Demam berdarah Dengue (DBD) masih menjadi masalah kesehatan utama di Indonesia. Kabupaten Jember mencatat 1.627 kasus pada tahun 2024, dengan Angka Bebas Jentik (ABJ) hanya mencapai rata-rata 92%, di bawah standar nasional >95%. Penelitian ini mengembangkan sistem deteksi jentik nyamuk otomatis menggunakan metode Deep Learning berbasis CNN dan GRU. Fitur visual diekstraksi melalui model InceptionV3, kemudian dianalisis secara sekuensial oleh GRU untuk klasifikasi larva. Hasil menunjukkan model mencapai akurasi pelatihan dan pengujian dengan performa optimal pada epoch ke-20 sebesar 99.19%, loss 0.0419. Jika dibandingkan dengan metode sebelumnya (AOA) yang hanya mencapai 84%, pendekatan ini terbukti lebih akurat dan tahan terhadap variasi kondisi data. Sistem ini berpotensi mendukung pemantauan larva secara otomatis untuk pengendalian DBD yang lebih efektif dan efisien.

MEMBANGUN APLIKASI WEB UNTUK MANAJEMEN DATA DI UNIT KERJA DIREKTORAT 31 (D31) BADAN SIBER DAN SANDI NEGARA (BSSN) BERBASIS FRAMEWORK LARAVEL, Angga Raksa Prabaswara Putra, NIM.E41212297, Tahun 2025, Teknik Informatika Teknologi Informasi, Politeknik Negeri Jember, Bapak Hermawan Arief Putranto, ST, MT(Pembimbing utama), Badan Siber Dan Sandi Negara (BSSN), Badan Siber dan Sandi Negara (BSSN) adalah lembaga pemerintah Republik Indonesia yang merupakan transformasi dari Lembaga Sandi Negara yang didirikan sejak 4 April 1946 dan berubah nama pada Mei 2017. Sebagian kewenangan lembaga ini juga berasal dari Direktorat Keamanan Informasi dan Indonesia Security Incident Response Team on Internet Infrastructure (ID-SIRTII) yang berasal dari Kementerian Komunikasi dan Informatika. Lembaga ini bertugas melaksanakan keamanan siber dan persandian secara efektif dan efisien dengan memanfaatkan, mengembangkan, dan mengonsolidasikan semua unsur yang terkait dengan keamanan siber dan sandi. Pengelolaan data yang efisien dan terstruktur menjadi kebutuhan utama, terutama bagi Unit Kerja Direktorat 31 (D31) Badan Siber dan Sandi Negara (BSSN), yang bertanggung jawab atas keamanan informasi nasional. Untuk mendukung kebutuhan tersebut, aplikasi berbasis framework Laravel dikembangkan sebagai solusi. Laravel dipilih karena menawarkan berbagai fitur unggulan seperti keamanan data yang andal. Aplikasi ini dirancang untuk mengelola data dengan efisien melalui fitur seperti sistem otentikasi, dashboard interaktif, pencarian data terstruktur, dan pengelolaan data berbasis kategori. Proyek ini bertujuan untuk meningkatkan efisiensi operasional, mengurangi risiko kesalahan, dan menjaga keamanan data sesuai standar yang diterapkan oleh BSSN. Pengembangan dilakukan dengan dukungan kegiatan seperti rapat mingguan, mentoring, dan pembekalan untuk memastikan keberhasilan implementasi aplikasi.

Penelitian ini bertujuan untuk merancang dan mengembangkan sistem berbasis teknologi yang mampu memantau serta mengklasifikasikan tingkat kesuburan lahan guna menentukan kecocokan lahan terhadap tanaman padi. Sistem ini hadir sebagai solusi atas keterbatasan pemahaman petani mengenai kondisi tanah yang sesuai untuk jenis tanaman tertentu, yang sering menjadi penyebab utama kegagalan dalam usaha pertanian. Parameter utama yang diamati meliputi kandungan unsur hara seperti Nitrogen (N), Fosfor (P), Kalium (K), serta kondisi lingkungan seperti suhu, kelembaban, dan pH tanah. Teknologi Internet of Things (IoT) digunakan untuk mengumpulkan data secara real-time, sementara algoritma Support Vector Machine (SVM) diterapkan untuk mengklasifikasikan tingkat kesuburan lahan berdasarkan data tersebut. Hasil dari sistem ini diharapkan dapat membantu petani dalam mengambil keputusan yang lebih tepat dalam pengelolaan lahan dan meningkatkan produktivitas pertanian, khususnya dalam budidaya tanaman padi.

Penelitian ini bertujuan untuk merancang dan mengimplementasikan prototipe sistem kontrol atap otomatis berbasis logika fuzzy metode Sugeno guna mengoptimalkan pertumbuhan selada hidroponik. Sistem dirancang dengan dua mekanisme output berbeda, yaitu output sudut bukaan (0°–90°) dan output geser linear (buka-tutup penuh), yang disesuaikan berdasarkan kondisi suhu, intensitas cahaya, dan curah hujan secara real-time. Sensor DHT11, BH1750, dan sensor hujan digunakan untuk membaca kondisi lingkungan, sementara pengolahan data dilakukan melalui mikrokontroler ESP8266 yang terhubung ke Firebase dan aplikasi Flutter. Fuzzifikasi dilakukan terhadap tiga variabel input: suhu (rendah, normal, tinggi), cahaya (rendah, sedang, tinggi), dan hujan (hujan, tidak hujan), dengan 10 aturan fuzzy Sugeno yang menentukan respon sistem. Hasil pengujian menunjukkan bahwa sistem dengan output sudut memiliki akurasi lebih tinggi, yaitu 99,26% dengan MAPE 0,74%, dibandingkan sistem geser dengan akurasi 95,83% dan MAPE 4,17%. Kedua sistem terbukti mampu merespons kondisi lingkungan secara adaptif dan konsisten, serta berpotensi diterapkan dalam pertanian hidroponik berbasis IoT untuk mendukung efisiensi budidaya tanaman sensitif seperti selada.

Produktivitas ayam ras petelur sangat dipengaruhi oleh kondisi lingkungan kandang, seperti suhu, kelembaban, dan kadar gas amonia. Ketidakseimbangan faktor-faktor ini dapat menyebabkan penurunan kesehatan ayam dan hasil produksi. Penelitian ini dilakukan di Peternakan Rizqie, Jember, yang menghadapi kendala dalam pemantauan dan pengendalian kondisi lingkungan kandang secara efektif. Untuk itu, dikembangkan sistem otomasi dan monitoring berbasis Internet of Things (IoT) yang terintegrasi dengan aplikasi mobile. Sistem ini memanfaatkan mikrokontroler ESP32 yang dilengkapi sensor DHT22 untuk pengukuran suhu dan kelembaban, serta sensor MQ-135 untuk deteksi gas amonia. Data lingkungan dikirimkan secara real-time ke aplikasi mobile yang dirancang menggunakan framework Flutter dan terhubung dengan Firebase sebagai basis data. Sistem ini juga mendukung otomatisasi pengendalian, seperti penyemprotan cairan probiotik ketika parameter lingkungan melebihi batas aman. Hasil pengujian di lapangan menunjukkan adanya peningkatan efisiensi pemantauan, penurunan waktu kerja harian, serta kontribusi terhadap kenaikan produktivitas telur dan profit mitra sebesar 30,7%. Rata-rata profit mitra meningkat dari 5,8 juta rupiah per bulan menjadi 7,6 juta rupiah per bulan setelah implementasi sistem.

Analisis sentimen terhadap topik program makan siang gratis di Indonesia merupakan program yang baru dilaksanakan pada tanggal 6 Januari 2025. Program baru ini merupakan janji dari calon kandidat Presiden Prabowo dan Wakil Presiden Gibran Rakabuming Raka. Dengan adanya program baru tersebut dapat menarik perhatian masyarakat Indonesia. Program ini menegaskan komitmennya dalam mensejahterakan sosial dan mengurangi masalah ekonomi yang dihadapi masyarakat Indonesia. Seiring bertambahnay zaman, teknologi pada Indoneisa semakin maju, khususnya pada media sosial yaitu X. Dalam penelitian ini, menggunakan data yang diambil dari media sosial X sebanyak 1.171 data tweet dan dibagi menjadi 2 kategori yaitu sentimen positif sebanyak 620 data tweet dan sentimen negatif sebanyak 551 data tweet. Pengolahan data tersebut melewati beberapa tahapan diantaranya pre-processing yang meliputi cleaning data, case folding, word normalization, stopword removal, stemming data, dan tokenize, labelisasi, pemobobotan TF-IDF. Hasil yang didapatkan pada analisis sentimen dengan menggunakan metode Naïve Bayes Classifier mendapatkan hasil akurasi sebesar 75.32%, dengan presisi sebesar 72.46%, recall sebesar 74.82%, dan F1-score sebesar 74.94%. dengan adanya hasil yang didapatkan dengan menggunakan metode Naïve Bayes Classifier menunjukkan bahwa model tersebut cukup baik dalam pengklasifikasian sentimen tweet.

Tingkat kemacetan di Indonesia sangat tinggi, khususnya di kota besar salah satunya yiatu Malang. Karena pesatnya peningkatan jumlah kendaraan, maka volume lalu lintas kendaraan di jalan raya pun semakin meningkat. Sebaliknya, lebar jalan yang tidak memadai mengakibatkan kemacetan jalan, khususnya di wilayah perkotaan untuk memantau tingkat kemacetan pada ruas jalan tertentu dapat memanfaatkan CCTV. Penelitian ini bertujuan untuk mendeteksi kemacetan kendaraan bermotor secara otomatis dengan menggunakan metode YOLO. Metode ini mendeteksi objek secara real-time dengan akurasi tinggi. Proses ini dimulai dari pengumpulan data berupa gambar atau video kendaraan, pelatihan model YOLO, serta implementasi sistem untuk mengklasifikasi tingkat kemacetan berdasarkan jumlah kendaraan yang terdeteksi. Hasil pengujian menunjukkan bahwa sistem dapat mendeteksi kendaraan dengan akurasi yang baik dan mengidentifikasi kemacetan pada persimpangan lampu merah secara otomatis.

Kegiatan magang di Politeknik Negeri Jember ini merupakan kegiatan yang wajib diikuti oleh mahasiswa yang menempuh semester 7 dengan durasi minimal 4 bulan. Tujuan melakukan kegiatan magang yaitu untuk dijadikan suatu pengalaman serta menambah wawasan dan juga keterampilan yang mengasah mahasiswa sesuai dengan bidangnya pada lingkungan dunia kerja. Pelaksanaan magang ini dilakukan di Instansi Badan Amil Zakat Nasional (BAZNAS) yang berlokasi di Jl. Matraman Raya No.134, Kb. Manggis, Kec. Matraman, Kota Jakarta Timur, Daerah Khusus Ibukota Jakarta 13150. Pelaksaan magang dapat dilakukan secara offline selama kegiatan berlangsung dengan jadwal kerja pada hari Senin hingga Jum’at pada pukul 08.00 - 17.00. Selama kegiatan magang berlangsung di BAZNAS ditugaskan dalam project melakukan pengembangan aplikasi presensi SiMBALITE yang berbasis mobile. Presensi ini dapat mempermudah seseorang dalam melakukan kegiatan di Instansi. Presensi dilakukan dengan kategori melakukan presensi berjarak 5Km dan tidak dapat menggunakan fake GPS. Presensi dikembangkan tidak hanya untuk sistem yang dapat mencatat waktu tetapi juga dapat mengontrol serta memanajemen sumber daya manusia yang modern serta efektif.