Tanaman padi memiliki peran yang sangat penting dalam sektor pertanian Indonesia sebagai salah satu komoditas utama dalam pemenuhan kebutuhan pangan. Namun, produksi padi sering kali mengalami hambatan akibat penyakit tanaman, yang dapat menyebabkan kerugian besar bagi petani. Penggunaan teknologi citra digital, khususnya metode Convolutional Neural Network (CNN), telah membuka peluang baru dalam mendeteksi penyakit daun pada tanaman padi dengan lebih cepat dan akurat. Penelitian ini difokuskan pada Kabupaten Tuban, yang merupakan salah satu daerah penghasil padi terbesar di Jawa Timur. Dalam penelitian ini, langkah-langkah yang dilakukan meliputi pengumpulan data citra daun padi yang sehat dan terserang penyakit, melakukan pre-processing data citra, melatih model CNN untuk mengklasifikasikan jenis penyakit pada daun padi, serta mengevaluasi akurasi model CNN. Hasil penelitian menunjukkan bahwa model CNN dengan arsitektur Xception mencapai akurasi sebesar 0.9853 atau 98.53% yang mampu mengidentifikasi beberapa jenis citra seperti Xanthomonas oryzae pv. oryzicola (penyakit leaf blight pada daun), Pyricularia oryzae Cav (penyakit blast pada daun), Brown Spot (Bercak Coklat),Healthy (Daun Sehat) dan Data acak. Implementasi teknologi image processing dengan metode ini diharapkan dapat membantu petugas dan petani dalam mengidentifikasi penyakit pada tanaman padi secara cepat dan akurat, sehingga dapat mengurangi dampak kerugian akibat serangan penyakit.

Sistem penjualan harus dikelola dengan baik agar dapat mencapai tujuan yang diharapkan. Secara umum, sistem penjualan yang ada dilakukan secara berkala dan dikelola dengan baik. Akan tetapi, sebagian besar penerapan sistem penjualan masih dilakukan secara manual. Oleh karena itu, dibutuhkan suatu sistem digital berbasis dektop yang dapat digunakan oleh pelaku usaha guna mengoptimalkan proses penjualan. Sistem Penjualan Berbasis Dekstop merupakan sistem digital yang dapat digunakan oleh pelaku usaha untuk meningkatkan efisiensi bisnis dengan fitur-fitur seperti pelacakan stok secara real-time, pencatatan transaksi yang akurat, dan kemampuan untuk menghasilkan laporan yang informatif. Integrasi fitur-fitur pada Siistem Penjualan Berbasis Desktop diharapkan dapat membantu dan memudahkan pelaku usaha mengelola penjualan dalam proses bisnisnya. Laporan ini menjelaskan proses perancangan Sistem Penjualan Berbasis Desktop Menggunakan Java Netbeans. Pada tahap ini mengimplementasikan metodologi pengembangan scrum dimana guna mengetahui setiap tahap pengembangan dan memahami betapa pentingnya setiap langkah dalam mencapai hasil akhir yang optimal. Penerapan metodologi scrum memungkinkan adanya fleksibilitas dan adaptabilitas yang lebih besar terhadap perubahan kebutuhan atau prioritas proyek. Dengan demikian, Sistem Penjualan bukan hanya sekadar alat untuk mencatat dan mengelola transaksi penjualan, tetapi juga berfungsi sebagai bagian integral dari seluruh ekosistem informasi bisnis yang mendukung operasional perusahaan secara menyeluruh.

Pengembangan Backend Aplikasi Sistem Pegawai Mascitra.com Berbasis Web Menggunakan Laravel 8, Shihab Alfaris Sitorus, NIM E41180888, Tahun 2024, Teknologi Informasi, Politeknik Negeri Jember, Trismayanti Dwi P, S.Kom, M.Cs (Dosen Pembimbing), Yusfi Adil Amrullah, S.Tr.Kom (Pembimbing Lapang).

Pada awalnya, atlet Unit Kegiatan Mahasiswa Olahraga Politeknik Negeri Jember dipilih hanya berdasarkan sertifikat dan dilakukan secara manual, hal itu membuat muncul suatu permasalahan dari beberapa pihak yang dianggap tidak adil karena sertifikat tidak menjamin performa yang baik di masa depan. Akibatnya, penulis ingin mengatasi masalah ini dengan melakukan seleksi awal yang didasarkan pada kondisi fisik atlet dan membuat suatu sistem. Untuk mencapai prestasi yang optimal dalam olahraga, kondisi fisik harus diperbaiki sesuai dengan jenis olahraganya. Dibutuhkan sistem pendukung keputusan yang membantu pengurus dan pembina mengelola data pemilihan atlet berdasarkan kondisi fisik karena jumlah data yang besar dan keanekaragaman cabang olahraga. Penelitian ini akan memanfaatkan metode Simple Additive Weighting untuk menganalisis data kondisi fisik atlet. Hasilnya penelitian ini dapat membantu pengurus dan pembina mengatasi permasalahan sedang dihadapi.

Sistem pengenalan wajah adalah sistem komputerisasi yang digunakan untuk mencocokkan wajah apakah wajah manusia dikenal oleh sistem atau tidak. Sistem pengenalan wajah juga termasuk dalam kategori biometrik. Guna dari dibentuknya sistem tersebut adalah menghindari peretasan secara paksa pada sistem komputer oleh pengguna komputer lain. Peretasan komputer biasanya menggunakan wordlist sebagai cara untuk menebak sandi login sistem komputer tersebut dengan metode bruteforcing. Peneliti mencoba membangun sistem pengenalan wajah menggunakan algoritma Principal Component Analysis (PCA). Dengan algoritma tersebut, sistem dapat mengenal wajah manusia melalui image data pelatihan. Hasil dari sistem pengenalan wajah menggunakan algoritma Principal Component Analysis (PCA) mendapatkan akurasi yaitu 80%.

Penelitian ini bertujuan untuk menganalisis sentimen dari Review pengunjung Desa Wisata Tirta Agung menggunakan metode klasifikasi Naive Bayes. Dalam era digital saat ini, Review pengunjung di platform daring menjadi sumber informasi yang penting dalam menilai kualitas dan kepuasan pengalaman wisata. Metode Naive Bayes Classifier dipilih sebagai alat analisis sentimen karena keefektifannya dalam mengklasifikasikan teks berdasarkan probabilitas dan keterkaitan antara kata-kata. Data Review pengunjung Desa Wisata Tirta Agung diambil dari platform daring yang mencakup beragam aspek, seperti pelayanan, kebersihan, fasilitas, dan keindahan alam. Proses analisis sentimen melibatkan tahap pra-pemrosesan data, pelatihan model Naive Bayes, dan evaluasi hasil klasifikasi. Pada analisis ini menghasilkan nilai akurasi 82.08%, precision sebesar 84.72%, Recall sebesar 82.08%, dan juga f1 – score sebesar 83.04?ngan pembagian data latih dan uji 85?n 15%. Algoritma ini memiliki tingkatan fair classification atau nilai diagnostik sedang atau cukup baik. Hasil penelitian diharapkan dapat memberikan wawasan yang mendalam mengenai persepsi dan sentimen pengunjung terhadap Desa Wisata Tirta Agung. Informasi ini dapat menjadi dasar bagi pihak terkait dalam meningkatkan kualitas layanan dan memperbaiki aspek-aspek yang dinilai kurang positif oleh pengunjung.

The focus of this research is to improve customer satisfaction through the implementation of a modern chatbot solution with Google Dialogflow at the Tax Center State Polytechnic Jember. This study describes the process of developing chatbots, which includes design, change, and distribution. These chatbots are designed to simplify processes, provide immediate support, and provide accurate information to clients by combining machine learning capabilities and natural language processing. In addition, this study looks at how chatbots affect customer interaction. The goal is to measure the quality of service, longer response times, and overall customer satisfaction. The study discusses how chatbot technology can transform customer service in specific areas such as tax administration, resulting in information and best practices that can be applied in similar serviceoriented organizations.

UD Restu Bunda adalah salah satu budidaya jamur di Malang, tidak hanya mengembangkan budidayanya tetapi juga menyediakan kuliner jamur yang dapat dinikmati di Warung Jamur Ayu. Pertumbuhan jamur mengalami fluktuasi selama musim hujan, hal tersebut berdampak besar pada produksi jamur di usahanya. Tingkat kelembaban udara yang tinggi terkadang membuat pertumbuhan jamur tidak stabil dan sulit diprediksi. Meskipun telah mengambil langkah-langkah untuk mengontrol lingkungan pertumbuhan jamur, seperti menggunakan perlengkapan penutup dan mengatur suhu, cuaca ekstrem selama musim hujan tetap menjadi tantangan besar. Hal ini dapat menyebabkan produksi jamur melebihi permintaan pasar, yang mengakibatkan surplus yang tidak diinginkan. Sehingga, peneliti mendapatkan sebuah solusi dalam mengembangkan sistem peramalan produksi jamur. Dengan memperhitungkan data historis untuk meramalkan produksi dimasa depan. Dari data 6 tahun terakhir, mendapatkan nilai akurasi peramalan menunjukkan nilai Mean Error sebesar -8.41, Mean Absolute Error (MAE) sebesar 20.55, Mean Squared Error (MSE) sebesar 726.70, Root Mean Squared Error (RMSE) sebesar 26.96, dan Mean Absolute Percentage Error (MAPE) sebesar 3.72%. Hal ini membantu untuk mengurangi risiko surplus yang tidak diinginkan dan kerugian finansial, serta meningkatkan efisiensi operasional secara keseluruhan. Dengan demikian, sistem peramalan produksi jamur yang dikembangkan oleh peneliti menjadi salah satu kunci keberhasilan dalam menjalankan usaha budidaya jamur mereka