Sistem Pendukung Keputusan Pendeteksi Dini Kejang Demam Pada Balita Berdasarkan Suhu Tubuh dan Detak Jantung Berbasis Internet of Things Menggunakan Metode Fuzzy Mamdani, Nanda Raditiya Akbar, NIM E41190200, Tahun 2023, 91 hlm., Teknik Informatika, Politeknik Negeri Jember, I Gede Wiryawan, S.Kom., M.Kom. (Pembimbing 1). Kejang demam adalah kelainan neurologis yang sering terjadi pada anak. Hal ini dikarenakan anak yang masih berusia dibawah umur 5 tahun sangat rentan terhadap berbagai penyakit disebabkan sistem kekebalan tubuh belum terbangun secara sempurna. Komplikasi umum kejang demam adalah anak dengan kejang demam akan merasa gemetar hebat pada seluruh tubuh dan kehilangan kesadaran. Dampak kejang demam Kejang berkepanjangan yang sering disertai henti napas (apneu) yang dapat mengakibatkan terjadinya penurunan kadar oksigen dalam jaringan (hipoksia) sehingga meningkatkan permeabilitas kapiler dan timbul edema otak yang mengakibatkan kerusakan sel neuron otak. Angka kejadian kejang demam di Indonesia pada tahun 2016 mencapai 2- 5%. Pada tahun 2017, sebesar 17,4% anak mengalami kejang demam dan mengalami peningkatan pada tahun 2018 dengan kejadian kejang sebesar 22,2%. Detak jantung normal anak usia 1-2 tahun adalah 80-130 kali per menit, detak jantung normal anak usia 3-4 tahun 80-120 kali per menit dan suhu tubuh yang normal adalah sekitar 36,5-37,5° Celcius. Sedangkan jika detak jantung 150 kali per menit dan suhu 38° Celcius, Maka anak sedang mengalami kejang demam. Suatu sistem pendukung keputusan pendeteksi dini kejang demam pada balita bisa mendeteksi dan memantau secara langsung, dengan melalui website sehingga data-data suhu tubuh dan detak jantung anak dapat setiap saat dipantau oleh dokter dan keluarga. Sistem akan memonitoring data dan akan memproses sehingga mampu memberikan informasi keputusan penyakit kejang demam.

Penyakit Mulut dan Kuku (PMK) adalah penyakit hewan yang sangat menular yang paling ditakuti di dunia dan menyerang semua hewan berkuku ganda atau belah (cloven hoop), salah satunya adalah sapi. Penyakit ini dapat menimbulkan kerugian ekonomi yang sangat tinggi, untuk kerugian ekonomi berupa kematian ternak dan tingginya angka kesakitan, adanya hambatan perdagangan, dan keresahan masyarakat. Jumlah pakar atau dokter hewan yang terbatas dan sulit untuk berinteraksi langsung dengan para ahli di bidang penyakit hewan ternak menjadi kendala bagi para peternak dalam menyelesaikan masalah PMK pada sapi. Oleh karena itu, diperlukan suatu sistem pakar untuk mendiagnosa penyakit mulut dan kuku (PMK) pada sapi yang dapat memudahkan para peternak sapi dalam menentukan jenis PMK pada sapi. Pengembangan sistem pakar PMK menggunakan metode Certainty Factor berbasis web. Sistem pakar ini dapat menginputkan pengetahuan pakar ke dalam sistem agar peternak dapat menyelesaikan masalah layaknya seorang pakar. Hasil akurasi dilakukan dengan membandingkan hasil diagnosa manual dan sistem yang dilakukan oleh ahli pada 2 jenis penyakit mulut dan kuku pada sapi, sehingga diperoleh akurasi sebesar 90%. Sistem pakar ini dapat digunakan untuk mendiagnosa penyakit mulut dan kuku pada sapi berdasarkan gejala terpilih.

Kegiatan Magang merupakan salah satu program pendidikan wajib dari Politeknik Negeri Jember utnuk mengembangkan keterampilan atau softskill dan keahlian mahasiswa yang didapatkan dari perguruan tinggi dengan konsep kegiatan pembelajaran dilakukan di luar kampus atau berada dilingkungan perusahaan / industri kerja. Kegiatan Magang juga memberikan pengalaman dalam melakukan sosialisasi pada sebuah kelompok kerja, etika kerja serta ilmu yang ada dalam sebuah perusahaan atau industri kerja.Kegiatan Magang dilakukan di Prima Inovasi Teknologi (PrimaITech), yaitu salah satu software house dan Digital Media Agency yang akan melayani kebutuhan terhadap Software, Website, Desain, dan Manajemen media sosial yang ada di Kabupaten Bondowoso dan sudah berdiri sejak tahun 2018. Setiap kegiatan Magang di Prima Inovasi Technology selalu mengikuti arahan dari pembimbing lapang, salah satunya yaitu pembuatan Sistem Informasi Service Komputer yang nanti nya akan digunakan oleh kantor PrimaItech Software House sendiri, dimana fungsi PrimaItech Service ini memudahkan para pelanggan mengecek barang service tanpa harus mendatangi lokasi service dan Sistem Informasi yang dibuat berbasis website.

Udang vaname (Litopenaeus Vannamei) merupakan salah satu jenis udang putih yang paling populer di Indonesia. Udang vaname mempunyai karakteristik khusus, salah satunya mampu bertahan hidup pada lingkungan yang bersuhu rendah. Budidaya udang vaname di Indonesia menjadi prioritas pengembangan akuakultur pada sektor perikanan untuk meningkatkan perekonomian nasional. Penelitian ini bertujuan membuat sebuah sistem monitoring kualitas air pada tambak udang untuk memudahkan pemilik tambak dan juga teknisi dalam melakukan pengukuran dan pemantauan kualitas air pada tambak udang vaname. Sistem ini dirancang berbasis website sehingga dapat diakses dan dipantau oleh pemilik tambak tidak terbatas pada tempat dan waktu. Sistem yang telah dirancang oleh peneliti telah terintegrasi antara software dan hardware yang telah dibuat diluar penelitian ini. Di dalam sistem tersebut telah ditanamkan artificial intelligence dengan menggunakan metode fuzzy tsukamoto. Metode fuzzy tsukamoto mempunyai beberapa tahapan yaitu fuzzifikasi, fuzzy rules, fuzzy inference engine, dan defuzzifikasi. Sistem ini dibangun menggunakan database mongodb, bahasa pemrograman PHP, framework laravel, serta menggunakan bootstrap 5 untuk frontend. Dengan menggunakan 4 parameter yaitu ph, suhu, salinitas, dan do untuk perhitungan kualitas air, sistem ini dapat dapat memberikan output berupa indeks kualitas air dari skala 0-100. Selisih error pada perhitungan sistem dan perhitungan manual sebesar 0.6%. Perbandingan dilakukan dengan cara memasukkan input yang sama pada masing-masing parameter. Pengujian struktur kode program dilakukan menggunakan white box testing dengan metode end to end testing, dimana rata-rata waktu eksekusinya adalah 0.19 detik dari 26 function yang telah diuji.

Perancangan dan pembuatan sistem koperasi bangkit bersama bagi mahasiswa magang Wirausaha Merdeka di PT. Indo Access Semesta. Pada laporan ini penulis mengembangkan aplikasi admin untuk Koperasi Bangkit Bersama berbasis website dengan menggunakan framework Codeigniter 3 yang dibuat selama kegiatan Wirausaha Merdeka berlangsung dan dilanjutkan dengan kegiatan pameran produk yang dilaksanakan di Politeknik Negeri Jember.

Beragam bidang dalam kehidupan saat ini telah terpengaruhi oleh keberadaan teknologi yang maju. Tidak yang lain dengan bidang peternakan yang bisa kita tingkatkan dengan memakai sistem elektronik. Banyak studi kasus dimana beberapa peternakan tidak menggunakan teknologi IoT ini dan hanya mengandalkan tenaga kerja manual. Namun juga banyak yang sudah menerapkannya untuk meringankan beban pekerjaan, efisien, dan mudah. Dalam penelitian ini penulis menggunakan You Only Look Once (Yolo) merupakan algoritma yang dikembangkan untuk mendeteksi objek secara real-time. Sistem pendeteksi yang dilakukan adalah dengan menggunakan repurpose classifier atau localizer untuk melakukan deteksi. Dalam pengerjaannya dilakukan beberapa tahapan yang diperlukan penulis seperti studi literatur, perancangan, pengumpulan data, implementasi dan diakhiri dengan pengujian. Beberapa model Yolo akan digunakan terutama model jenis Tiny untuk menguji kesesuaian model pada kamera yang akan digunakan untuk mendeteksi dan menghitung domba dalam peternakan. Hasil studi dengan menerapkan model model Yolo-Tiny menunjukan bahwa dari 4 model yang digunakan terdapat beberapa kelebihan dan kekurangan dalam mendeteksi domba. Hasil yang ditunjukkan pada Model Yolov3-tiny dan Yolov4-tiny lebih cepat dalam mendeteksi domba dengan perbandingan 2/3 yang dimana tidak jauh berbeda namun Yolov4-tiny lebih mengungguli, sedangkan untuk Yolov7-tiny memiliki FPS dan waktu deteksi yang cepat namun tingkat akurasi yang tidak terlalu tepat dikarenakan perhitungan pada layer bounding box dan confidence yang salah. Dengan demikian dapat disimpulkan bahwa model Yolo yang cocok untuk diterapkan pada kamera untuk melakukan deteksi adalah model Yolov4-tiny.

Budidaya melon pada greenhouse secara konvensional sangat erat kaitannya dengan suhu udara. Intensitas cahaya yang berlebihan dapat menyebabkan suhu ruangan greenhouse meningkat dan kelembapan udara menurun yang dapat menyebabkan tanaman menjadi layu. Oleh karena itu dibutuhkan alat yang dapat mengontrol secara otomatis suhu ruangan greenhouse agar mendapat varietas melon yang unggul. Pada alat ini sistem bekerja dengan cara mengontrol kelembapan udara pada ruangan greenhouse dengan proses pengkabutan secara otomatis. Untuk dapat melakukan kerja ini, digunakan mikrokontroler Wemos D1 sebagai pengendali sistem dan sensor DHT 11 sebagai pendeteksi suhu udara ruangan greenhouse. Ketika suhu udara berada dibawah ambang batas suhu udara optimum maka maka cooling pad dan exhauset secara otomatis akan mati karena suhu udara yang diinginkan tercapai. sebaliknya ketika suhu udara diatas ambang batas suhu udara optimum maka cooling pad menyala den exhaiiset menyala. Sistem ini menggunakan monitoring jarak jauh dengan menggunakan Node-RED untuk melakukan pengiriman data dan monitoring secara real-time dengan konsep IoT (Internet of Things).

Instagram merupakan sebuah platform media sosial yang menyediakan layanan komunikasi, baik komunikasi gambar, video, maupun teks yang menyediakan berbagai informasi pribadi maupun publik. Sebagai media komunikasi, instagram digunakan sebagai tempat promosi produk dan jasa melalui pelaku yang memiliki bakat di bidang hiburan yang disebut selebgram. Namun pada platform instagram juga terdapat selebgram yang kekinian karena ketenaran atau viralitasnya. Sehingga ada beberapa selebgram yang kurang baik kepribadiannya dan tidak dapat dijadikan partner dalam berbisnis. Oleh karena itu penulis membuat penelitian terkait analisis sentimen menggunakan Support Vector Machine agar dapat membedakan selebgram yang memiliki sentimen positif dan mana yang memiliki sentimen negatif. Pada penelitian ini peneliti menggunakan 2500 dataset sebagai data latih dan data uji. dengan Data tersebut diberi label untuk menjadi data latih. Berdasarkan data latih tersebut dilakukan klasifikasi menggunakan metode Support Vector Machine (SVM) dan dilakukan pengujian terhadap data testing. Berdasarkan hasil penelitian yang dilakukan dengan pengujian confusion matrix, akurasi tertinggi didapatkan pada perbandingan data 9:1 dengan akurasi 79.8%, sedangkan klasifikasi dengan perbandingan data latih dan uji 8:2 mencapai akurasi 79.6%, untuk perbandingan data 7:3 mencapai tingkat akurasi 77% dan perbandingan data dengan 6:4 mencapai 76%. Dapat disimpulkan bahwa penelitian ini bergantung pada dataset dan pembagian data, sehingga tingkat akurasi dalam pembacaan data uji cukup berpengaruh. Untuk penelitian selanjutnya dibutuhkan sebuah tambahan metode seperti lexicon based feature dan confusion matrix untuk menambah tingkat akurasi terhadap penelitian.