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.

Banjir termasuk bencana hidrometeorologi yang kerap melanda Indonesia dan menyebabkan berbagai dampak terhadap kehidupan masyarakat. Sistem deteksi dini banjir yang ada umumnya masih mengandalkan data historis dan prediksi cuaca sehingga belum mampu memberikan informasi kondisi lapangan secara real-time. Penelitian ini bertujuan untuk merancang dan mengembangkan sistem pemantauan tinggi muka air berbasis web yang terintegrasi dengan teknologi Internet of Things (IoT) guna mendukung deteksi dini banjir secara real-time. Data yang diterima kemudian ditampilkan melalui website yang informatif dan interaktif serta dilengkapi layanan bantuan cerdas berbasis Artificial Intelligence (AI) untuk membantu pengguna memperoleh informasi terkait kondisi banjir. Pada penelitian ini, metode Waterfall dipilih sebagai model pengembangan sistem yang digunakan. Hasil penelitian menunjukkan bahwa sistem mampu menampilkan data ketinggian air secara real-time dan membantu penyampaian informasi banjir kepada masyarakat dalam memperoleh informasi banjir secara lebih cepat dan mudah.

Perancangan dan Implementasi Dashboard Sentimen Netizen X Terhadap Kebijakan Pembatasan Gratis Ongkir dengan Naive Bayes, Nurizzati Adistya Putri, NIM E31232465, Tahun 2026, Teknologi Informasi, Politeknik Negeri Jember, Ir. Wahyu Kurnia Dewanto, S.Kom, MT (Dosen Pembimbing). Perkembangan e-commerce di Indonesia mendorong popularitas fitur gratis ongkos kirim (gratis ongkir) sebagai strategi promosi yang sangat diminati konsumen. Namun, pemerintah melalui Peraturan Menteri Komunikasi dan Digital (Komdigi) Nomor 8 Tahun 2025 membatasi fitur tersebut maksimal 3 hari dalam sebulan demi melindungi kesejahteraan kurir dan menjaga kualitas layanan pengiriman. Kebijakan ini memicu pro dan kontra di masyarakat, khususnya di media sosial X. Belum adanya sistem pemantauan opini publik secara real-time membuat pengambil kebijakan kesulitan membaca persepsi masyarakat secara cepat dan sistematis. Oleh karena itu, dibangun sebuah dashboard analisis sentimen berbasis web yang mengklasifikasikan dan memvisualisasikan opini netizen X terhadap kebijakan tersebut. Penelitian ini bertujuan untuk mengidentifikasi opini netizen X terhadap kebijakan pembatasan gratis ongkir, menerapkan algoritma Naïve Bayes untuk mengklasifikasikan sentimen secara otomatis, serta merancang dashboard interaktif yang menyajikan hasil klasifikasi secara visual dan mudah dipahami. Pengembangan sistem dilakukan menggunakan metode waterfall yang terdiri dari tahap requirement, design, implementation, verification, dan maintenance. Data diperoleh melalui crawling dari media sosial X, kemudian diproses melalui tahap pre-processing meliputi cleansing, case folding, tokenizing, normalisasi, stopword removal, dan stemming. Teks diubah menjadi representasi numerik menggunakan TF-IDF sebelum diklasifikasikan oleh Naïve Bayes ke dalam tiga kategori sentimen: positif, negatif, dan netral. Berdasarkan hasil pengujian, sistem dashboard yang dibangun terbukti berjalan dengan baik dan efektif. Algoritma Naïve Bayes mampu mengklasifikasikan sentimen secara akurat berdasarkan hasil evaluasi confusion matrix dan classification report. Dashboard berhasil menyajikan hasil analisis sentimen secara visual dan interaktif, sehingga memudahkan pihak terkait dalam memahami dan memantau persepsi publik sebagai dasar pengambilan kebijakan yang lebih responsif.

Kecelakaan lalu lintas akibat kondisi kantuk dan microsleep pada pengendara sepeda motor merupakan permasalahan keselamatan yang signifikan di Indonesia, dengan catatan 299.479 kecelakaan pada periode 2023-2024 dan 95% di antaranya disebabkan oleh human error yang mencakup kelelahan, kurang fokus, dan microsleep. Penelitian ini bertujuan merancang dan mengimplementasikan sistem peringatan dini kondisi kantuk berbasis wearable pada helm pengendara sepeda motor menggunakan sensor IMU MPU6050 dan algoritma Support Vector Machine (SVM) untuk deteksi microsleep secara real-time. Pendekatan yang digunakan bersifat eksperimental melalui perancangan perangkat keras berbasis mikrokontroler ESP32 yang terintegrasi pada helm, pengumpulan data gerakan kepala menggunakan metode non-overlapping window berukuran 10 sampel (1 detik pada frekuensi sampling 10 Hz), serta seleksi fitur empat tahap yang meliputi uji signifikansi statistik, analisis Cohen's d, eliminasi redundansi berbasis korelasi, dan Recursive Feature Elimination with Cross-Validation (RFECV). Lima fitur statistik domain waktu terpilih sebagai input model SVM kernel Radial Basis Function (RBF) dengan parameter C=1 dan gamma=1,0, yaitu angleX_max, angleY_min, angleY_mean, gy_min, dan gy_max, yang diekstrak dari dataset sebesar 4.750 sampel. Evaluasi model pada data uji menghasilkan akurasi 92,53?ngan recall kelas microsleep sebesar 92%, sementara pengujian lapangan terhadap 5 subjek dengan 50 simulasi microsleep menghasilkan detection rate sebesar 86?n latensi komputasi rata-rata 21,4 ms per window. Sistem peringatan dini berbasis wearable helm yang dikembangkan menunjukkan kemampuan mendeteksi kondisi microsleep secara real-time dengan performa yang memadai untuk aplikasi keselamatan berkendara, meskipun generalisasi model terhadap variasi jenis kendaraan dan karakteristik fisik pengendara masih memerlukan pengembangan lanjutan melalui diversifikasi data pelatihan.

Perkembangan teknologi kecerdasan buatan, khususnya dalam bidang Computer Vision, membuka peluang terciptanya bentuk interaksi manusia dan komputer yang lebih alami melalui pengenalan gestur tangan atau Hand Gesture Recognition. Namun, implementasinya pada permainan berbasis web secara real-time masih terbatas, sementara penggunaan perangkat input seperti keyboard dan mouse dinilai kurang fleksibel serta membatasi aksesibilitas pengguna. Penelitian ini bertujuan untuk mengembangkan dan menguji sistem Hand Gesture Recognition berbasis kamera yang digunakan sebagai kontrol gerakan pada Snake Game berbasis web. Metode pengembangan sistem yang digunakan dalam penelitian ini adalah model Prototype. Sistem memanfaatkan kamera sebagai media input utama untuk menangkap gestur dan gerakan tangan secara real-time serta pustaka MediaPipe untuk melacak dan mendeteksi 21 titik landmark tangan pengguna. Kontrol permainan dikembangkan menggunakan multi-gestur yang mencakup gestur arah (atas, bawah, kiri, kanan), gestur kursor untuk melakukan aksi seperti menekan tombol dan menggulir halaman (scroll), serta gestur jeda (pause) dengan memanfaatkan perhitungan jarak antara ujung ibu jari dan ujung jari kelingking menggunakan metode Euclidean Distance. Hasil pengujian kinerja sistem menunjukkan bahwa deteksi gestur tangan sangat dipengaruhi oleh faktor kondisi lingkungan. Sistem bekerja secara optimal pada rentang jarak 40 cm hingga 60 cm dengan kondisi pencahayaan yang cukup antara 120 lux hingga 220 lux. Sementara itu, hasil User Acceptance Testing (UAT) dari 20 responden, memperoleh nilai persentase kelayakan sebesar 87,5% yang menunjukkan sistem mampu memberikan pengalaman baru yang interaktif bagi pengguna dalam bermain game berbasis pengenalan gestur tangan.

Penelitian ini bertujuan mengembangkan Sistem Pendukung Keputusan (SPK) pembelian saham berbasis Android untuk membantu investor pemula memilih saham secara objektif dan terstruktur. Sistem ini mengintegrasikan metode Analytic Hierarchy Process (AHP) untuk pembobotan kriteria berdasarkan kuesioner pakar, dan Simple Multi Attribute Rating Technique (SMART) untuk pemeringkatan saham menggunakan data pasar aktual dari Yahoo Finance. Kriteria evaluasi yang digunakan mencakup aspek Return, Risiko, PER, EPS, ROE, Likuiditas, Dividend Yield, dan Kesehatan Finansial. Aplikasi mobile ini dibangun menggunakan framework Flutter, dengan backend Laravel dan modul pengolahan data Python. Hasil evaluasi pakar mengonfirmasi bahwa rekomendasi sistem telah sesuai dengan praktik investasi riil, sementara uji User Acceptance Testing (UAT) menunjukkan aplikasi berfungsi dengan baik dan layak digunakan sebagai alat bantu pengambilan keputusan investasi saham.

Penelitian ini mengembangkan sistem manajemen barang habis pakai berbasis website yang dilengkapi fitur prediksi kebutuhan barang di UDD PMI Jember. Sistem dikembangkan menggunakan metode Waterfall, sedangkan prediksi dilakukan dengan algoritma Random Forest Regression berbasis time series menggunakan data histori pemakaian periode Januari 2020–Mei 2026. Sistem menyediakan fitur prediksi, riwayat prediksi, monitoring hasil prediksi, dan rencana pengadaan barang. Hasil penelitian menunjukkan bahwa sistem dapat membantu pengelolaan persediaan menjadi lebih efektif serta mendukung pengambilan keputusan pengadaan barang.

Penelitian ini bertujuan merancang dan membangun Sistem Informasi Administrasi Kegiatan Organisasi Siswa berbasis web di SMA Negeri 1 Paiton untuk mengatasi proses administrasi yang masih dilakukan secara manual. Sistem dikembangkan menggunakan metode Waterfall, framework Laravel, bahasa pemrograman PHP, dan database MySQL. Sistem memiliki tiga jenis pengguna, yaitu admin, pembina organisasi, dan ketua organisasi, dengan fitur pengelolaan organisasi, pengajuan dan validasi kegiatan, notifikasi, laporan, serta dokumentasi kegiatan. Hasil pengujian Black Box Testing menunjukkan seluruh fungsi sistem berjalan dengan baik, sedangkan User Acceptance Test (UAT) memperoleh nilai 94,53%, sehingga sistem dinilai sangat baik dan mampu meningkatkan efektivitas serta efisiensi pengelolaan administrasi kegiatan organisasi siswa.