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.

Transportasi merupakan sesuatu hal yang sangat dekat dengan masyarakat, transportasi memiliki beberapa jenis yaitu roda dua dan juga roda empat. Salah satunya adalah ojek online, ojek online menjadi salah satu moda transportasi umum yang sangat populer saat ini di Indonesia karena mempermudah mobilitas saat terjadi kemacetan di kota. Layanan utama ojek online adalah mengantar penumpang ke tempat tujuan, tetapi juga melayani antar jemput barang, pemesanan makanan, belanja, tiket, dan sebagainya. Seiring dengan perkembangan pesat jasa layanan ojek online, masyarakat menggunakan media sosial seperti Twitter untuk memberikan pendapat dan opini tentang layanan tersebut. Twitter dapat menjadi sumber data pendapat atau sentimen masyarakat, yang penting untuk menampung setiap opini dan sentimen dari pelanggan dan masyarakat. Data teks dari tweet yang berisi opini dan sentimen dapat dikumpulkan untuk memberikan kesimpulan mengenai penilaian baik dan buruknya jasa dan layanan dari ojek online. Penelitian ini menggunakan metode Support Vector Machine dan Lexicon Based Features untuk menganlisis sentimen masyarakat terhadap layanan ojek online. Dataset dikumpulkan melalui media sosial twitter. Data yang sudah didapatkan akan dilakukan tahap preprocessing, TF-IDF, Lexicon Based Features, Union Vector dan Klasifikasi menggunakan metode Support Vector Machine. Berdasarkan hasil analisis didapatkan nilai akurasi sebesar 70%, presisi 70%, dan recall 70%.

Implementasi Framework Laravel Untuk Pengembangan Website Sistem Informasi Kepegawaian (SIMAGA) (Study Kasus: Sistem Informasi Kepegawaian PT Mascitra Teknologi Informasi), Shenila Letishya Ramona, NIM E41191133, Tahun 2022, Teknologi Informasi, Politeknik Negeri Jember, Trismayanti Dwi P, S.Kom, M.Cs (Dosen Pembimbing), Yusfi Adil Amrullah, S.Tr Kom (Pembimbing Lapang PT Mascitra Teknologi Informasi). Kegiatan MBKM Wirausaha Merdeka di PT Mascitra Teknologi Informasi dilaksanakan pada tanggal 05 September 2022 – 16 Januari 2022. Program Wirausaha Merdeka adalah bagian dari program MBKM yang bertujuan untuk memberikan kesempatan kepada mahasiswa belajar dan mengembangkan diri menjadi calon enterpreneur melalui aktivitas di luar kelas perkuliahan. PT Mascitra Teknologi Informasi adalah salah satu mitra Wirausaha Merdeka Politeknik Negeri Jember yang bergerak dan memfokuskan diri pada bidang Konsultan IT dan Software Indonesia. PT Mascitra Teknologi Informasi hadir di dunia Teknologi Informasi untuk memberikan solusi, perencanaan, dan strategi yang terintegrasi sebagai nilai tambah yang maksimal bagi kebutuhan dan permasalahan dibidang Teknologi Informasi dengan Mascitra.com. Pada laporan ini penuulis mengembangkan website sistem informasi kepegawaian dengan mengguna kan framework laravel dan harus dikerjakan pada kegiatan Wirausaha Merdeka selama 2 bulan berlangsung dan di lanjutkan dengan kegiatan pameran produk.

Kebiasaan merupakan pola yang berjalan dengan waktu yang cukup lama sehingga pola tersebut tidak bisa lepas dari kebiasaan sehari-hari dan menjadi sebuah keharusan yang harus dijaga. Dengan kita mengonsumsi makanan yang sehat dan menjaga asupan makanan yang teratur, maka kita akan mendapatkan pola hidup sehat yang seharusnya dilaksanakan sejak awal. Penerapan sistem pemberian rekomendasi makanan kepada pengguna berdasarkan kebutuhan gizi yang mereka miliki dan memberikan rekomendasi makanan berdasarkan hal tersebut, maka pola hidup sehat dapat diterapkan dengan lebih mudah. Penentuan kebutuhan gizi dilakukan pada kebutuhan energi, protein, lemak, dan karbohidrat dan memberikan rekomendasi makanan kepada pengguna menggunakan algoritma genetika multi objektif. Penelitian menghasilkan UAT dengan total persentase 74,15% dan Statement Coverage algoritma genetika mendekati 100%. Berdasarkan hasil penelitian dan pengujian kepada pengguna, disimpulkan bahwa algoritma genetika memerlukan proses penentuan generasi awal yang lebih baik dan penerapan multi threading.