Website SIPEMKAS merupakan sistem informasi akademik berbasis website yang digunakan untuk memantau perkembangan peserta didik di lingkungan sekolah. Permasalahan yang melatarbelakangi penelitian ini adalah website SIPEMKAS yang masih berada dalam tahap pengembangan belum pernah melalui proses pengujian fungsional secara terstruktur, sehingga tidak terdapat dokumentasi pengujian yang memadai dan kestabilan sistem tidak dapat dijamin ketika dilakukan pengembangan lebih lanjut. Kondisi tersebut berpotensi menimbulkan kesalahan fungsi pada fitur utama sistem. Penelitian ini bertujuan merancang dokumen pengujian untuk memastikan fungsionalitas website berjalan dengan baik serta mengimplementasikan automation testing menggunakan Katalon Studio. Metodologi yang digunakan adalah Software Testing Life Cycle (STLC) dengan pendekatan Agile Scrum melalui enam tahapan yaitu, requirement analysis, test planning, test case development, test environment setup, test execution, dan test cycle closure. Pengujian yang dilakukan meliputi functional testing, regression testing, dan User Acceptance Testing (UAT). Dokumen yang dihasilkan meliputi Test Plan, Requirement Traceability Matrix (RTM), bug report, test report, dan catatan rilis. Hasil penelitian menunjukkan bahwa pengujian terhadap 170 test case menghasilkan tingkat keberhasilan awal sebesar 88,24?n meningkat menjadi 99,28% setelah dilakukan perbaikan serta regression testing. Hasil UAT memperoleh nilai rata-rata 86,25?ngan kategori Sangat Baik. Penelitian ini membuktikan bahwa perancangan dokumen pengujian yang terstuktur dan implementasi automation testing menggunakan Katalon Studio efektif dalam meningkatkan kualitas website SIPEMKAS sehingga dinyatakan layak digunakan.

Era Society 5.0 mendorong pemanfaatan teknologi dalam pendidikan, salah satunya melalui pengembangan perpustakaan digital. Pengelolaan perpustakaan di SMP Negeri 1 Bagor masih dilakukan secara manual sehingga menyulitkan pemantauan stok buku, pencatatan peminjaman, serta berisiko terjadi kehilangan data. Penelitian terdahulu terkait perpustakaan digital pun masih terbatas, fiturnya hanya berfokus pada peran admin, katalog buku kurang informatif, dan belum ada pembagian hak akses antar pengguna. Sistem yang dibangun dalam penelitian ini hadir lebih lengkap dengan mencakup semua peran pengguna (admin, guru, siswa), katalog buku yang informatif, dan pengujian yang lebih menyeluruh. Pengembangan sistem dilakukan menggunakan metode Rapid Application Development (RAD) dengan Framework Laravel dan basis data MySQL melalui tahapan requirement planning, design, construction, dan cutover. Pengujian sistem dilakukan menggunakan metode Black Box Testing dengan teknik Equivalence Partitioning serta User Acceptance Testing (UAT). Hasil penelitian menunjukkan bahwa sistem mampu mengelola data perpustakaan secara lebih terstruktur dan efisien, dengan tingkat keberhasilan fungsional sebesar 100% dari 235 test case. Hasil UAT terhadap 126 responden memperoleh nilai rata-rata 90% dengan kategori sangat baik, sehingga sistem dinyatakan layak untuk diterapkan di SMP Negeri 1 Bagor.

Penelitian ini dilakukan karena sistem absensi manual di Kantor Desa Pelem masih menimbulkan berbagai permasalahan, seperti manipulasi data kehadiran, titip absen, kehilangan arsip, serta lamanya proses rekapitulasi kehadiran pegawai. Selain itu, penelitian terdahulu mengenai sistem absensi berbasis QR code umumnya masih menggunakan QR code statis yang rentan disalahgunakan karena kode dapat digunakan berulang kali atau dibagikan kepada pihak lain. Penelitian ini menghasilkan sistem absensi berbasis website menggunakan QR code dinamis yang dikembangkan dengan metode Agile. QR code dinamis diperbarui secara berkala dan dilengkapi validasi lokasi, sehingga dapat meminimalkan kecurangan seperti titip absen. Mekanisme ini juga membantu mengatasi potensi replay attack, mencegah masalah concurrency saat banyak pegawai melakukan absensi bersamaan, serta menghindari duplicate scan atau pemindaian berulang oleh pengguna yang sama. Hasil pengujian menunjukkan seluruh fitur sistem berjalan dengan baik berdasarkan black-box testing. Pengujian usability menunjukkan tingkat keberhasilan tugas sebesar 100%, rata-rata waktu penyelesaian 90,5 detik, dan tingkat kesalahan rendah sebesar 0,25 error per task. Hasil pengujian System Usability Scale (SUS) memperoleh nilai 87,5 yang termasuk kategori Acceptable, memperoleh Grade Scale A, dan berada pada kategori Excellent. Sistem ini dinilai mudah digunakan, aman, efisien, serta mampu meningkatkan ketepatan pencatatan, pengelolaan data, dan monitoring absensi secara real-time di Kantor Desa Pelem

Seiring bertambahnya usia, penurunan fungsi motorik pada lanjut usia (lansia) meningkatkan risiko insiden jatuh secara signifikan. Insiden ini dapat berakibat fatal apabila korban tidak segera mendapatkan penanganan medis akibat ketiadaan pengawasan. Penelitian ini bertujuan untuk merancang dan mengimplementasikan sistem pendeteksi jatuh berbasis sistem tertanam (embedded system) menggunakan sensor Inertial Measurement Unit (IMU) MPU6050 dan mikrokontroler ESP32. Algoritma Machine Learning klasifikasi K-Nearest Neighbor (KNN) ditanamkan secara langsung pada perangkat untuk mengenali pola pergerakan secara real-time. Proses pra-pemrosesan data menggunakan metode Low-Pass Filter (LPF) untuk mereduksi noise pergerakan transisi, dilanjutkan dengan ekstraksi fitur Signal Vector Magnitude (SVM) untuk mendeteksi lonjakan gaya benturan, dan normalisasi Min-Max. Model KNN (K=11) dilatih menggunakan 120 data primer yang disimulasikan melalui boneka peraga (manekin). Berdasarkan hasil pengujian real-time sebanyak 40 kali observasi yang mencakup kelas aktivitas Berdiri, Duduk, Tidur/Terlentang, dan Jatuh, sistem terbukti memiliki performa yang sangat andal. Evaluasi menggunakan Confusion Matrix menunjukkan tingkat Akurasi sebesar 97,5%, Sensitivitas sebesar 100% (zero false negative), dan Spesifisitas sebesar 96,67%. Hal ini membuktikan bahwa perangkat mampu mendeteksi seluruh skenario jatuh secara presisi tanpa terlewat, sekaligus mampu membedakannya dari aktivitas harian normal dengan tingkat peringatan palsu (false alarm) yang sangat minim.

Implementasi Metode Simple Additive Weighting (SAW) pada Sistem Rekomendasi Menu Makanan Seimbang untuk Balita Stunting (Usia 1-3 Tahun), Muhammad Naufal Zaky Rozan, NIM E31230781, Tahun 2026, Program Studi Manajemen Informatika, Jurusan Teknologi Informasi, Politeknik Negeri Jember, Ir. Hendra Yufit Riskiawan, S.Kom., M.Cs. (Dosen Pembimbing). Stunting merupakan masalah gizi kronis serius yang berdampak pada tumbuh kembang balita, dengan prevalensi yang masih tinggi di Indonesia, salah satunya di Kabupaten Jember. Salah satu faktor penyebabnya adalah pola makan yang tidak memadai, sehingga diperlukan sebuah alat bantu untuk merekomendasikan menu yang tepat. Penelitian ini bertujuan untuk mengembangkan sistem pendukung keputusan (SPK) berbasis web untuk merekomendasikan menu makanan seimbang bagi balita stunting (usia 1–3 tahun) menggunakan metode Simple Additive Weighting (SAW). Tahapan penelitian diawali dengan studi literatur dan pengumpulan data untuk menentukan kriteria-kriteria relevan seperti kandungan nutrisi, ketersediaan bahan, dan kesesuaian usia. Setiap kriteria kemudian diberi bobot untuk merepresentasikan tingkat kepentingannya. Selanjutnya, Metode SAW diimplementasikan dengan modifikasi pada tahap normalisasi, di mana pembagi nilai gizi menggunakan target individu berdasarkan berat badan balita untuk menghasilkan rekomendasi yang lebih presisi. Sistem yang dibangun dengan framework Laravel ini dirancang untuk digunakan oleh tenaga kesehatan dan orang tua. Hasil akhir dari penelitian ini adalah sebuah sistem fungsional yang mampu memberikan rekomendasi menu terbaik secara objektif. Diharapkan SPK ini dapat menjadi alat yang berguna bagi tenaga kesehatan dan orang tua dalam menentukan menu makanan yang sesuai, sehingga dapat membantu meningkatkan asupan gizi dan mengatasi masalah stunting secara lebih efektif.

Whitepaper merupakan sumber informasi utama bagi calon investor untuk memahami isi dan arah pengembangan proyek cryptocurrency. Namun, kualitas whitepaper sangat beragam, mulai dari yang informatif hingga yang terlalu umum, mengandung plagiarisme, atau memiliki kualitas bahasa yang rendah. Penelitian ini bertujuan mengembangkan sistem yang dapat membantu menilai isi whitepaper secara lebih objektif sebagai bahan pertimbangan awal bagi investor. Sistem dibangun sebagai pipeline NLP berbasis Python yang mencakup ekstraksi PDF, segmentasi section, pre-processing teks, ekstraksi keyword, klasifikasi section dengan RoBERTa, deteksi kualitas linguistik, deteksi kemiripan antarwhitepaper, dan scoring kredibilitas. Data penelitian terdiri atas 45 whitepaper berbahasa Inggris yang dianotasi manual, dengan tambahan 6 whitepaper pada data latih untuk memperkaya label minoritas. Hasil penelitian menunjukkan bahwa model klasifikasi section terbaik, yaitu roberta-finetuned-v6-aug, mencapai accuracy 72,61%, macro F1-score 71,67%, dan weighted F1-score 72,85% pada data uji. Dalam penilaian kredibilitas, sinyal yang paling berpengaruh adalah content balance, diikuti plagiarism, profile-aware coverage, dan linguistic quality. Sistem akhirnya menghasilkan credibility score, label kualitas, red flags, dan ringkasan dokumen yang dapat membantu calon investor membaca whitepaper secara lebih cepat dan terarah.

Perancangan Sistem Website Layanan Masyarakat Desa Kincang Wetan Dengan Pendekatan Agile, Ilhan Abhitah Argo, NIM E41221524, Tahun 2026, 118 Halaman, Teknologi Informasi, Politeknik Negeri Jember PSDKU Nganjuk, Raditya Arief Pratama, S.Kom., M.Eng. (Dosen Pembimbing). Penelitian ini dilatarbelakangi oleh kebutuhan transformasi digital pada tingkat pemerintahan desa, khususnya di Desa Kincang Wetan, untuk mengatasi kendala pelayanan administrasi manual yang lambat, risiko kehilangan arsip, serta sulitnya masyarakat dalam memantau status permohonan surat. Tujuan utama penelitian ini adalah merancang dan membangun sistem informasi E-Surat yang mampu mempercepat alur birokrasi dan meningkatkan transparansi layanan publik bagi masyarakat desa. Proses pengembangan sistem menggunakan pendekatan Agile dengan kerangka kerja Scrum, yang memungkinkan pengembangan fitur dilakukan secara iteratif, adaptif, dan kolaboratif. Sistem dibangun menggunakan Framework Laravel dengan arsitektur Model-View-Controller (MVC), database MySQL, serta integrasi notifikasi otomatis melalui Telegram untuk mempercepat proses komunikasi antara perangkat desa dan warga. Hasil pengujian fungsionalitas menggunakan metode Black-Box Testing terhadap 38 test case menunjukkan tingkat keberhasilan sebesar 100%, yang menandakan sistem berjalan sesuai dengan kebutuhan fungsional. Selain itu, evaluasi pengalaman pengguna menggunakan metode System Usability Scale (SUS) menghasilkan skor rata-rata 83 yang termasuk dalam kategori "Excellent". Hasil penelitian ini membuktikan bahwa sistem E-Surat Desa Kincang Wetan efektif dalam mempersingkat waktu layanan administrasi dan sangat mudah digunakan oleh masyarakat, sehingga siap diimplementasikan untuk mendukung digitalisasi desa secara berkelanjutan.

Deteksi dan Klasifikasi Jenis Jamur Liar Menggunakan Algoritma Convolutional Neural Network (CNN), Siti Septiyah Agustin, NIM E41221559, Tahun 2026, 124 Halaman, Teknologi Informasi, Politeknik Negeri Jember PSDKU Nganjuk, Intan Sulistyaningrum Sakkinah, S.Pd., M.Eng. (Dosen Pembimbing). Jamur liar memiliki kemiripan karakteristik visual yang tinggi sehingga masyarakat sering mengalami kesulitan dalam membedakan jamur yang dapat dikonsumsi dan jamur beracun. Kesalahan identifikasi dapat menyebabkan keracunan yang membahayakan kesehatan bahkan berisiko fatal. Di sisi lain, pemanfaatan teknologi kecerdasan buatan khususnya pada bidang computer vision membuka peluang untuk membantu proses identifikasi jamur secara otomatis dan lebih akurat. Penelitian ini bertujuan untuk mengembangkan sistem deteksi dan klasifikasi jenis jamur liar berbasis citra yang dapat diimplementasikan pada perangkat mobile. Metode yang digunakan dalam penelitian ini adalah Deep Learning dengan arsitektur Convolutional Neural Network (CNN) menggunakan model MobileNetV2 sebagai pendekatan transfer learning. Dataset yang digunakan berjumlah 6000 citra yang terdiri dari empat jenis jamur, yaitu Auricularia auricula-judae, Fly Agaric, Termitomyces, dan Amanita pantherina. Proses pengembangan model dilakukan menggunakan TensorFlow dan Keras, kemudian model dikonversi ke format TensorFlow Lite agar dapat diintegrasikan ke dalam aplikasi mobile Android. Hasil pengujian menunjukkan model memperoleh akurasi sebesar 91?n mampu mengklasifikasikan jamur melalui kamera maupun galeri dengan baik. Penelitian ini membuktikan bahwa pendekatan CNN MobileNetV2 efektif untuk membantu identifikasi jamur liar secara praktis.