Perancangan dan Implementasi Dashboard Sentimen Netizen X Terhadap Kebijakan Pembatasan Gratis Ongkir dengan Naive Bayes, Nurizzati Adistya Putri, NIM E31232465, Tahun 2026, Teknologi Informasi, Politeknik Negeri Jember, Ir. Wahyu Kurnia Dewanto, S.Kom, MT (Dosen Pembimbing). Perkembangan e-commerce di Indonesia mendorong popularitas fitur gratis ongkos kirim (gratis ongkir) sebagai strategi promosi yang sangat diminati konsumen. Namun, pemerintah melalui Peraturan Menteri Komunikasi dan Digital (Komdigi) Nomor 8 Tahun 2025 membatasi fitur tersebut maksimal 3 hari dalam sebulan demi melindungi kesejahteraan kurir dan menjaga kualitas layanan pengiriman. Kebijakan ini memicu pro dan kontra di masyarakat, khususnya di media sosial X. Belum adanya sistem pemantauan opini publik secara real-time membuat pengambil kebijakan kesulitan membaca persepsi masyarakat secara cepat dan sistematis. Oleh karena itu, dibangun sebuah dashboard analisis sentimen berbasis web yang mengklasifikasikan dan memvisualisasikan opini netizen X terhadap kebijakan tersebut. Penelitian ini bertujuan untuk mengidentifikasi opini netizen X terhadap kebijakan pembatasan gratis ongkir, menerapkan algoritma Naïve Bayes untuk mengklasifikasikan sentimen secara otomatis, serta merancang dashboard interaktif yang menyajikan hasil klasifikasi secara visual dan mudah dipahami. Pengembangan sistem dilakukan menggunakan metode waterfall yang terdiri dari tahap requirement, design, implementation, verification, dan maintenance. Data diperoleh melalui crawling dari media sosial X, kemudian diproses melalui tahap pre-processing meliputi cleansing, case folding, tokenizing, normalisasi, stopword removal, dan stemming. Teks diubah menjadi representasi numerik menggunakan TF-IDF sebelum diklasifikasikan oleh Naïve Bayes ke dalam tiga kategori sentimen: positif, negatif, dan netral. Berdasarkan hasil pengujian, sistem dashboard yang dibangun terbukti berjalan dengan baik dan efektif. Algoritma Naïve Bayes mampu mengklasifikasikan sentimen secara akurat berdasarkan hasil evaluasi confusion matrix dan classification report. Dashboard berhasil menyajikan hasil analisis sentimen secara visual dan interaktif, sehingga memudahkan pihak terkait dalam memahami dan memantau persepsi publik sebagai dasar pengambilan kebijakan yang lebih responsif.

Kecelakaan lalu lintas akibat kondisi kantuk dan microsleep pada pengendara sepeda motor merupakan permasalahan keselamatan yang signifikan di Indonesia, dengan catatan 299.479 kecelakaan pada periode 2023-2024 dan 95% di antaranya disebabkan oleh human error yang mencakup kelelahan, kurang fokus, dan microsleep. Penelitian ini bertujuan merancang dan mengimplementasikan sistem peringatan dini kondisi kantuk berbasis wearable pada helm pengendara sepeda motor menggunakan sensor IMU MPU6050 dan algoritma Support Vector Machine (SVM) untuk deteksi microsleep secara real-time. Pendekatan yang digunakan bersifat eksperimental melalui perancangan perangkat keras berbasis mikrokontroler ESP32 yang terintegrasi pada helm, pengumpulan data gerakan kepala menggunakan metode non-overlapping window berukuran 10 sampel (1 detik pada frekuensi sampling 10 Hz), serta seleksi fitur empat tahap yang meliputi uji signifikansi statistik, analisis Cohen's d, eliminasi redundansi berbasis korelasi, dan Recursive Feature Elimination with Cross-Validation (RFECV). Lima fitur statistik domain waktu terpilih sebagai input model SVM kernel Radial Basis Function (RBF) dengan parameter C=1 dan gamma=1,0, yaitu angleX_max, angleY_min, angleY_mean, gy_min, dan gy_max, yang diekstrak dari dataset sebesar 4.750 sampel. Evaluasi model pada data uji menghasilkan akurasi 92,53?ngan recall kelas microsleep sebesar 92%, sementara pengujian lapangan terhadap 5 subjek dengan 50 simulasi microsleep menghasilkan detection rate sebesar 86?n latensi komputasi rata-rata 21,4 ms per window. Sistem peringatan dini berbasis wearable helm yang dikembangkan menunjukkan kemampuan mendeteksi kondisi microsleep secara real-time dengan performa yang memadai untuk aplikasi keselamatan berkendara, meskipun generalisasi model terhadap variasi jenis kendaraan dan karakteristik fisik pengendara masih memerlukan pengembangan lanjutan melalui diversifikasi data pelatihan.

Perkembangan teknologi kecerdasan buatan, khususnya dalam bidang Computer Vision, membuka peluang terciptanya bentuk interaksi manusia dan komputer yang lebih alami melalui pengenalan gestur tangan atau Hand Gesture Recognition. Namun, implementasinya pada permainan berbasis web secara real-time masih terbatas, sementara penggunaan perangkat input seperti keyboard dan mouse dinilai kurang fleksibel serta membatasi aksesibilitas pengguna. Penelitian ini bertujuan untuk mengembangkan dan menguji sistem Hand Gesture Recognition berbasis kamera yang digunakan sebagai kontrol gerakan pada Snake Game berbasis web. Metode pengembangan sistem yang digunakan dalam penelitian ini adalah model Prototype. Sistem memanfaatkan kamera sebagai media input utama untuk menangkap gestur dan gerakan tangan secara real-time serta pustaka MediaPipe untuk melacak dan mendeteksi 21 titik landmark tangan pengguna. Kontrol permainan dikembangkan menggunakan multi-gestur yang mencakup gestur arah (atas, bawah, kiri, kanan), gestur kursor untuk melakukan aksi seperti menekan tombol dan menggulir halaman (scroll), serta gestur jeda (pause) dengan memanfaatkan perhitungan jarak antara ujung ibu jari dan ujung jari kelingking menggunakan metode Euclidean Distance. Hasil pengujian kinerja sistem menunjukkan bahwa deteksi gestur tangan sangat dipengaruhi oleh faktor kondisi lingkungan. Sistem bekerja secara optimal pada rentang jarak 40 cm hingga 60 cm dengan kondisi pencahayaan yang cukup antara 120 lux hingga 220 lux. Sementara itu, hasil User Acceptance Testing (UAT) dari 20 responden, memperoleh nilai persentase kelayakan sebesar 87,5% yang menunjukkan sistem mampu memberikan pengalaman baru yang interaktif bagi pengguna dalam bermain game berbasis pengenalan gestur tangan.

Penelitian ini bertujuan mengembangkan Sistem Pendukung Keputusan (SPK) pembelian saham berbasis Android untuk membantu investor pemula memilih saham secara objektif dan terstruktur. Sistem ini mengintegrasikan metode Analytic Hierarchy Process (AHP) untuk pembobotan kriteria berdasarkan kuesioner pakar, dan Simple Multi Attribute Rating Technique (SMART) untuk pemeringkatan saham menggunakan data pasar aktual dari Yahoo Finance. Kriteria evaluasi yang digunakan mencakup aspek Return, Risiko, PER, EPS, ROE, Likuiditas, Dividend Yield, dan Kesehatan Finansial. Aplikasi mobile ini dibangun menggunakan framework Flutter, dengan backend Laravel dan modul pengolahan data Python. Hasil evaluasi pakar mengonfirmasi bahwa rekomendasi sistem telah sesuai dengan praktik investasi riil, sementara uji User Acceptance Testing (UAT) menunjukkan aplikasi berfungsi dengan baik dan layak digunakan sebagai alat bantu pengambilan keputusan investasi saham.

Penelitian ini mengembangkan sistem manajemen barang habis pakai berbasis website yang dilengkapi fitur prediksi kebutuhan barang di UDD PMI Jember. Sistem dikembangkan menggunakan metode Waterfall, sedangkan prediksi dilakukan dengan algoritma Random Forest Regression berbasis time series menggunakan data histori pemakaian periode Januari 2020–Mei 2026. Sistem menyediakan fitur prediksi, riwayat prediksi, monitoring hasil prediksi, dan rencana pengadaan barang. Hasil penelitian menunjukkan bahwa sistem dapat membantu pengelolaan persediaan menjadi lebih efektif serta mendukung pengambilan keputusan pengadaan barang.

Penelitian ini bertujuan merancang dan membangun Sistem Informasi Administrasi Kegiatan Organisasi Siswa berbasis web di SMA Negeri 1 Paiton untuk mengatasi proses administrasi yang masih dilakukan secara manual. Sistem dikembangkan menggunakan metode Waterfall, framework Laravel, bahasa pemrograman PHP, dan database MySQL. Sistem memiliki tiga jenis pengguna, yaitu admin, pembina organisasi, dan ketua organisasi, dengan fitur pengelolaan organisasi, pengajuan dan validasi kegiatan, notifikasi, laporan, serta dokumentasi kegiatan. Hasil pengujian Black Box Testing menunjukkan seluruh fungsi sistem berjalan dengan baik, sedangkan User Acceptance Test (UAT) memperoleh nilai 94,53%, sehingga sistem dinilai sangat baik dan mampu meningkatkan efektivitas serta efisiensi pengelolaan administrasi kegiatan organisasi siswa.

Kegiatan magang dilaksanakan di GM Academy yang merupakan bagian dari Griya Marketer, sebuah perusahaan yang bergerak di bidang digital marketing. Selama pelaksanaan magang, dilakukan pengembangan website kesehatan yang berfungsi sebagai media penyedia informasi layanan kesehatan bagi masyarakat. Website dirancang dengan struktur yang sistematis, tampilan yang responsif, serta konten yang informatif sehingga mudah diakses melalui berbagai perangkat digital. Dalam proses pengembangannya, diterapkan metode Search Engine Optimization (SEO) dan Generative Engine Optimization (GEO) untuk meningkatkan kualitas serta jangkauan informasi pada website. Implementasi SEO dilakukan melalui optimalisasi struktur halaman, penggunaan kata kunci, metadata, internal link, optimasi gambar, serta penyusunan konten yang sesuai dengan kaidah mesin pencari. Sementara itu, implementasi GEO dilakukan dengan menyusun konten yang terstruktur, kontekstual, dan mudah dipahami oleh sistem pencarian berbasis kecerdasan buatan sehingga meningkatkan peluang konten direkomendasikan oleh layanan AI. Hasil implementasi menunjukkan bahwa website kesehatan berhasil dikembangkan dan dioptimalkan sesuai dengan prinsip SEO dan GEO. Berdasarkan pengujian menggunakan Google PageSpeed Insights, website memperoleh skor SEO sebesar 100, sedangkan evaluasi menggunakan GEO Checker menunjukkan skor GEO sebesar 94. Hasil tersebut menunjukkan bahwa website telah memenuhi sebagian besar indikator optimasi mesin pencari dan sistem pencarian berbasis kecerdasan buatan, sehingga diharapkan mampu meningkatkan visibilitas website, memperluas jangkauan informasi kesehatan, serta memudahkan masyarakat dalam memperoleh informasi yang cepat, relevan, dan terpercaya.

Penelitian ini bertujuan untuk melakukan komparasi metode Naive Bayes dan Support Vector Machine (SVM) untuk pengembangan sistem rekomendasi produk kuliner UMKM berdasarkan analisis sentimen publik pada komentar video review YouTube. Komparasi dilakukan karena kedua metode memiliki karakteristik yang berbeda dalam memproses teks komentar yang bersifat informal, singkat, dan sering mengandung lebih dari satu aspek penilaian dalam satu komentar. Sistem yang dibangun dirancang untuk mengidentifikasi sentimen pada lima aspek kuliner, yaitu rasa, harga, pelayanan, fasilitas, dan porsi, pada polaritas positif dan negatif sehingga hasil analisis dapat digunakan sebagai dasar dalam memberikan rekomendasi terhadap produk kuliner UMKM. Penelitian ini menerapkan tahapan pengumpulan komentar, preprocessing teks, pelabelan berdasarkan aspek, ekstraksi fitur menggunakan TF-IDF, serta klasifikasi multilabel menggunakan pendekatan One vs Rest (OvR) dengan metode SVM dan Naive Bayes. Hasil evaluasi menggunakan pembagian data 80:20 menunjukkan bahwa SVM memiliki performa yang lebih baik dibandingkan Naive Bayes. Pada evaluasi sentimen global, SVM memperoleh akurasi sebesar 70,53%, sedangkan Naive Bayes memperoleh akurasi sebesar 66,91%. Selain itu, SVM juga menunjukkan performa yang lebih stabil pada evaluasi berbasis aspek. Oleh karena itu, SVM dipilih sebagai metode utama untuk mendukung sistem rekomendasi pada penelitian ini. Seluruh hasil proses diintegrasikan ke dalam sistem berbasis web menggunakan framework Laravel untuk membuat sistem rekomendasi yang dapat digunakan secara praktis dan terstruktur.