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.

Penelitian ini membahas tantangan signifikan dalam pelestarian budaya lokal Indonesia, khususnya nilai-nilai dan karakter pewayangan, di tengah dominasi metode pembelajaran pasif serta penetrasi media dan game asing yang masif. Data dari Kemendikbudristek (2024) menunjukkan bahwa 68% pelajar usia sekolah dasar hingga menengah tidak mengenal tokoh Pewayangan dan filosofi pewayangan. Studi sebelumnya telah membuktikan bahwa game edukasi efektif dalam meningkatkan pemahaman budaya dan motivasi belajar. Penelitian ini bertujuan untuk mengembangkan game edukasi bergenre roguelite berjudul "Pewayangan: Loop of Loka" yang mengintegrasikan nilai-nilai Pewayangan ke dalam mekanika permainan yang interaktif dan edukatif. Game ini menargetkan anak-anak dan remaja berusia 12-16 tahun dan berfokus pada transformasi pembelajaran budaya pasif menjadi pengalaman eksploratif dan partisipatif. Metode Game Development Life Cycle (GDLC) dipilih karena pendekatannya yang terstruktur dalam pengembangan game, memastikan produk yang menarik dan mendidik. Game ini mengimplementasikan mekanika roguelite seperti procedural generation, permadeath, dan meta-progression ,sehingga meningkatkan interaktivitas naratif. Setiap karakter Pewayangan (Semar, Gareng, Petruk, Bagong) memiliki gaya bermain dan kemampuan unik yang merefleksikan kepribadian mereka , dan dunia permainan merepresentasikan aspek-aspek rusak dari jagat pewayangan. Tahapan penelitian meliputi identifikasi masalah, studi literatur, pengumpulan data, konsep dan perancangan aplikasi (menggunakan flowchart dan storyboard), implementasi, dan pengujian penerimaan pengguna (User Acceptance Testing). Penelitian ini diharapkan dapat menjadi media edukasi yang efektif dan menarik untuk pelestarian budaya lokal.

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.

Penelitian ini bertujuan untuk menganalisis sentimen opini publik terhadap program Danantara di media sosial Twitter menggunakan algoritma Random Forest. Data dikumpulkan melalui proses crawling sebanyak 3.132 tweet pada periode 24 Februari hingga 30 November 2025. Tahapan pengolahan data meliputi cleaning, pelabelan sentimen berbasis lexicon yang dikoreksi secara manual oleh ahli bahasa, case folding, penghapusan data duplikat sehingga diperoleh 2.560 data, normalisasi, tokenisasi, stopword removal, dan stemming. Data kemudian diubah ke dalam representasi numerik melalui pembobotan kata sebelum dilakukan proses klasifikasi. Evaluasi model dilakukan menggunakan confusion matrix dengan pendekatan k-fold cross validation, di mana hasil terbaik diperoleh pada fold ke-4 dengan selisih terkecil antara akurasi data training dan validasi. Hasil pengujian menunjukkan bahwa algoritma Random Forest menghasilkan akurasi sebesar 85,74% yang menunjukkan kinerja klasifikasi yang cukup baik. Kesalahan klasifikasi masih ditemukan berupa false positive dan false negative yang disebabkan oleh kesalahan hasil voting mayoritas dengan label aktual. Pengembangan dashboard analisis sentimen mampu menyajikan informasi secara ringkas dan informatif serta memudahkan pengguna dalam memahami hasil analisis. Sistem yang dibangun telah berjalan sesuai dengan fungsinya dan mampu menangani input dengan format file yang tidak didukung dengan menampilkan peringatan, sehingga proses tetap berjalan sesuai dengan yang diharapkan