Pengelolaan data kesehatan di Posyandu Seruni saat ini masih dilakukan secarakonvensional menggunakan buku KIA dan buku register manual. Metode ini menyebabkan rendahnya efisiensi, risiko kehilangan dokumen, serta keterbatasan akses orang tua dalam memantau pertumbuhan anak secara mandiri. Penelitian ini bertujuan untuk mendigitalisasi sistem manajemen kesehatan posyandu melalui pengembangan aplikasi manajemen data posyandu bayi balita berbasis mobile yang terintegrasi dengan sistem web kader melalui Web API. Aplikasi ini dikembangkan menggunakan kerangka kerja Flutter dan bahasa pemrograman Dart dengan arsitektur client-server. Fitur utama yang diimplementasikan meliputi monitoring grafik antropometri secara real-time, akses jadwal posyandu, dan materi edukasi kesehatan digital. Hasil evaluasi terhadap 31 responden menunjukkan tingkat usabilitas sebesar 99?n fungsionalitas 96%. Implementasi teknologi ini berhasil meningkatkan transparansi data dan partisipasi aktif orang tua dalam mengawal tumbuh kembang anak menuju masyarakat yang lebih sehat.

Perkembangan teknologi informasi mendorong pengembangan media pembelajaran yang lebih interaktif, terutama untuk pendidikan karakter di sekolah dasar. Penelitian ini bertujuan merancang dan mengembangkan game edukasi "SALIM" sebagai media pembelajaran sopan santun bagi siswa kelas III Sekolah Dasar. Game dikembangkan menggunakan metode Game Development Life Cycle (GDLC) dan berbasis Android dengan Unity. Fitur yang tersedia meliputi menu belajar, cerita, serta permainan Petualangan Salim, Memory Card Game, dan Drag and Drop Game yang memuat materi sopan santun sesuai pembelajaran Pendidikan Pancasila. Pengujian terhadap 22 siswa menunjukkan rata-rata nilai pre-test meningkat dari 86,82 menjadi 91,36 pada post-test, dengan selisih 4,54 poin. Hasil ini menunjukkan bahwa game edukasi "SALIM" berpotensi menjadi media pembelajaran yang interaktif, menyenangkan, dan mendukung penguatan karakter siswa sekolah dasar.

Tuberkulosis (TBC) merupakan salah satu penyakit menular yang masih menjadi permasalahan kesehatan di Indonesia, termasuk di Kabupaten Jember. Tingginya jumlah kasus TBC, keterbatasan pelaksanaan skrining yang masih dilakukan secara langsung pada kelompok tertentu, serta rendahnya kepatuhan pasien dalam menjalani pengobatan menjadi tantangan dalam upaya pengendalian penyakit. Kondisi tersebut berpotensi meningkatkan keterlambatan deteksi dini dan risiko terjadinya Tuberkulosis Resisten Obat (TBC-RO). Penelitian ini bertujuan untuk merancang dan mengembangkan sistem skrining dan monitoring pengobatan Tuberkulosis berbasis web dan mobile yang dapat membantu masyarakat melakukan skrining secara mandiri, membantu pasien meningkatkan kepatuhan terhadap pengobatan, serta memudahkan petugas kesehatan dalam mengelola dan memantau data pasien. Metode pengembangan sistem yang digunakan adalah Waterfall yang terdiri atas tahapan requirement, design, coding, testing, dan maintenance. Aplikasi website dikembangkan menggunakan framework Laravel, sedangkan aplikasi mobile dikembangkan menggunakan Flutter. Proses skrining menerapkan pendekatan Rule-Based yang mengacu pada pedoman skrining Tuberkulosis Kementerian Kesehatan. Sementara itu, fitur monitoring pengobatan didukung oleh layanan Firebase Cloud Messaging (FCM) untuk mengirimkan notifikasi pengingat minum obat sesuai jadwal yang telah ditentukan. Hasil penelitian menunjukkan bahwa sistem berhasil dikembangkan dalam bentuk aplikasi web dan mobile yang saling terintegrasi. Aplikasi mobile menyediakan fitur registrasi, login, skrining TBC, riwayat skrining, monitoring pengobatan, notifikasi pengingat minum obat, dan pengelolaan akun, sedangkan aplikasi website menyediakan dashboard, pengelolaan data pasien, data skrining, monitoring pengobatan, laporan, pengelolaan admin, dan riwayat aktivitas. Berdasarkan hasil pengujian menggunakan metode Black Box Testing dan User Acceptance Testing (UAT), seluruh fungsi sistem berjalan sesuai dengan kebutuhan pengguna. Sistem yang dikembangkan diharapkan dapat meningkatkan jangkauan deteksi dini kasus TBC, mendukung kepatuhan pasien dalam menjalani pengobatan hingga tuntas, serta membantu petugas kesehatan dalam melakukan monitoring pengobatan secara lebih efektif dan terstruktur.

Banjir merupakan salah satu bencana alam yang sering terjadi di Indonesia, termasuk di Kabupaten Sidoarjo. Desa Kedungbanteng, Kecamatan Tanggulangin, menjadi salah satu wilayah yang rawan banjir, terutama saat musim hujan. Kondisi geografis yang rendah serta sistem drainase yang kurang optimal menjadi penyebab utama terjadinya banjir di wilayah tersebut. Namun, hingga saat ini masyarakat masih kesulitan mendapatkan informasi mengenai lokasi rawan banjir secara mudah dan jelas. Penelitian ini bertujuan untuk mengembangkan website berbasis Geographic Information System (GIS) untuk memetakan lokasi rawan banjir di Desa Kedungbanteng. Metode penelitian yang digunakan meliputi analisis kebutuhan, perancangan dan perencanaan sistem, proses pengujian dan implementasi, pendampingan penggunaan website, serta evaluasi sistem. Website yang dikembangkan dapat menampilkan informasi lokasi rawan banjir dalam bentuk peta digital secara visual dan interaktif. Hasil penelitian ini diharapkan dapat membantu masyarakat dan pihak terkait dalam mengetahui daerah yang berpotensi banjir serta mendukung upaya mitigasi dan kesiapsiagaan bencana.

Bonsai Sancang (Premna microphylla) memerlukan pengelolaan kelembapan tanah yang tepat agar dapat tumbuh optimal. Penyiraman yang tidak sesuai dapat menyebabkan tanaman mengalami kekeringan atau pembusukan akar. Penelitian ini bertujuan mengembangkan sistem Internet of Things (IoT) berbasis ESP32 dengan penerapan metode Long Short-Term Memory (LSTM) untuk memprediksi kebutuhan penyiraman otomatis pada Bonsai Sancang. Sistem menggunakan sensor kelembapan tanah, sensor DHT22, dan sensor hujan untuk memperoleh data lingkungan secara real-time yang kemudian disimpan pada Firebase dan ditampilkan melalui website monitoring. Model LSTM dilatih menggunakan data historis dengan variasi interval 2, 4, 6, 8, dan 10 menit. Hasil pelatihan menunjukkan bahwa interval 4 menit menghasilkan performa terbaik dengan accuracy sebesar 99,59% dan weighted F1-score sebesar 99,59%. Sistem yang dikembangkan mampu melakukan monitoring kondisi lingkungan, mengendalikan penyiraman otomatis, serta mengoperasikan penutup atap otomatis saat hujan terdeteksi. Hasil penelitian menunjukkan bahwa penerapan LSTM pada sistem IoT dapat membantu menjaga kondisi lingkungan Bonsai Sancang secara lebih efektif dan mengurangi ketergantungan terhadap penyiraman manual.

Panci penguapan (Evaporimeter) merupakan sebuah alat penguapan (Evaporation) yang hanya dibaca disaat tertentu. Proses evaporasi pada Stasiun Klimatologi merupakan peristiwa perubahan fase air dari cari menjadi gas yang disertai dengan pelepasan panas. Evaporasi terjadi ketika air mengalami penguapan dan naik ke udara maka sebagian energi radiasi matahari bisa diubah menjadi energi panas. Pada alat evapotimeter dilengkapi dengan Hook Gauge sebagai pengukur ketinggian air yang nantinya dipakai untuk melihat seberapa besar terjadinya penguapan dan thermometer apung sebagai pengukur suhu air di dalam panci penguapan secara langsung. Dengan begitu pada saat observasi berlangsung pengamatan tersebut diharuskan ke lapangan agar mendapat datanya dan juga saat kekurangan air harus menyalakan keran terlebih dahulu, hal tersebut kurang efektif jika dilihat dari pengambilan data secara manual. Maka dari itu diperlukanya sebuah sistem otomatis berbasis IoT (Internet of Things). Sistem ini dirancang untuk melakukan pengukuran parameter lingkungan secara real-time di Stasiun Klimatologi Politeknik Negeri Jember sebagian dari upaya modernisasi pengamatan Klimatologi. Sistem yang dikembangkan bertujuan untuk mengotomatisasikan proses pengukuran evaporasi yang sebelumnya dilakukan secara manual, sehingga dapat mengurangi kesalahan pencatatan dan meningkatkan efisiensi pengamatan. Proses pengukuran dilakukan dengan memanfaatkan sensor tekanan HX710B untuk mendeteksi perubahan tinggi permukaan air serta sensor suhu DS18B20 pada panci penguapan sebagai parameter pendukung yang mengaruhi laju evaporasi. Seluruh data hasil pengukuran diproses oleh sistem dan direkam secara berkala dalam basis data, sehingga mampu menyediakan informasi evaporasi yang stabil, kontinu, dan berkelanjutan. Informasi tersebut diharapkan dapat mendukung analisis kondisi iklim dan pemantauan lingkungan disekitar secara optimal. Alat – alat yang akan digunakan meliputi mikrokontroler ESP32 sebagai otaknya, sensor tekanan HX710B, sensor suhu DS18B20, kemudian untuk monitoring menggunakan aplikasi mobile terbukti dapat terintegrasi dengan baik dan Firebase sebagai database suhu air dan tinggi air untuk pemantauan evaporasi secara real-time disertai history data sebelumnya.

Sistem sterilisasi apel otomatis berbasis IoT ini dirancang untuk menggantikan metode pencucian kimia manual yang berisiko meninggalkan residu berbahaya dengan menggunakan mikrokontroler ESP32 sebagai pusat kendali yang mengintegrasikan sensor suhu DS18B20, pH, dan TDS untuk memantau kondisi air secara real-time. Data dari multi-sensor tersebut kemudian diproses menggunakan logika Fuzzy Mamdani untuk menentukan durasi kerja generator ozon secara akurat melalui modul relai, di mana hasil pengujian menunjukkan performa sistem yang sangat baik dengan akurasi kontrol fuzzy mencapai 98,78% serta tingkat kesalahan yang sangat minim. Selain itu, aplikasi Android berbasis Flutter yang terhubung dengan database Firebase juga berhasil lulus uji fungsionalitas black-box dengan tingkat keberhasilan 100?lam menjalankan seluruh fitur kritis remote secara lancar, mulai dari visualisasi data parameter, pelacakan riwayat data historis, hingga eksekusi tombol emergency cut off.

Kecelakaan lalu lintas merupakan salah satu penyebab utama kematian, yang seringkali diperparah oleh keterlambatan penanganan medis pasca insiden. Penelitian ini bertujuan untuk mengembangkan sistem pendeteksi kecelakaan (ResQMe) berbasis smartphone Android yang memanfaatkan sensor akselerometer dan GPS untuk mendeteksi kecelakaan secara otomatis dan mengirimkan pesan darurat. Sistem ini membaca data guncangan secara real-time yang kemudian diproses menggunakan Low Pass Filter (LPF) untuk mereduksi noise. Data tersebut diekstraksi menjadi fitur statistik berdasarkan nilai Signal Magnitude Vector (SMV) melalui teknik windowing. Algoritma Machine Learning Random Forest kemudian digunakan untuk mengklasifikasikan pola guncangan ke dalam kondisi aman atau kecelakaan. Masalah ketidakseimbangan kelas pada dataset ditangani menggunakan parameter class_weight='balanced'. Evaluasi model menunjukkan bahwa nilai threshold optimal berada pada angka 0,8. Berdasarkan pengujian lapangan, sistem mampu mencapai tingkat akurasi sebesar 88% pada kondisi berkendara normal dan 96% pada simulasi kecelakaan, dengan rata-rata akurasi keseluruhan 92%. Saat kondisi kecelakaan terdeteksi, aplikasi ResQMe secara otomatis mengirimkan notifikasi dan titik koordinat lokasi ke kontak darurat melalui WhatsApp.