Teaching Factory JTI Innovation menyediakan berbagai layanan pelatihan dan konsultasi berbasis produksi atau jasa. Kami menawarkan pelatihan praktis yang sesuai dengan standar industri untuk meningkatkan kompetensi dan keterampilan peserta dalam berbagai bidang teknologi dan inovasi. Teaching Factory JTI Innovation telah bekerja sama dengan berbagai instansi dan perusahaan untuk menyediakan solusi teknologi dan inovasi yang terbaik. Teaching Factory JTI Innovation menyediakan berbagai layanan seperti pelatihan, pendampingan, instruktur, magang mahasiswa MBKM, dan Self-Learning.

Budidaya taoge memerlukan kelembapan yang terjaga agar pertumbuhannya optimal. Untuk mengatasi kendala penyiraman manual, dirancang sistem penyiraman otomatis berbasis IoT menggunakan ESP32, sensor kelembapan, dan pompa air. Sistem ini mampu melakukan penyiraman secara otomatis serta menyediakan monitoring kondisi kelembapan dan status penyiraman melalui aplikasi mobile secara real-time.

Penelitian ini bertujuan untuk menganalisis sentimen ulasan pengguna terhadap aplikasi Banyuwangi Smart Kampung di Google Play Store menggunakan metode Multinomial Naive Bayes. Aplikasi Banyuwangi Smart Kampung merupakan layanan pemerintah yang memanfaatkan teknologi informasi untuk meningkatkan kualitas pelayanan publik di desa. Analisis sentimen diperlukan untuk mengetahui persepsi masyarakat terhadap aplikasi Banyuwangi Smart Kampung, terutama terkait dengan kepuasan dan ketidakpuasan pengguna. Data ulasan yang digunakan berjumlah 503 data, yang dibagi dengan proporsi 80:20, di mana 402 data digunakan untuk pelatihan dan 101 data untuk pengujian. Data dikumpulkan melalui teknik scraping dan diproses dengan Pre-Processing serta pembobotan kata menggunakan TF-IDF (Term Frequency – Inverse Document Frequency). Hasil penelitian menunjukkan bahwa model ini memiliki akurasi 94.06% dalam mengklasifikasikan ulasan ke dalam kategori sentimen positif dan negatif. Hasil penelitian ini juga menunjukkan bahwa metode tersebut efektif dan dapat menjadi dasar evaluasi untuk peningkatan layanan aplikasi.

Budidaya jamur tiram memerlukan kondisi lingkungan yang optimal, terutama pada parameter suhu, kelembaban, dan intensitas cahaya. Pengendalian lingkungan secara manual sering kali tidak mampu menjaga kestabilan parameter tersebut secara konsisten sehingga dapat memengaruhi pertumbuhan jamur. Penelitian ini mengimplementasikan metode Adaptive Neuro-Fuzzy Inference System (ANFIS) pada sistem monitoring dan kontrol lingkungan kumbung jamur tiram berbasis Internet of Things (IoT) untuk mengotomatisasi pengendalian kondisi lingkungan. Sistem menggunakan sensor DHT21 dan BH1750 untuk memperoleh data lingkungan serta aktuator berupa kipas, humidifier, dan lampu LED yang dikendalikan oleh ESP32. Model ANFIS dilatih menggunakan 23.101 data dengan tiga variabel input dan tiga fungsi keanggotaan Generalized Bell pada setiap variabel sehingga menghasilkan 27 aturan fuzzy. Hasil pengujian menunjukkan bahwa model ANFIS memperoleh nilai RMSE sebesar 0,0045, MAE sebesar 0,0026, dan R² sebesar 0,9982. Pengujian Black Box Testing menunjukkan seluruh fungsi sistem berjalan dengan tingkat keberhasilan 100%, sedangkan User Acceptance Testing (UAT) memperoleh tingkat kepuasan pengguna sebesar 89,4?ngan kategori sangat baik. Hasil penelitian menunjukkan bahwa metode ANFIS mampu menghasilkan keputusan kontrol lingkungan yang akurat dan adaptif pada budidaya jamur tiram berbasis IoT.

Penelitian ini bertujuan untuk menganalisis sentimen pengguna guna memahami lebih dalam persepsi efektivitas Duolingo sebagai media pembelajaran Bahasa Inggris. Data penelitian terdiri dari 21.560 ulasan yang diperoleh melalui web scraping dari Google Play Store, kemudian diproses melalui tahap preprocessing yang meliputi cleaning text, case folding, normalisasi, tokenization, filtering, dan penghapusan data duplikat. Data kemudian diklasifikasikan ke dalam tiga sentimen, yaitu positif, netral, dan negatif, serta dibagi menjadi data latih dan data uji dengan rasio 80:20. Representasi teks menggunakan FastText embedding berdimensi 300, sedangkan klasifikasi dilakukan menggunakan metode Convolutional Neural Network (CNN) dengan arsitektur multi-kernel. Hasil penelitian menunjukkan bahwa model CNN memperoleh akurasi sebesar 85?ngan macro-average F1-score sebesar 0,74. Hasil analisis menunjukkan bahwa sebagian besar ulasan bersifat positif, yang mengindikasikan Duolingo cukup efektif sebagai media pembelajaran Bahasa Inggris, meskipun masih terdapat keluhan terkait iklan, sistem energi, dan keterbatasan fitur.

Bencana banjir yang kerap melanda berbagai wilayah di Indonesia saat curah hujan tinggi memicu urgensi hadirnya sistem penanganan yang cepat demi meminimalisasi kerusakan lingkungan dan korban jiwa. Menjawab tantangan tersebut, penelitian ini mengembangkan sebuah alat pendeteksi dini banjir berbasis Internet of Things menggunakan mikrokontroler ESP8266 dan sensor ultrasonik untuk memantau fluktuasi ketinggian air. Dimulai dari rancangan ide, perakitan alat, akuisisi data, proses, pengujian hingga implementasi ini mengelompokkan kondisi air ke dalam status aman, waspada, siaga, dan bahaya lewat metode ambang batas threshold. Data yang terbaca oleh sensor akan dikirim secara real time ke Firebase sebagai pusat penyimpanan data monitoring. Ketika air mencapai level kritis, sistem secara otomatis memicu lampu rotator di lokasi sebagai peringatan visual sekaligus mengirimkan notifikasi instan ke aplikasi Telegram pada smartphone pengguna. Hasil pengujian membuktikan bahwa performa alat ini sangat stabil, hemat daya, dan responsif. Lewat kombinasi peringatan fisik dan digital ini, masyarakat diharapkan bisa mendapatkan informasi lebih awal untuk melakukan evakuasi mandiri secara lebih sigap dan cepat.

Perancangan dan Implementasi Dashboard Analisis Sentimen Ulasan Wisatawan untuk Meningkatkan Layanan Pariwisata di Jember, Mufrida Fara Diani, NIM E31231226, Tahun 2026, Teknologi Informasi, Politeknik Negeri Jember, Ir. Wahyu Kurnia Dewanto, S.Kom, MT (Dosen Pembimbing). Perkembangan sektor pariwisata di Kabupaten Jember menunjukkan potensi yang cukup besar, terutama dengan meningkatnya jumlah kunjungan wisatawan pada beberapa destinasi unggulan. Namun, peningkatan kunjungan tersebut perlu diimbangi dengan kualitas layanan yang baik agar wisatawan merasa nyaman dan puas saat berkunjung. Selama ini, pemantauan opini wisatawan masih banyak dilakukan secara manual melalui media sosial, laporan pengelola wisata, maupun ulasan Google Maps. Cara tersebut kurang efektif karena membutuhkan waktu yang lama, berpotensi subjektif, dan belum mampu menyajikan gambaran keluhan wisatawan secara cepat dan terukur. Oleh karena itu, dibangun sebuah dashboard analisis sentimen berbasis web yang dapat membantu Dinas Pariwisata Kabupaten Jember dalam memantau, mengolah, dan memahami ulasan wisatawan secara lebih sistematis. Penelitian ini bertujuan untuk merancang dan mengimplementasikan dashboard analisis sentimen ulasan wisatawan pada destinasi wisata di Kabupaten Jember. Sistem ini digunakan untuk mengidentifikasi pola sentimen wisatawan, mengelompokkan ulasan ke dalam kategori sentimen, serta memberikan rekomendasi layanan berdasarkan hasil analisis data. Fokus penelitian diarahkan pada empat destinasi wisata, yaitu Pantai Papuma, Pantai Watu Ulo, Teluk Love atau Payangan, dan Kebun Teh Gunung Gambir. Selain itu, aspek yang dianalisis meliputi kebersihan, aksesibilitas, fasilitas, dan harga tiket masuk sebagai bagian penting dalam penilaian kualitas layanan pariwisata. Data yang digunakan dalam penelitian ini diperoleh dari ulasan wisatawan pada Google Maps melalui proses web scraping. Setelah data terkumpul, ulasan diproses melalui tahapan text preprocessing agar teks menjadi lebih bersih dan siap dianalisis. Selanjutnya, data teks diubah menjadi bentuk numerik menggunakan metode TF-IDF, kemudian diklasifikasikan menggunakan algoritma Naïve Bayes ke dalam kategori sentimen positif, negatif, dan netral. Sistem dikembangkan dengan metode Waterfall yang terdiri dari tahap analisis kebutuhan, perancangan sistem, implementasi, pengujian, serta penerapan dan pemeliharaan. Dashboard dibangun menggunakan Laravel sebagai framework web, MySQL sebagai basis data, dan Python untuk proses pengambilan serta analisis data ulasan. Berdasarkan hasil implementasi dan pengujian, dashboard yang dibangun mampu menampilkan hasil analisis sentimen dalam bentuk visual yang mudah dipahami, seperti grafik, data ulasan, hasil klasifikasi, riwayat analisis, laporan, serta rekomendasi layanan. Sistem ini juga dapat membantu pihak Dinas Pariwisata dalam melihat kecenderungan opini wisatawan terhadap masing-masing destinasi, terutama terkait aspek layanan yang perlu diperbaiki. Dengan adanya dashboard ini, proses evaluasi layanan pariwisata dapat dilakukan dengan lebih cepat, terstruktur, dan berbasis data, sehingga hasil analisis dapat digunakan sebagai bahan pertimbangan dalam meningkatkan kualitas pengelolaan destinasi wisata di Kabupaten Jember.

Serangan Distributed Denial of Service (DDoS) jenis HTTP(S) Flood menjadi ancaman serius yang menguras sumber daya server dan melumpuhkan ketersediaan layanan. Karakteristik serangan ini mengeksploitasi layer aplikasi dengan mengirimkan volume permintaan dalam jumlah masif. Tanpa perlindungan yang mumpuni, arsitektur backend tradisional akan mengalami saturasi proses pekerja (worker saturation) hingga memicu kelumpuhan total layanan (downtime). Penelitian ini bertujuan menganalisis implementasi arsitektur pertahanan ganda (dual-layer defense) yang mengombinasikan Web Application Firewall (WAF) ModSecurity dan Nginx Caching. Kedua komponen tersebut diintegrasikan secara simultan pada gerbang NGINX Ingress Controller di dalam klaster Kubernetes multi-node. Pengujian dilakukan menggunakan Apache JMeter melalui skenario incremental load testing dan stress testing dengan simulasi beban bertahap hingga 1.000 pengguna virtual (concurrent users) secara simultan. Hasil pengujian membuktikan bahwa penerapan mekanisme mitigasi tunggal menyisakan celah kerentanan kritis, seperti manipulasi cache bypass atau efek bottleneck CPU pada gerbang Ingress. Sebaliknya, kombinasi kedua metode sukses mengisolasi Application Pods dari ancaman downtime, menjaga konsumsi komputasi internal tetap stabil di bawah 25 millicores, dan mencapai tingkat pemblokiran serangan di atas 95,00%. Kendati demikian, ketahanan infrastruktur pada akhirnya dibatasi oleh spesifikasi perangkat keras (2 core CPU host), yang memicu lonjakan anomali Context Switches serta fenomena CPU throttling saat menerima tekanan beban ekstrem.