Penyandang disabilitas, khususnya Tuli atau tuna rungu, menghadapi tantangan besar dalam proses komunikasi dan pembelajaran akibat keterbatasan pendengaran yang dimiliki. Sistem Isyarat Bahasa Indonesia (SIBI) hadir sebagai bentuk komunikasi visual yang dirancang untuk mendukung interaksi mereka dengan lingkungan sekitar. Namun, metode pembelajaran SIBI yang tersedia saat ini masih terbatas dan kurang interaktif, sehingga menyulitkan proses pemahaman, terutama bagi generasi muda. Di sisi lain, perkembangan teknologi digital memberikan peluang untuk menciptakan media pembelajaran yang lebih menarik dan inklusif. Salah satu pendekatan inovatif yang potensial adalah pengembangan game edukatif berbasis website (web-based game), yang mampu menyajikan materi pembelajaran secara visual, interaktif, dan menyenangkan. Penelitian ini bertujuan untuk mengembangkan media pembelajaran berbasis website yang mengintegrasikan pembelajaran SIBI guna meningkatkan efektivitas dan daya tarik pembelajaran bagi anak tuna rungu serta masyarakat umum. Melalui pendekatan ini, diharapkan tercipta media edukatif yang mampu memperkuat pemahaman bahasa isyarat sekaligus mendorong kesadaran masyarakat akan pentingnya komunikasi inklusif

Penyakit daun padi merupakan ancaman serius terhadap produktivitas pertanian di Indonesia. Identifikasi secara manual memiliki keterbatasan akibat kemiripan gejala antarpenyakit, kebutuhan keahlian khusus, dan risiko kesalahan diagnosis. Penelitian ini bertujuan membangun dan membandingkan sistem klasifikasi penyakit daun padi berbasis citra digital menggunakan arsitektur EfficientNet-B0 dan EfficientNet-B1 dengan pendekatan transfer learning, serta mengevaluasi pengaruh tiga skenario augmentasi data terhadap performa model. Dataset terdiri dari 6.932 citra daun padi dalam lima kelas: Bacterial Blight, Blast, Brown Spot, Tungro, dan Sehat, dengan rasio pembagian data 70:15:15 untuk pelatihan, validasi, dan pengujian. Tahap preprocessing meliputi resize ke ukuran 224×224 piksel (B0) dan 240×240 piksel (B1), normalisasi piksel, serta augmentasi data berupa rotasi, horizontal flip, zoom, dan penyesuaian kecerahan. Pelatihan dilakukan dalam dua fase, yaitu freezing dan fine-tuning, menggunakan optimizer Adam dengan learning rate 1×10?. Pelatihan dilengkapi mekanisme model checkpoint, EarlyStopping, dan ReduceLROnPlateau. Evaluasi dilakukan pada tiga skenario augmentasi: tanpa augmentasi (Skenario 1), augmentasi parsial kelas Sehat ke 1.300 citra (Skenario 2), dan augmentasi seluruh kelas ke 1.600 citra (Skenario 3). Pada evaluasi baseline (Skenario 1), EfficientNet-B0 mencapai akurasi 99,52?n EfficientNet-B1 mencapai akurasi 99,90%. Performa terbaik EfficientNet-B0 diperoleh pada Skenario 3 dengan akurasi 99,75%, sedangkan EfficientNet-B1 mencapai performa puncak pada Skenario 2 dengan akurasi sempurna 100,00%. EfficientNet-B1 mengungguli EfficientNet-B0 di seluruh skenario dan metrik evaluasi, menjadikannya pilihan terbaik untuk aplikasi yang memprioritaskan akurasi tinggi. Sementara itu, EfficientNet-B0 tetap kompetitif untuk implementasi pada perangkat dengan sumber daya komputasi terbatas.

Mutagenesis kimia menggunakan Ethyl Methane Sulfonate (EMS) merupakan salah satu metode utama dalam program pemuliaan tanaman untuk menginduksi keragaman genetik secara terkontrol. Informasi mengenai parameter perlakuan EMS, meliputi dosis, organisme target, gen yang bermutasi, dan fenotipe, tersebar dalam ribuan literatur ilmiah yang tidak terstruktur sehingga sulit diakses secara efisien oleh peneliti pemuliaan tanaman. Penelitian ini mengembangkan sistem ekstraksi informasi otomatis berbasis model Bidirectional Encoder Representations from Transformers (BERT), khususnya BioBERT, yang di-fine-tune untuk tugas Named Entity Recognition (NER) pada domain mutagenesis EMS. Untuk mengatasi keterbatasan data berlabel (data scarcity) yang menjadi hambatan utama pada domain biologi molekuler, penelitian ini mengintegrasikan pendekatan Active Learning dengan mekanisme pseudo-labeling berbasis Teacher-Student Model. Melalui delapan siklus Active Learning, data latih berkembang secara otomatis dari 1.252 kalimat anotasi manual menjadi 12.037 kalimat berkualitas tinggi. Model yang dihasilkan mencapai F1-Score keseluruhan sebesar 93,13% (Precision 92,54%, Recall 93,72%) pada evaluasi Strict Exact Match. Performa per entitas menunjukkan F1-Score sebesar 95% untuk kelas GEN, 93% untuk ORGANISME, 91% untuk FENOTIPE, dan 90% untuk DOSIS. Sistem diimplementasikan dalam arsitektur Microservices yang mengintegrasikan Laravel sebagai frontend dan Flask API sebagai backend kecerdasan buatan, dilengkapi mekanisme Continuous Learning (Data Flywheel) yang memungkinkan sistem terus berkembang seiring intensitas penggunaannya. Hasil penelitian membuktikan bahwa pendekatan text mining berbasis BioBERT dapat diandalkan sebagai alat bantu yang efektif untuk merangkum pengetahuan mutagenesis EMS secara komprehensif dari literatur ilmiah tanpa memerlukan pembacaan manual.

Pengembangan Prototipe Otomasi Kontrol Suhu serta Kelembapan Kandang Anak Ayam Bangkok Ekor Lidi Berbasis IoT dengan Logika Fuzzy dan Sistem Backup Daya, Ahmad Azizul Amin, NIM E31232356, Tahun 2026, 115 hlm, Jurusan Teknologi Informasi, Politeknik Negeri Jember, Dwi Putro Sarwo Setyohadi, S.Kom., M.Kom. (Dosen Pembimbing). Peternakan ayam Bangkok ekor lidi memiliki potensi ekonomi yang tinggi, namun sangat bergantung pada kestabilan suhu dan kelembapan kandang. Kondisi lingkungan yang tidak optimal dapat menyebabkan stres, mengganggu pertumbuhan, hingga meningkatkan risiko kematian pada anak ayam. Selama ini, proses pemantauan masih dilakukan secara manual, sehingga kurang efisien dan berpotensi menimbulkan ketidakstabilan kondisi kandang. Untuk mengatasi permasalahan tersebut, dirancang sistem otomasi kontrol suhu dan kelembapan berbasis Internet of Things (IoT) dengan metode logika fuzzy. Sistem ini menggunakan sensor DHT22 untuk membaca kondisi lingkungan, mikrokontroler ESP32 sebagai pengolah data, serta Firebase sebagai media penyimpanan dan pemantauan data secara real-time melalui aplikasi mobile BroodGuard. Pengembangan sistem dilakukan menggunakan metode waterfall yang meliputi tahap analisis kebutuhan, perancangan model fuzzy, implementasi perangkat keras dan perangkat lunak, serta pengujian sistem dalam mode otomatis dan manual. Logika fuzzy digunakan untuk mengatur kerja aktuator seperti kipas dan lampu secara adaptif berdasarkan nilai suhu dan kelembapan yang terdeteksi. Dengan adanya sistem ini, diharapkan dapat membantu menjaga kestabilan lingkungan kandang, meningkatkan kesehatan dan pertumbuhan ayam, serta menekan risiko kematian. Meskipun demikian, sistem yang dikembangkan masih dalam tahap prototype dan penerapannya masih terbatas pada skala kecil.

AuthLap Smart System: Otomatisasi Proses Peminjaman Laptop YEMI dan Monitoring Laptop Usage Outside Authorization Control di PT. Yamaha Electronics Manufacturing Indonesia, Rasyidah Aisy Ariyanto, NIM E41220015, Tahun 2025, 68 hlm, Teknologi Informasi, Politeknik Negeri Jember, Dhony Manggala Putra, S.E,. M.M. (Dosen Pembimbing). Program magang studi Teknik Informatika bertujuan untuk menyelaraskan teori akademik dengan praktik kerja di dunia industri. Melalui program magang, mahasiswa memperoleh pengalaman langsung dalam lingkungan kerja professional serta mengembangkan kompetensi teknis dan non teknis. PT. Yamaha Electronics Manufacturing Indonesia (YEMI) dipilih sebagai lokasi magang karena relevansinya dengan bidang pengembangan sistem informasi, otomatisasi dan keamanan asset teknologi informasi. Selama pelaksanaan magang, mahasiswa terlibat dalam pengembangan AuthLap System yaitu sistem yang dirancang untuk mengotomatisasi proses peminjaman dan pengembalian laptop internal serta memonitor penggunaan laptop di luar otorisasi perusahaan. Alur sistem dimulai dari pengajuan peminjaman secara otomatis, hingga pemantauan penggunaan laptop. Sistem ini mampu mendeteksi dan mencatat aktivitas penggunaan laptop di luar area atau ketentuan yang telah ditetapkan. Secara keseluruhan, pengembangan AuthLap System menjadi solusi inovatif yang terintegrasi dalam pengelolaan peminjaman dan penggunaan laptop di PT. Yamaha Electronis Manufacturing Indonesia (YEMI). Sistem ini mampu mengotomatisasi proses administrasi peminjaman sekaligus menyediakan fungsi monitoring penggunaan laptop di luar otorisasi, sehingga meningkatkan keamanan asset teknologi informasi perusahaan. Dengan penerapan AuthLap System pengelolaan asset laptop menjadi lebih terstruktur, efisien serta mendukung upaya perusahaan dalam menjaga akuntabilitas dan keamanan asset IT secara berkelanjutan.

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 Buduran, 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 Japfa Security System yang bertujuan untuk meningkatkan efisiensi pencatatan tamu dan keamanan perusahaan yang dimana banyak visitor atau tamu lainnya yang tidak gampang keluar masuk perusahaan kecuali ada izin temu dengan orang” kantor yang di tuju. 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 Japfa Security System 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.

Permasalahan pengelolaan data operasional perkebunan tebu di Desa Karangrejo, Jember masih dilakukan secara manual menggunakan pencatatan fisik. Metode tersebut memiliki berbagai kelemahan, seperti risiko kehilangan data, kesalahan pencatatan, serta rendahnya efisiensi dalam pengolahan informasi. Selain itu, belum adanya integrasi data cuaca dalam sistem pengelolaan menjadi kendala dalam mendukung pengambilan keputusan yang tepat. Penelitian ini bertujuan untuk mengembangkan Sistem Manajemen Perkebunan Tebu berbasis web (SIMPERTEBU) guna meningkatkan efisiensi dan efektivitas pengelolaan data. Sistem dibangun menggunakan Firebase sebagai backend, meliputi Authentication untuk keamanan dan Realtime Database untuk pengelolaan data, serta terintegrasi dengan API OpenWeather untuk menyediakan informasi cuaca secara real-time. Hasil penelitian menunjukkan bahwa sistem mampu mengintegrasikan data lahan, aktivitas, biaya, dan cuaca dalam satu platform. Sistem ini meningkatkan efisiensi pencatatan dan pelaporan, serta menyajikan data dalam bentuk visual yang lebih informatif. Dengan demikian, SIMPERTEBU dapat menjadi solusi efektif untuk meningkatkan akurasi data, kemudahan akses, dan mendukung pengambilan keputusan berbasis data dalam pengelolaan perkebunan tebu.

Banjir merupakan salah bencana alam yang paling sering terjadi di Indonesia. Becana ini memilki berbagai dampak yang signifikan dalam berbagai aspek, mulai dari aspek sosial, ekonomi, hingga lingkungan. Oleh karena itu, diperlukan sistem peringatan dini yang mampu memberikan prediksi secara akurat sebagai upaya mitigasi preventif. Penelitian ini bertujuan untuk mengembangkan sistem prediksi daerah rawan bencana banjir yang diterapkan pada website bernama "Smart Mitigation" menggunakan medel machine learning Long Short-Term Memory (LSTM) dan Random Forest. Data yang digunakan dalam platform ini memiliki karakteristik non-linear, fluktuatif, serta memiliki ketergantungan temporal. Proses pengolahan data antara lain meliputi preprocessing, feature engineering, serta data augmentation untuk mengatasi imbalance data. Model yang dibangun kemudian diintegrasikan ke dalam aplikasi sebagai fitur utama dalam mendukung mitigasi bencana. Hasil penelitian menunjukan bahwa pendekatan machine learning mampu memberikan performa prediksi yang baik dan dapat dimanfaatkan sebagai sistem pendukung keputusan dalam mitigasi banjir. Model ini memperoleh accuracy sebesar 96,67%, precision sebesar 100%, recall sebesar 83,33%, F1-score sebesar 0,9091, serta ROC-AUC tertinggi yaitu 0,9792. Dengan adanya sistem ini, diharapkan dapat meningkatkan kesiapsiagaan masyarakat dan membantu pihak terkait dalam mengambil langkah preventif sebelum terjadinya bencana.