Website JTI Slearn sebagai platform e-learning di Jurusan Teknologi Informasi Politeknik Negeri Jember mengalami penurunan performa saat terjadi lonjakan akses pengguna. Penelitian ini bertujuan menganalisis penerapan load balancing dan horizontal pod autoscaling berbasis Kubernetes dalam meningkatkan kinerja sistem. Implementasi dilakukan menggunakan Kubernetes K3s dengan mekanisme internal load balancing dan Horizontal Pod Autoscaler (HPA). Pengujian dilakukan menggunakan Grafana K6 dengan skenario 100–160 Virtual Users (VUs). Hasil penelitian menunjukkan bahwa sistem HPA mampu meningkatkan throughput dengan gap sebesar 1,20–1,70 request/detik serta menurunkan response time dengan gap sebesar 3,79–4,90 detik dibandingkan sistem Non-HPA pada beban tinggi. Selain itu, HPA mampu mempertahankan error rate yang sama atau lebih rendah pada sebagian besar skenario pengujian. Penerapan Kubernetes terbukti efektif meningkatkan skalabilitas, kestabilan, dan ketersediaan layanan website JTI Slearn.

Pengembangan Website Company Profile Ramada Event Organizer pada PT Multi Power Abadi Menggunakan CMS WordPress, Tasya Nur Putri Widarto, E41232411, Tahun 2026, Teknik Informatika, Teknologi Informasi, Politeknik Negeri Jember, Fatimatuzzahra, S.Kom., M.Kom. (Dosen Pembimbing Magang), M. Iqbal Firmansyah, S.H. (Pembimbing Lapang). Kegiatan magang dilaksanakan di PT Multi Power Abadi, sebuah perusahaan yang bergerak di bidang jasa konstruksi bangunan dan desain interior. Pelaksanaan magang berlangsung selama empat bulan, terhitung sejak 02 Februari 2026 hingga 05 Juni 2026, berlokasi di Jl. Gunung Anyar Tambak IV No. 50, Kec. Gn. Anyar, Surabaya, Jawa Timur, Indonesia. Magang dilakukan secara offline dengan waktu kerja dari Senin sampai Jumat pukul 08.00 hingga 17.00 WIB. Selama kegiatan magang, penulis terlibat dalam proyek pengembangan website company profile Ramada Event Organizer, yang berada di bawah naungan MPA GROUP. Website ini dikembangkan menggunakan CMS WordPress dan page builder Elementor yang berfungsi sebagai media informasi serta katalog layanan jasa event organizer yang ditawarkan oleh perusahaan. Dalam proyek tersebut, penulis berperan sebagai WordPress Developer yang bertanggung jawab dalam penyusunan struktur halaman, penyesuaian tampilan antarmuka (user interface), pengelolaan plugin pendukung, serta melakukan pengujian fungsi website sebelum dipublikasikan. Selain itu, penulis juga melakukan koordinasi dengan tim Digital Marketing agar hasil akhir website sesuai dengan standar branding dan kebutuhan bisnis MPA GROUP.

Jagung merupakan salah satu komoditas pertanian penting di Indonesia. Produksi jagung dapat menurun akibat serangan penyakit pada daun, seperti hawar daun dan karat daun. Proses identifikasi penyakit secara manual masih memiliki beberapa kendala karena membutuhkan waktu, bergantung pada pengalaman pengamat, dan dapat menyebabkan kesalahan identifikasi. Kondisi tersebut menunjukkan perlunya sistem yang dapat membantu proses identifikasi penyakit daun jagung secara cepat dan akurat. Penelitian ini menggunakan metode Convolutional Neural Network (CNN) dengan arsitektur MobileNetV2 berbasis transfer learning untuk mendeteksi penyakit daun jagung. Model yang dikembangkan mampu mengklasifikasikan citra ke dalam empat kelas, yaitu Bukan Jagung, Hawar Daun, Karat Daun, dan Sehat. Evaluasi model dilakukan menggunakan 5-Fold Cross Validation serta pengujian pada data testing dengan metrik accuracy, precision, recall, dan F1-score. Hasil penelitian menunjukkan bahwa model memperoleh rata-rata akurasi cross validation sebesar 99,18% dan akurasi testing sebesar 99,35%. Nilai precision, recall, dan F1-score pada seluruh kelas berada pada rentang 0,99–1,00 yang menunjukkan performa klasifikasi sangat baik. Sistem kemudian diimplementasikan ke dalam website sehingga pengguna dapat melakukan deteksi penyakit daun jagung secara otomatis melalui unggahan gambar. Hasil penelitian menunjukkan bahwa MobileNetV2 berbasis transfer learning mampu mendeteksi penyakit daun jagung secara akurat, cepat, dan efisien.

Penelitian ini bertujuan untuk merancang dan mengimplementasikan sistem monitoring suhu dan kelembapan udara pada sistem aquaponik berbasis Internet of Things (IoT) yang dilengkapi dengan metode K-Nearest Neighbor (KNN) untuk memprediksi kondisi optimal pertumbuhan tanaman. Sistem ini menggunakan sensor DHT22 untuk membaca suhu dan kelembapan udara serta sensor DS18B20 untuk mengukur suhu air. Seluruh data dibaca oleh mikrokontroler NodeMCU ESP8266 dan dikirimkan ke Firebase Realtime Database melalui jaringan internet untuk diproses secara real-time.Data yang diperoleh selanjutnya dilakukan preprocessing dan normalisasi menggunakan metode Min-Max Normalization sebelum digunakan dalam proses klasifikasi. Metode K-Nearest Neighbor (KNN) diterapkan dengan perhitungan jarak Euclidean Distance untuk menentukan kategori kondisi lingkungan aquaponik, yaitu optimal atau tidak optimal. Pengujian dilakukan dengan variasi nilai K = 3, 5, dan 7, dan diperoleh hasil terbaik pada K = 3 dengan tingkat akurasi sebesar 86% berdasarkan evaluasi menggunakan confusion matrix. Hasil penelitian menunjukkan bahwa sistem mampu melakukan monitoring kondisi lingkungan secara real-time sekaligus memberikan hasil prediksi kondisi optimal tanaman dengan cukup akurat. Dengan adanya sistem ini, pengguna dapat memantau kondisi aquaponik dari jarak jauh serta memperoleh informasi yang membantu dalam pengambilan keputusan untuk menjaga kestabilan ekosistem aquaponik.

Penelitian ini bertujuan untuk menganalisis penerapan sistem aquaponik sebagai solusi budidaya yang efisien, mengembangkan model bisnis berbasis Business Model Canvas (BMC), mengukur kinerja keuangan melalui rasio profitabilitas, serta merumuskan strategi keberlanjutan ekonomi. Metode yang digunakan adalah deskriptif kuantitatif dengan memanfaatkan sistem website analisa bisnis aquaponik yang dikembangkan untuk memproses input data keuangan, menghitung Net Profit Margin (NPM) serta Return on Equity (ROE), dan memetakan hasilnya ke dalam 9 elemen BMC berdasarkan simulasi skala usaha kecil, menengah, dan besar. Hasil penelitian menunjukkan bahwa profitabilitas meningkat seiring bertambahnya skala usaha, di mana skala kecil menghasilkan NPM 28?n ROE 13%, skala menengah menghasilkan NPM 49?n ROE 42%, serta skala besar mencapai NPM 86?n ROE 132%. Dapat disimpulkan bahwa integrasi rasio profitabilitas dan BMC mampu memberikan gambaran bisnis yang menyeluruh untuk menentukan strategi yang efektif, sehingga sistem berbasis website ini terbukti valid sebagai solusi pendukung pengambilan keputusan bisnis aquaponik berbasis teknologi finansial.

Sistem absensi manual yang masih digunakan di SMK Taruna Bakti Kertosono memiliki beberapa kelemahan, seperti risiko kesalahan pencatatan, manipulasi kehadiran, proses rekapitulasi yang membutuhkan waktu, serta penyimpanan dokumen fisik yang rentan rusak atau hilang. Penelitian sebelumnya telah mengembangkan absensi berbasis QR Code, RFID, fingerprint, dan geolocation, tetapi masih ditemukan keterbatasan, seperti kebutuhan perangkat tambahan, penggunaan aplikasi pemindai pihak ketiga, tampilan antarmuka yang belum optimal, serta validasi kehadiran yang hanya mengandalkan lokasi tanpa mekanisme tambahan. Penelitian ini bertujuan merancang dan membangun aplikasi absensi siswa berbasis mobile dengan metode Scrum di SMK Taruna Bakti Kertosono menggunakan framework Flutter yang terintegrasi dengan sistem website, dilengkapi pemindaian QR Code bawaan dan validasi lokasi menggunakan GPS. Proses pengembangan dilakukan secara bertahap melalui empat siklus sprint, sedangkan pengujian sistem menggunakan Black-Box Testing tipe Functional dengan teknik Use Case Testing serta Usability Testing dengan metrik Time on Task. Hasil Use Case Testing menunjukkan bahwa seluruh fitur pada sisi siswa dan guru berhasil berjalan sesuai skenario dengan tingkat keberhasilan 100%. Hasil Time on Task menunjukkan bahwa 32 siswa menyelesaikan presensi digital dalam 157 detik dengan rata-rata 4,91 detik per siswa. Fitur yang diuji meliputi autentikasi, jadwal, presensi QR Code, riwayat presensi, perizinan, notifikasi, profil, pengelolaan kehadiran, pelaporan ketidaksesuaian, pengiriman pengumuman, serta aktivitas guru. Hasil tersebut menunjukkan bahwa aplikasi telah memenuhi kebutuhan fungsional sistem dan mendukung proses absensi digital yang lebih efisien, terintegrasi, terarah, serta adaptif melalui penerapan Scrum.

Pemilihan pakaian yang sesuai kerap menjadi tantangan bagi konsumen akibat ketidaksesuaian ukuran dan sulitnya membayangkan tampilan motif kain sebelum pakaian jadi. Data Narvar (2017) menunjukkan sekitar 43% pakaian dikembalikan, dengan 70% penyebabnya adalah ukuran dan warna yang tidak sesuai. Penelitian ini mengembangkan aplikasi Clothfy berbasis Android yang mengimplementasikan augmented reality (AR) metode superimposition-based dan sistem rekomendasi ukuran pakaian secara real-time. Aplikasi menerima masukan berupa foto motif kain serta data fisik pengguna meliputi tinggi badan, berat badan, usia, dan jenis kelamin, kemudian memanfaatkan kalkulasi indeks massa tubuh (IMT) dan estimasi lingkar dada untuk menghasilkan rekomendasi ukuran (S, M, L, XL, XXL) secara otomatis. Motif kain selanjutnya divisualisasikan langsung pada tubuh pengguna melalui kamera depan menggunakan metode superimposition-based AR berbantuan estimasi pose tubuh. Hasil pengujian menunjukkan aplikasi mampu beroperasi stabil pada rentang pencahayaan 43–914 Lux, mencapai rata-rata waktu respons 0,384 detik, serta menghasilkan rekomendasi ukuran dengan tingkat keberhasilan 100% pada seluruh sampel data uji.

Penelitian ini melatarbelakangi pentingnya akurasi takaran kombinasi bahan atraktan pada umpan pancing guna mengoptimalkan hasil tangkapan ikan nila (Oreochromis niloticus) pada kolam pemancingan umum. Selama ini, penentuan takaran bahan umpan seperti essens, bubuk daun kelor, dan Monosodium Glutamat (MSG) masih dilakukan secara konvensional dan spekulatif, sehingga sering kali menghasilkan luaran yang tidak konsisten akibat adanya batas jenuh sensorik (olfactory fatigue) pada ikan. Untuk menyelesaikan permasalahan tersebut, penelitian ini merancang dan membangun sebuah aplikasi sistem informasi optimasi formula umpan dinamis berbasis web bernama NilaOptimizer. Sistem ini mengintegrasikan metode matematika Response Surface Methodology (RSM) orde kedua dengan algoritma aljabar linier Ordinary Least Squares (OLS) pada komponen backend PHP murni untuk memproses pemodelan secara real-time. Rekayasa basis data diimplementasikan menggunakan pendekatan flat table pada RDBMS MySQL melalui server lokal Laragon guna memangkas kompleksitas waktu baca data menjadi O(1) demi mempercepat perulangan algoritma Grid Search dalam memetakan ruang parameter optimal. Hasil pengujian fungsional sistem terhadap data eksperimen lapangan menunjukkan bahwa sistem mampu mengekstrak koefisien regresi model secara valid dengan konstanta intersep sebesar 5,972. Aplikasi ini terbukti andal dalam mengotomatisasi kalkulasi prediksi dengan akurasi tinggi, di mana pengujian data lapangan menghasilkan nilai rata-rata Margin Error yang sangat rendah dan toleran, yaitu berkisar antara 0,45 hingga 1,20 ekor. Pengembangan sistem ini berhasil memberikan solusi digital yang aplikatif dan adaptif dalam membantu para pemancing maupun pengelola perikanan pancing untuk menentukan rekomendasi formula umpan yang presisi.