara keseluruhan.

Sistem Pendukung Keputusan Penerimaan Permohonan Penyesuaian UKT Bagi Mahasiswa Politeknik Negeri Jember, Suci Nur Kholisah, NIM E31210549, Tahun 2024, 126 hlm., Jurusan Teknologi Informasi, Politeknik Negeri Jember, Wahyu Kurnia Dewanto, S.Kom., M.T. (Dosen Pembimbing). Uang Kuliah Tunggal yang disingkat menjadi UKT merupakan biaya yang dikenakan kepada setiap Mahasiswa untuk digunakan dalam proses pembelajaran selama menempuh pendidikan di perguruan tinggi (Permendikbud RI, 2020). Besaran nominal UKT ditetapkan oleh pimpinan PTN dan tidak dapat digugat. Menurut Permendikbud Nomor 25 Tahun 2020 menyatakan bahwa, “Dalam hal Mahasiswa, orang tua Mahasiswa, atau pihak lain yang membiayai Mahasiswa mengalami penurunan kemampuan ekonomi, antara lain dikarenakan bencana alam dan/atau non-alam, Mahasiswa dapat mengajukan: a. pembebasan sementara UKT; b. pengurangan UKT; c. perubahan kelompok UKT; atau d. pembayaran UKT secara mengangsur”. Mahasiswa memiliki hak untuk melakukan pengajuan penyesuaian UKT. Politeknik Negeri Jember memberikan kesempatan bagi seluruh mahasiswa untuk dapat melakukan permohonan pengajuan berupa pengurangan UKT dan pembayaran UKT secara mengangsur. Proses penetapan penerimaan permohonan oleh mahasiswa di Polije masih ditetapkan melalui musyawarah bersama tanpa adanya proses perhitungan yang akurat. Hal ini tentunya akan menurunkan tingkat keakuratan hasil keputusan. Berdasarkan permasalahan tersebut, maka dibangun sebuah sistem pendukung keputusan yaitu “Sistem Pendukung Keputusan Penerimaan Permohonan Penyesuaian UKT bagi Mahasiswa Politeknik Negeri Jember”. Sistem ini akan dibangun dengan menggunakan metode Analytical Hierarchy Process (AHP) yang akan membuat rekomendasi hasil keputusan yang tepat sehingga dapat membantu pembuat keputusan dalam pengambilan keputusan untuk menentukan mahasiswa penerima bantuan penyesuaian UKT dengan tepat sasaran, cepat dan akurat. Hasil akhir dari sistem ini yaitu berupa hasil perankingan berdasarkan kuota yang ditetapkan oleh lembaga Politeknik Negeri Jember.

Batik Ronggo Mukti merupakan sebuah rumah batik tulis yang terletak di kelurahan Sidomukti kecamatan Kraksaaan kabupaten Probolinggo provinsi Jawa Timur. Batik Ronggo Mukti menyediakan berbagai produk diantaranya kain batik tulis, baju batik dan udeng. Batik Ronggo Mukti juga memiliki berbagai motif batik dari hasil karya sendiri. Namun, saat ini Batik Ronggo Mukti belum memiliki kegiatan atau strategi khusus untuk meningkatkan pemasaran. Proses pemasaran batik masih konvensional. Jenis pemasaran yang dilakukan saat ini membuat peluang untuk mendapatkan pelanggan secara maksimal masih belum terpenuhi. Pembeli harus datang ke lokasi guna mengetahui informasi mengenai produk dan penawaran terbaru dari Batik Ronggo Mukti. Belum adanya otomatisasi pada semua proses atau masih menggunakan manual yakni pada, pemasaran, penjualan, pencarian produk dan perekapan laporan penjualan masih menggunakan media kertas dalam proses transaksi sehingga menyebabkan proses tersebut menjadi lebih lambat. Berdasarkan permasalahan yang telah diuraikan sebelumnya maka dibuat suatu sistem informasi penjualan berbasis website dengan menerapkan konsep customer relationship management pada industri Batik Ronggo Mukti khususnya pada transaksi, pemasaran, pembayaran, layanan pelanggan yang terintegrasi dan pembuatan laporan agar pemilik usaha dapat membuat keputusan dan strategi yang lebih cepat dan efisien.

Pemilihan umum merupakan agenda tahunan setiap 5 tahun sekali untuk memilih calon pemimpin dalam pemerintahan. Sejak tahun 1997 sampai tahun 2014, tingkat partisipasi masyarakat dalam mengikuti pemilihan umum selalu menurun setiap waktunya hal tersebut dapat mempengaruhi proses berjalannya demokrasi. Isu mengenai penundaan pemilihan umum muncul setelah Pengadilan Negeri Jakarta memerintahkan KPU untuk menunda pemilihan umum ke tahun 2025 dan meminta KPU untuk mengulang tahapan pemilihan umum. Adanya isu tersebut dapat mengubah perspektif masyakat mengenai pemilu,serta mengurangi tingkat kepercayaan masyarakat pada pemerintah dan adanya pengunduran tahapan pemilu dapat menyebabkan adanya inkonstitusional. Masyarakat menuangkan opini dan kritikan dalam menanggapi suatu isu pemerintahan dalam media social Twitter. Oleh karena itu, Twitter dapat dijadikan sumber data untuk menganalisis respon sentiment masyarakat terhadap isu penundaan pemilu 2024. Metode Support Vector Machine (SVM) merupakan metode klasifikasi data dengan memisahkan dua kelas data dengan menggunakan hyperplane. Dalam proses klasifikasi, terdapat 2 kelas yaitu kelas positif, dan kelas negative. Data yang digunakan dalam penelitian ini menggunakan data tweet terkait kata kunci tunda pemilu yang diambil dari media twitter menggunakan Tweet Harvest. Data yang berhasil dikumpulkan akan melalui proses preprocessing dengan tahapan cleaning, case folding, normalisasi, tokenisasi, stopword, dan stemming. Selanjutnya data akan memasuki proses pembobotan kata dengan menggunakan TF-IDF(Document Frequency-Inverst Document Frequency). Selanjutnya dilakukan klasifikasi dengan metode SVM dan didapatkan hasil accuracy sebesar 71%, precision 77%, recall 47% , dan nilai f1 score sebesar 59% dari pembagian data sebanyak 80:20.

Sistem Informasi Pelayanan Surat Keterangan Balai Desa Sumber Pinang Kecamatan Mlandingan Berbasis Website, Ferina Intan Nor Alifah, NIM E31210351, Tahun 2024, 76 hlm., Teknologi Informasi, Politeknik Negeri Jember, Khafidurrohman Agustianto S.Pd, M.Eng (Dosen Pembimbing). Desa Sumber Pinang, sebuah kawasan yang terletak di Kecamatan Mlandingan Kabupaten Situbondo, adalah tempat tinggal bagi sekitar 2.870 jiwa penduduk. Seiring dengan berjalannya waktu, kebutuhan akan berbagai macam surat dari desa ini menjadi semakin penting. Setiap hari, warga desa membutuhkan surat-surat untuk keperluan administrasi, mulai dari surat keterangan domisili hingga surat izin usaha. Kehadiran surat-menyurat ini menjadi salah satu pilar pelayanan terpenting di kantor desa. Meski begitu, desa Sumber Pinang menghadapi sebuah tantangan yang cukup serius. Tidak adanya sistem yang terintegrasi dengan teknologi informasi membuat proses administrasi menjadi kurang efisien. Pegawai desa seringkali harus menghadapi tumpukan berkas yang memakan waktu, menyebabkan penundaan dalam pelayanan kepada masyarakat. Oleh karena itu, kebutuhan akan inovasi menjadi semakin mendesak. Dibutuhkan sebuah solusi yang mampu mengatasi masalah tersebut. Salah satu jawaban yang diusulkan adalah pengembangan Sistem Informasi Pelayanan Administrasi Surat Keterangan berbasis web. Dengan sistem ini, diharapkan proses pembuatan surat keterangan bisa dilakukan secara online, mengurangi beban kerja pegawai desa dan meningkatkan efisiensi pelayanan kepada masyarakat. Sistem ini juga akan memungkinkan warga desa untuk mengakses layanan administrasi tanpa harus datang langsung ke kantor desa, menghemat waktu dan tenaga bagi semua pihak yang terlibat.

The Era of Education 4.0 in Indonesia has seen a shift towards online learning, where the internet serves as the primary medium for the teaching and learning process. However, the implementation of online exams faces challenges such as the risk of cheating. Cheating is often observed during online exams, with behaviors such as looking to the right or left, glancing down, hand signals, and so on. Previous researchers have created systems to address this issue, such as face detection using deep learning methods, some have developed concepts for proctorless exam supervision, and others have designed automatic online exam proctoring systems. In this research, we have developed a platform called ProctorAI, which uses face mapping methods and captures images from the activity logs of each online exam participant, forwarding them to a website for identification. The ProctorAI platform was developed through several stages, including requirements analysis, system design, implementation, and finally, testing. These stages resulted in an accuracy rate of 100% if the monitoring process is conducted under sufficient lighting conditions. However, if the lighting is inadequate, the accuracy rate drops to 44.44%, with a failure rate of 55.56%. With the proposed system, exam proctors can monitor online exams in real-time and assess the potential level of cheating by exam participants. This system is expected to enhance security and trust in online exam results.