The issue of malnutrition in Indonesia, including stunting, wasting, and obesity, requires innovative solutions to support the fulfillment of the population's nutritional needs. This study aims to develop a neural network-based classification system using Convolutional Neural Network (CNN) algorithms to identify types of vegetables from images and analyze their nutritional profiles. A dataset of vegetable images from Kaggle is used as the primary data source, with data augmentation techniques applied to enhance the model's variety and accuracy. The system includes real-time classification features and image segmentation for extracting color, texture, and shape characteristics using techniques such as HSV, GLCM, and Canny edge detection. The system development process is carried out using Agile methodology with the Scrum framework, allowing for iterative and flexible development according to user needs. The model is evaluated using metrics such as accuracy, precision, and F1 score to ensure high performance and the ability to generate generalizable results. The results of this study are expected to make significant contributions to the agriculture and public health sectors by automating the classification process and providing accurate nutritional information. This system not only supports efficiency and precision in data processing but also has the potential for broader applications in health education, nutritional research, and the food industry.

PERAN QUALITY ASSURANCE DALAM PENGEMBANGAN SISTEM SSM PERIZINAN DI LEMBAGA NATIONAL SINGLE WINDOW MENGGUNAKAN APLIKASI KATALON. Moch. Rafli Putra Pratama. E41212011. Tahun 2024, Jurusan Teknologi Informasi, Politeknik Negeri Jember, Prawidya Destarianto S.Kom. (Pembimbing Magang), Bary Rachman Pratama, S.Kom, M.T. (Pembimbing Lapangan). Belajar bekerja praktis didunia kerja secara nyata merupakan kegiatan wajib yang harus di tempuh seorang mahasiswa pada masa pendidikannya. Kegiatan tersebut biasa disebut dengan Magang. Pada pelaksanaannya, mahasiswa dituntut untuk berfikir kritis dan inofatif dengan bekal wawasan yang dapat pada masa kuliah hingga lokasi magang. Melakukan suatu inovasi dalam bidang teknologi informasi merupakan suatu kewajiban bagi mahasiswa Jurusan Teknologi Informasi, khususnya mahasiswa Teknik Informatika Pelaksanaan Magang ini penyusun mempelajari serta menganalisa cara menjadi Quality Assurance yang baik dan benar, khususnya penerapan di project Website Ssm Perizinan. Website Ssm Perizinan ini sangat berguna bagi para staff dan karyawan yang bekerja di LNSW. Dikarenakan dengan adanya Fitur dari Website Aplikasi Ssm Perizinan ini kita bisa membantu meringankan pekerjaan dari anggota staff dan karyawan yang sangat bermanfaat bagi semuanya.

Bank sampah adalah sebuah lembaga yang bergerak di bidang pengolahan sampah. Konsep Bank Sampah adalah salah satu bentuk perwujudan kesadaran masyarakat terkait pengelolaan sampah. Aktivitas utama bank sampah meliputi proses pengolahan sampah terpilah, transaksi dan menabung. Selain untuk menabung dan memilah sampah, bank sampah juga mengajarkan kepada masyarakat untuk mengolah sampah yang ada menjadi hal yang berguna dan memiliki nilai jual. Oleh karena itu diperlukan nya sebuah aplikasi bank sampah. Dengan adanya aplikasi ini dapat memudahkan petugas bank sampah yang ingin melakukan transaksi dan pembelian dengan nasabah.

Penyesuaian tingkat kesulitan dinamis (Dynamic Difficulty Adjustment/DDA) dalam video game merupakan fitur penting yang meningkatkan keterlibatan pemain dengan menyesuaikan tantangan sesuai dengan tingkat keterampilan individu. Penelitian ini berfokus pada penerapan kecerdasan buatan adaptif (AI) untuk menyesuaikan tingkat kesulitan permainan secara dinamis dalam waktu nyata, sehingga memastikan pengalaman bermain yang optimal. Sistem yang diusulkan memanfaatkan teknik pembelajaran mesin untuk menganalisis perilaku pemain dan menyesuaikan parameter permainan sesuai kebutuhan. Model Spiral digunakan sebagai kerangka pengembangan, dengan penekanan pada pembuatan prototipe secara iteratif, analisis risiko, dan integrasi umpan balik yang berkelanjutan. Tahapan utamanya meliputi perencanaan, yaitu mendefinisikan kebutuhan berdasarkan literatur dan masukan pengguna; serta analisis risiko, yang membahas potensi tantangan terkait algoritme dan performa.

Penelitian ini menyajikan perancangan dan pengembangan HerbaClass, sebuah aplikasi mobile yang memanfaatkan metode Convolutional Neural Networks (CNN) dengan arsitektur DenseNet121 untuk mengklasifikasikan tanaman liar sebagai tanaman obat. Aplikasi ini ditujukan untuk mendukung layanan kesehatan di daerah terpencil di Indonesia. Dengan memanfaatkan kekayaan biodiversitas Indonesia, HerbaClass hadir sebagai solusi atas tantangan dalam identifikasi tanaman secara manual, seperti kemiripan visual antar spesies, kurangnya panduan pengolahan, dan kesulitan dalam menemukan lokasi tanaman secara real-time. HerbaClass memungkinkan pengguna untuk mengambil atau mengunggah gambar daun, kemudian memberikan hasil klasifikasi yang akurat, petunjuk pengolahan langkah demi langkah, serta deteksi lokasi tanaman berbasis geolokasi. Model DenseNet121 yang dilatih menggunakan dataset sebanyak 1.370 gambar daun dari enam spesies tanaman obat berhasil mencapai akurasi klasifikasi sebesar 95%. Uji kegunaan dan survei yang dilakukan terhadap 51 responden, termasuk apoteker dan masyarakat umum, menunjukkan efektivitas HerbaClass, dengan 64,7% responden menghargai potensi pengumpulan data berbasis komunitas yang dimiliki aplikasi ini. Dukungan multibahasa (Bahasa Indonesia, Melayu, dan Inggris) serta kemampuan akses secara offline semakin meningkatkan keterjangkauan aplikasi ini di wilayah dengan konektivitas rendah, menjadikannya alat praktis untuk menunjang pengobatan alternatif.

Penelitian ini mengembangkan aplikasi berbasi mobile dengan dukungan platform website untuk mengelola dan menyampaikan konten pendidikan. Untuk meningkatkan integritas dalam akademik, sistem pengenalan wajah menggunakan MobileNetV2 serta deteksi kedipan mata secara real-time diimplementasikan dengan Flutter dan Laravel. Sistem Autentikasi memiliki dua cara, yaitu convolutional login dan pemindaian wajah untuk mengatasi masalah pemalsuan identitas. Dengan memanfaatkan 390 citra wajah dari enam individu, model MobileNetV2 memperoleh akurasi validasi sebesar 98.72% setelah 50 epoch, dengan tingkat kesalahan klasifikasi sebesar 8%. Perbandingan dengan model mlain menunjukkan bahwa MobileNetV2 melampaui model lainnya dalam hal kinerja dan biaya komputasi, sementara deteksi kedipan secara efektif mampu mengurangi risiko spoofing. Hasil kuesioner menunjukkan bahwa 46.7% responden menganggap pengenalan wajah sebagai fitur yang sangat penting dalam mencegah pemalsuan identitas, dengan 70% responden lebih memilih platform berbasi mobile.

Pemantauan kondisi lingkungan menjadi semakin penting seiring dengan meningkatnya perubahan iklim dan bencana alam yang tak terduga. Namun, masih banyak sistem monitoring lingkungan yang kurang efisien dan belum mampu beroperasi secara mandiri. Penelitian ini merancang dan menerapkan sistem monitoring lingkungan berbasis Wireless Sensor Network (WSN) dan Internet of Things (IoT), menggunakan mikrokontroler ESP32, serta sensor suhu dan kelembaban DHT22, sensor hujan MD-0127, dan sensor cahaya LDR. Sistem ini juga dilengkapi dengan panel surya sebagai sumber energi utama untuk memastikan operasional di daerah yang jauh dari listrik. Data sensor dikirimkan secara real-time ke Firebase dan dapat diakses melalui aplikasi mobile yang dibangun menggunakan Visual Studio Code dan terhubung ke database cloud. Selain itu, sistem ini dilengkapi dengan LCD I2C untuk menampilkan informasi secara langsung pada perangkat keras. Pengujian dilakukan di lokasi terbuka dengan berbagai kondisi cuaca dan menunjukkan bahwa sistem mampu membaca dan mengirimkan data suhu, kelembaban, intensitas cahaya, serta kondisi hujan yang cukup akurat. Namun, terdapat sedikit selisih data akibat pengaruh lingkungan eksternal dan keterbatasan fisik alat. Dengan adanya sistem ini, diharapkan dapat memberikan solusi sederhana namun efektif untuk pemantauan kondisi lingkungan, terutama wilayah pertanian atau daerah rawan bencana serta menjadi dasar pengembangan lebih lanjut di bidang WSN dan IoT.

Aplikasi Polri Super App merupakan aplikasi yang dikembangkan oleh Polri untuk memberikan layanan dan informasi kepada masyarakat secara terpadu. Aplikasi ini dikembangkan oleh Kepolisian Republik Indonesia untuk mempermudah masyarakat dalam mengakses berbagai layanan kepolisian. Aplikasi Polri Super App dapat diunduh pada playstore dan appstore. Pada platform tersebut pengguna dapat memberikan review pada aplikasi Polri Super App sehingga dapat dijadikan acuan perusahaan dapat melakukan perbaikan pada aplikasi tersebut. Penelitian ini bertujuan untuk melakukan analisis sentimen terhadap ulasan pengguna mengenai aplikasi Polri Super App dengan menggunakan pendekatan Sentiment Analysis. Dalam penelitian ini, metode yang digunakan adalah Naive Bayes, sebuah teknik klasifikasi berbasis probabilitas yang umum digunakan dalam analisis sentimen. Tanpa penerapan metode seleksi fitur Chi-Square, model ini mencapai akurasi sebesar 89,4%. Sementara itu, beberapa percobaan dengan penggunaan seleksi fitur Chi-Square menghasilkan akurasi tertinggi sebesar 87,94%, yang diperoleh dengan menggunakan 1700 fitur.