Kestabilan pasokan listrik merupakan aspek krusial dalam pengoperasian komputer untuk menjaga integritas data dan keandalan perangkat keras. Mayoritas Uninterruptible Power Supply (UPS) DC saat ini belum memiliki fitur komunikasi data cerdas. Hal ini mengakibatkan komputer mati mendadak apabila pemadaman listrik berlangsung lebih lama dari kapasitas baterai UPS, yang berisiko merusak media penyimpanan dan sistem operasi. Oleh karena itu, penelitian ini bertujuan merancang sistem Aplikasi UPS Manager berbasis mikrokontroler ESP-12F yang terintegrasi pada modul UPS. Sistem ini berfungsi memantau kondisi tegangan baterai secara real-time dan mengirimkan instruksi via Wi-Fi agar PC dapat melakukan prosedur graceful shutdown secara otomatis tanpa intervensi pengguna saat baterai mencapai level kritis. Pengujian sistem dilakukan melalui simulasi penurunan tegangan untuk mengukur respons perangkat keras dan perangkat lunak. Berdasarkan hasil pengujian, sistem telah terbukti mampu membaca tegangan baterai secara akurat dan berhasil mengirimkan instruksi nirkabel ke komputer, sehingga PC dapat melakukan proses mematikan daya dengan aman sebelum baterai benar-benar kehabisan daya.

Sistem Informasi Pendukung Keputusan Android dan Web untuk Rekomendasi Kontrakan dan Laundry Mahasiswa dengan Metode SAW, Micko Samawa Kaffa, NIM E31230069, Tahun 2026, Jurusan Teknologi Informasi, Politeknik Negeri Jember, Mujiono, S.Kom.,M.Sc (Dosen Pembimbing). Mahasiswa sering mengalami kesulitan dalam mencari kontrakan dan laundry yang sesuai karena informasi masih tersebar dan belum lengkap. Selain itu, mahasiswa perlu mempertimbangkan beberapa kriteria seperti harga, jarak, jumlah kamar, fasilitas, kecepatan layanan, dan fasilitas layanan sebelum menentukan pilihan. Untuk membantu mengatasi masalah tersebut, dikembangkan sistem pendukung keputusan berbasis Android dan web menggunakan metode Simple Additive Weighting (SAW). Metode ini digunakan untuk melakukan normalisasi, menghitung nilai preferensi, dan menentukan peringkat alternatif berdasarkan bobot yang dipilih pengguna. Kriteria kontrakan meliputi harga, jarak, jumlah kamar, dan fasilitas, sedangkan kriteria laundry meliputi harga per kilogram, jarak, kecepatan layanan, dan fasilitas layanan. Pengembangan sistem menggunakan metode Waterfall. Aplikasi Android dibangun menggunakan Flutter, sedangkan website admin dikembangkan menggunakan Laravel dan terhubung dengan database MySQL melalui REST API. Sistem juga menggunakan koordinat latitude dan longitude untuk menghitung jarak dengan Haversine Formula. Pengujian dilakukan menggunakan Blackbox Testing dan User Acceptance Test (UAT). Hasil pengujian menunjukkan bahwa fitur sistem berjalan sesuai kebutuhan. Hasil UAT terhadap 20 mahasiswa Politeknik Negeri Jember memperoleh nilai 85,3?n termasuk kategori baik. Sistem ini diharapkan dapat membantu mahasiswa memperoleh rekomendasi kontrakan dan laundry secara lebih cepat dan sesuai kebutuhan. Selain itu, sistem membantu mahasiswa membandingkan berbagai alternatif secara objektif sehingga proses pencarian menjadi lebih praktis, terarah, efisien, dan tepat.

Di Era digital saat ini, banyak orang ingin memiliki sebuah internet yang stabil dan cepat. Sehingga saat ini banyak Penyedia Internet menjual internet dengan murah dan kecepatan yang sangat cepat. Akibatnya banyak Penyedia internet mengurangi kualitas pelayanan service, dengan alasan yang penting internet cepat. Sehingga yang diberikan penyedia internet hanya layanan internet lancar tetapi tidak menyiapkan sebuah sistem monitoring untuk pelanggan karena kurangnya persiapan dalam membuka usaha internet. Perancangan sistem ini bertujuan untuk monitoring pelanggan dengan cepat. Meskipun internet murah tetapi harus mengedepankan kualitas pelayanan di depan hati pelanggan. Dengan membuat sistem ini bisa mengurangi adanya komplain yang berlebihan terhadap operator. Karena sistem ini dibuat untuk memberikan indikasi sebelum terjadi ataupun sesudah terjadi, misal kesehatan Modem alat sudah tinggal 20% dengan begitu operator bisa lebih tau dan pelanggan juga mengetahui bahwa alat tersebut sudah kurang layak untuk dipakai.

Keamanan jaringan nirkabel (Wi-Fi) merupakan isu krusial yang menuntut perhatian serius di era digital saat ini. Meskipun protokol WPA2-PSK telah menjadi standar keamanan yang paling banyak digunakan, kekuatan proteksinya sangat bergantung pada kualitas kata sandi yang dipilih oleh pengguna. Di antara berbagai teknik serangan, dictionary attack merupakan salah satu metode paling umum dan efektif untuk mendapatkan akses tidak sah ke jaringan Wi-Fi yang dilindungi kata sandi lemah. Penelitian ini bertujuan untuk menganalisis dan mengukur pengaruh langsung dari panjang serta variasi kombinasi karakter pada kata sandi umum terhadap waktu yang dibutuhkan untuk berhasil meretas jaringan Wi-Fi berenkripsi WPA2-PSK menggunakan teknik dictionary attack, mengevaluasi peran dan efektivitas dari wordlist yang berisi puluhan juta kata sandi umum dari koleksi SecLists, serta merumuskan rekomendasi keamanan praktis bagi pengguna umum. Evaluasi dilaksanakan terhadap tujuh target jaringan Wi-Fi dalam lingkungan nyata dengan melakukan simulasi serangan menggunakan perangkat Wifite untuk fase penangkapan handshake/PMKID dan Hashcat untuk fase cracking offline pada sistem operasi Kali GNU/Linux Rolling, dengan GPU NVIDIA GeForce MX150 sebagai akselerator komputasi. Hasil penelitian menunjukkan bahwa kata sandi sederhana seperti deretan angka berurutan (1234567890), pola tanggal lahir (19111991, 01021992), atau kata tunggal berbasis bahasa lokal (bismillah) dapat di-crack secara offline dalam waktu 1,0 hingga 17,0 detik. Pengujian pada target dengan protokol WPA3-SAE membuktikan keamanan yang sangat tinggi karena fitur Protected Management Frames (PMF) berhasil menggagalkan serangan deautentikasi aktif secara total. Selain itu, eksploitasi WPS Pixie-Dust pada target dengan fitur WPS aktif berhasil memperoleh PIN dan kata sandi WPA2 asli dalam waktu 4 menit 55 detik tanpa perlu dictionary attack offline. Penggunaan GPU memberikan akselerasi pemrosesan hingga ~8,82 kali lipat (~60.000 H/s) dibandingkan CPU (~6.800 H/s). Penelitian ini merekomendasikan penonaktifan fitur WPS, penggunaan passphrase panjang minimal 16 karakter, dan migrasi ke protokol WPA3-SAE untuk meningkatkan keamanan jaringan Wi-Fi.

Monitoring dan Pemasangan Baru PT Mega Artha Lintas Cabang Jember, Krishtian Benaya Chandra, Nim E32202368, Tahun 2022, Teknologi Informasi, Politeknik Negeri Jember, Dosen Pembimbing bapak Hariyono Rakhmad, S.Pd, M.Kom. PT MEGA ARTHA LINTAS DATA CABANG JEMBER melakukan monitoring jaringan untuk memastikan kinerja jaringan berjalan dengan baik dan identifikasi masalah jaringan sebelum menjadi masalah besar. Aplikasi seperti PRTG digunakan untuk memonitoring bandwidth dan traffic serta memberikan laporan detil jaringan. Putty digunakan untuk monitoring perangkat yang tidak bisa diakses melalui Dude dan Netnumen. Pemasangan router baru juga dilakukan untuk memperbaiki dan meningkatkan kinerja jaringan.

Ulasan pengguna aplikasi Riliv di Google Play Store sulit dipantau secara manual sehingga dibutuhkan sistem klasifikasi sentimen otomatis. Penelitian ini membangun dan membandingkan model klasifikasi sentimen menggunakan SVM, LSTM, dan IndoBERT pada dataset 2.988 ulasan yang terdistribusi ke dalam kelas positif (65,30%), negatif (23,16%), dan netral (11,55%). Preprocessing meliputi cleaning, case folding, tokenization, normalization, stopword removal, dan stemming. SVM menggunakan TF-IDF, LSTM menggunakan embedding layer, dan IndoBERT menggunakan tokenizer berbasis Transformer. Empat skema penanganan ketidakseimbangan data diterapkan yaitu Original, Weight Balancing, SMOTE, dan Random Undersampling. Selain itu, dilakukan pengujian tambahan pada model IndoBERT tanpa proses stemming dan stopword removal untuk melihat pengaruh keutuhan struktur teks terhadap kinerja model berbasis Transformer. Hasil evaluasi menunjukkan IndoBERT tanpa stemming dan stopword removal pada rasio 80:20 mencapai performa tertinggi dengan accuracy 0,9399 dan F1-score 0,9394, diikuti IndoBERT skema Original pada rasio 80:20 dengan accuracy 0,9181 dan F1-score 0,9143, SVM dengan skema Weight Balancing pada rasio 90:10 dengan accuracy 0,8896 dan F1-score 0,8856, serta LSTM dengan skema Original pada rasio 90:10 dengan accuracy 0,8863 dan F1-score 0,8877. Ketiga model diintegrasikan dalam website berbasis Laravel dan Filament dengan black box testing mencapai keberhasilan 100?ri 27 skenario pengujian.

Persaingan bisnis kuliner mie pedas di Kabupaten Jember mendorong pelaku usaha untuk memahami tingkat kepuasan pelanggan melalui ulasan Google Maps. Penelitian ini bertujuan menganalisis tingkat kepuasan pelanggan menggunakan metode Multinomial Naïve Bayes. Data diperoleh dari hasil web scraping ulasan pada Mie Gacoan, Wizzmie, Mie Teror, dan Mie Sakera. Setiap ulasan diberi label berdasarkan aspek makanan, harga, layanan, lingkungan, dan umum serta tingkat kepuasan Sangat Puas, Tidak Puas, dan Cukup Puas. Data kemudian diproses melalui tahap preprocessing, pembobotan TF-IDF, dan klasifikasi menggunakan pendekatan multi-stage. Stage 1 digunakan untuk mendeteksi aspek yang dibahas, sedangkan Stage 2 untuk menentukan tingkat kepuasan pada aspek tersebut. Hasil penelitian menunjukkan bahwa model terbaik diperoleh menggunakan Multinomial Naïve Bayes dengan SMOTE dan pembagian data 70:30. Model menghasilkan rata-rata akurasi Stage 1 sebesar 86,52?n Stage 2 sebesar 81,73%, dengan akurasi keseluruhan sebesar 70,77%, precision 71,35%, recall 70,77%, dan F1-score 70,25%.

Produksi benih padi dipengaruhi oleh beberapa faktor, seperti luas lahan, jumlah pupuk, suhu, dan curah hujan. Ketidakpastian pengaruh faktor-faktor tersebut menyebabkan prediksi hasil produksi sulit dilakukan secara akurat. Penelitian ini bertujuan untuk membangun sistem pakar prediksi hasil produksi benih padi menggunakan metode Fuzzy Tsukamoto. Sistem menggunakan empat variabel input, yaitu luas lahan, jumlah pupuk, suhu, dan curah hujan, serta menghasilkan output berupa prediksi produksi benih padi. Basis pengetahuan sistem terdiri dari 81 aturan yang dibentuk dari kombinasi himpunan fuzzy setiap variabel. Hasil penelitian menunjukkan bahwa sistem mampu memberikan prediksi hasil produksi berdasarkan data yang dimasukkan pengguna. Sistem ini diharapkan dapat membantu petani dan pihak terkait dalam perencanaan produksi serta pengambilan keputusan di bidang pertanian.