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.

Masih banyak masyarakat yang mengalami kesulitan dalam mengenali jenis kulit serta menentukan produk sabun wajah yang sesuai dengan kebutuhan kulitnya. Selain itu, banyaknya variasi produk sabun wajah yang tersedia di pasaran membuat pengguna kesulitan dalam menentukan pilihan produk yang tepat. Penelitian ini bertujuan untuk mengembangkan sistem pendukung keputusan pemilihan produk sabun wajah berdasarkan klasifikasi jenis kulit untuk mengklasifikasikan jenis kulit wajah ke dalam tiga kategori, yaitu kulit normal, kulit kering, dan kulit berminyak, sedangkan metode SAW digunakan untuk memberikan rekomendasi produk berdasarkan kriteria kandungan produk, harga, bahan iritatif, dan tekstur produk. Hasil pengujian menunjukkan bahwa model CNN memperoleh akurasi sebesar 72?rdasarkan Confusion Matrix, sedangkan hasil validasi pakar terhadap klasifikasi jenis kulit menunjukkan tingkat validitas sebesar 70%. Pengujian Black Box Testing menunjukkan bahwa seluruh fitur sistem berjalan dengan baik dan 100% valid, sedangkan User Acceptance Testing (UAT) memperoleh tingkat penerimaan pengguna sebesar 87,2%. Hasil penelitian menunjukkan bahwa sistem yang dikembangkan mampu membantu pengguna dalam mengenali jenis kulit dan menentukan produk sabun wajah yang sesuai.

Digitalisasi Proses Perizinan Akses di Area Perusahaan melalui Implementasi Aplikasi KIM & KIK pada PT Japfa Comfeed Indonesia, Tbk Buduran (Fitur: Request Visit Detail (Create) dan CICO Dialog), Ivan Mahdavikia, NIM E41222727, Tahun 2025, Teknologi Informasi, Politeknik Negeri Jember, Adi Sucipto, S.ST., M.Tr.T. (Dosen Pembimbing), Antonio Christopher Rejoyo (Pembimbing Lapangan). Politeknik Negeri Jember (POLIJE) sebagai perguruan tinggi vokasi memiliki peran strategis dalam mencetak tenaga ahli yang unggul di bidang teknologi informasi. Salah satu program pendukung utamanya adalah kegiatan magang, yang memberikan mahasiswa kesempatan untuk menerapkan kompetensi langsung di lingkungan industri. Penulis melaksanakan magang di PT. Japfa Comfeed Indonesia Tbk, sebuah perusahaan besar yang bergerak di bidang agribisnis dan industri pakan ternak yang berlokasi di Buduran, Sidoarjo, Jawa Timur. Proyek utama yang dilaksanakan adalah pengembangan website KIM & KIK (Kartu Izin Masuk & Kartu Izin Keluar) yang bertujuan untuk meningkatkan efisiensi dalam memonitoring keluar masuk tamu, baik tamu internal maupun eksternal, antar unit maupun proyek. Website ini dirancang untuk menggantikan penggunaan buku tamu dan buku kendaraan manual ke dalam bentuk sistem digital yang lebih terintegrasi, efisien, dan mudah diakses. Dengan adanya sistem ini, proses pencatatan data keluar masuk menjadi lebih cepat, akurat, serta meminimalisir risiko kehilangan atau kerusakan data. Hasil dari pengembangan website KIM & KIK ini diharapkan dapat memberikan manfaat nyata bagi perusahaan dalam mendukung sistem keamanan, meningkatkan efektivitas pengelolaan akses, serta menghadirkan solusi digital modern yang relevan dengan kebutuhan industri saat ini.

Sistem Rekomendasi Jurusan Kuliah Menggunakan Algoritma Random Forest Berdasarkan Profil Siswa (Studi Kasus SMAN 4 Jember), Galang Sefian Adji, NIM E31230935, Tahun 2025, Program Studi Manajemen Informatika, Jurusan Teknologi Informasi, Politeknik Negeri Jember, Mujiono, S.Kom.,M.Sc (Pembimbing). Pemilihan jurusan kuliah merupakan keputusan krusial bagi siswa SMA, namun banyak yang mengalami kesulitan dan merasa salah memilih jurusan, seperti yang terjadi di SMAN 4 Jember. Fenomena ini diperkuat oleh data nasional yang menunjukkan 87% mahasiswa merasa salah jurusan. Kesalahan ini tidak hanya berdampak pada individu, tetapi juga dapat merugikan sekolah karena berisiko masuk daftar hitam (blacklist) perguruan tinggi jika siswa yang diterima melalui jalur prestasi tidak mengambilnya. Permasalahan ini muncul akibat minimnya informasi, keterbatasan layanan konseling, dan faktor lingkungan. Penelitian ini bertujuan untuk merancang dan membangun sistem rekomendasi jurusan kuliah berbasis website dengan mengimplementasikan machine learning dengan algoritma Random Forest. Sistem ini akan memberikan rekomendasi berdasarkan profil siswa yang komprehensif, mencakup nilai rapor, minat, bakat, kondisi ekonomi, dan prospek kerja dari suatu jurusan. Pengembangan sistem menggunakan metode Waterfall , dengan arsitektur yang mengintegrasikan framework Laravel (PHP) untuk antarmuka dan backend, serta API Flask (Python) untuk menjalankan model machine learning. Untuk mengukur keberhasilan sistem, akan dilakukan pengujian menggunakan metode User Acceptance Test (UAT) yang melibatkan siswa dan guru Bimbingan Konseling (BK) di SMAN 4 Jember. Hasil penelitian diharapkan dapat menghasilkan sebuah sistem yang mampu memberikan rekomendasi jurusan secara akurat dan objektif. Dengan demikian, sistem ini diharapkan dapat menjadi alat bantu yang efektif bagi siswa dalam membuat keputusan, membantu guru BK dalam memberikan arahan, serta mengurangi risiko yang merugikan bagi sekolah.

Kegiatan magang merupakan salah satu bentuk pembelajaran yang bertujuan untuk memberikan pengalaman kerja secara langsung kepada mahasiswa sesuai dengan bidang keahlian yang dipelajari selama perkuliahan. Program magang ini dilaksanakan sebagai bagian dari kurikulum Program Studi Teknik Komputer, Jurusan Teknologi Informasi, Politeknik Negeri Jember untuk meningkatkan kompetensi dan kesiapan mahasiswa dalam memasuki dunia kerja. Pelaksanaan magang dilakukan di Appen Company yang berlokasi di Wuxi, Provinsi Jiangsu, Tiongkok. Appen merupakan perusahaan teknologi global yang bergerak di bidang pengelolaan dan pemrosesan data serta mendukung berbagai kebutuhan industri teknologi melalui penyediaan layanan data yang berkualitas. Selama kegiatan magang, penempatan dilakukan pada Proyek Lazada dengan tanggung jawab sebagai Moderator Proyek, Trainer, dan Interviewer Assistant. Tugas yang dilaksanakan selama kegiatan magang meliputi pemantauan aktivitas peserta proyek, pengawasan kualitas pekerjaan, pelaksanaan pelatihan bagi peserta baru, serta membantu proses wawancara dan administrasi rekrutmen. Selain itu, dilakukan pula koordinasi dan komunikasi dengan anggota tim untuk mendukung kelancaran operasional proyek.

Desain dan Implementasi Sistem Manajemen Berita Kampus, Keane Kent, NIM E32221436, Tahun 2026, Teknologi Informasi, Politeknik Negeri Jember, Studi ini bertujuan untuk mengatasi masalah dalam penyebaran berita kampus tradisional seperti informasi yang ketinggalan zaman dan manajemen yang tidak efisien, dengan mendesain dan mengimplementasikan Sistem Manajemen Berita Kampus berbasis Sistem Manajemen Konten (CMS) WordPress. Dengan memanfaatkan tema HybridMag dan hosting di platform InfinityFree, sistem ini memiliki fitur penerbitan berita, manajemen kategori, komentar pengguna, fungsi pencarian, dan desain responsif seluler, yang memenuhi beragam kebutuhan komunikasi kampus. Pada fase desain sistem, persyaratan teknis didefinisikan untuk mencakup antarmuka front-end yang ramah pengguna, manajemen konten back-end yang mudah, dan tata letak responsif. Proses penerapan menggunakan platform dan tema open-source, mengurangi biaya pengembangan dan mempercepat implementasi. Melalui pengujian sistem dan operasi percontohan, sistem terbukti mudah digunakan dan lengkap secara fungsional, secara signifikan meningkatkan efisiensi dan efektivitas penerbitan berita kampus. Sistem ini mendukung pembangunan budaya kampus dan berbagi informasi. Perbaikan di masa mendatang akan fokus pada kontrol izin, dukungan multibahasa, dan peningkatan keamanan untuk lebih memenuhi kebutuhan berbagai sekolah

Komunikasi merupakan aspek penting dalam kehidupan manusia, namun penyandang tunarungu dan tunawicara sering mengalami hambatan dalam komunikasi verbal. Sistem Isyarat Bahasa Indonesia (SIBI) menjadi salah satu media komunikasi alternatif yang digunakan di Indonesia, tetapi masih belum banyak dipahami oleh masyarakat umum. Penelitian ini mengembangkan sistem deteksi huruf abjad SIBI berbasis Computer Vision dengan menggabungkan algoritma YOLOv11n dan Long Short-Term Memory (LSTM). YOLOv11n digunakan untuk mendeteksi huruf statis berdasarkan citra tangan, sedangkan LSTM digunakan untuk mengenali huruf D, I, J, Z, dan kelas none berdasarkan sequence landmark tangan hasil ekstraksi MediaPipe. Data gestur dinamis disusun menjadi sequence sebanyak 30 frame agar model dapat mempelajari pola gerakan tangan secara berurutan. Sistem diintegrasikan menggunakan pendekatan sequential hybrid, yaitu LSTM melakukan klasifikasi awal dan YOLOv11n digunakan sebagai fallback ketika hasil LSTM memiliki confidence rendah atau terklasifikasi sebagai none. Hasil pengujian menunjukkan bahwa model YOLOv11n memperoleh precision 0,98656, recall 0,99421, mAP50 0,99407, dan mAP50-95 0,86596. Model LSTM memperoleh train accuracy 0,9919 dan validation accuracy 0,96. Hasil User Acceptance Testing memperoleh persentase 88,86%, yang menunjukkan bahwa sistem dapat diterima dengan baik oleh pengguna.