Pengembangan Aplikasi Android Untuk Monitoring Dan Kontrol Real-Time Budidaya Jamur Tiram Antirogo Berbasis Internet of Things, Bima Satria Buana E32230206, Tahun 2026, Teknik Komputer, Teknologi Informasi, Politeknik Negeri Jember, Ir. Surateno, S.Kom., M.Kom., (Dosen Pembimbing) Perkembangan teknologi Internet of Things mendorong penerapan sistem digital dalam sektor pertanian, termasuk pada budidaya jamur tiram. Proses budidaya jamur tiram memerlukan pemantauan dan pengendalian kondisi lingkungan secara tepat agar pertumbuhan jamur dapat berlangsung optimal. Penggunaan aplikasi berbasis perangkat mobile menjadi salah satu solusi untuk mempermudah proses monitoring dan kontrol lingkungan budidaya secara praktis dan fleksibel. Proyek ini membahas pengembangan aplikasi Android yang digunakan untuk melakukan monitoring dan kontrol kondisi budidaya jamur tiram Antirogo secara real-time. Aplikasi dirancang sebagai antarmuka mitra yang terhubung dengan sistem budidaya berbasis Internet of Things, sehingga mitra dapat memantau data lingkungan serta melakukan pengendalian sistem dari jarak jauh melalui perangkat Android. Pengembangan aplikasi Android ini diharapkan dapat memberikan gambaran mengenai pemanfaatan teknologi mobile dan Internet of Things dalam mendukung pengelolaan budidaya jamur tiram. Ringkasan ini menjelaskan ruang lingkup dan tujuan proyek sebagai upaya penerapan sistem monitoring dan kontrol yang lebih modern, terintegrasi, dan mudah diakses oleh mitra.

Perkembangan teknologi keamanan mendorong penggunaan sistem autentikasi yang lebih aman dibandingkan kunci konvensional yang rentan terhadap kehilangan, pencurian, dan duplikasi. Salah satu solusi yang dapat diterapkan adalah sistem keamanan berbasis biometrik yang memanfaatkan karakteristik unik setiap individu. Pada tugas akhir ini dirancang dan diimplementasikan sistem pintu otomatis berbasis biometrik menggunakan pengenalan suara dan pengenalan wajah sebagai mekanisme autentikasi. Sistem menggunakan ESP32-S3 WROOM N16R8 dengan kamera OV2640 untuk akuisisi wajah dan sensor mikrofon INMP441 untuk perekaman suara. Proses autentikasi dilakukan melalui dua tahap, yaitu voice identification menggunakan Whisper dan face verification menggunakan DeepFace dengan model FaceNet. Sistem terdiri dari unit outdoor dan unit indoor yang berkomunikasi menggunakan modul nRF24L01. Unit outdoor bertugas melakukan autentikasi pengguna, sedangkan unit indoor mengendalikan relay dan solenoid door lock sebagai mekanisme pembuka pintu. Selain itu, sistem terintegrasi dengan aplikasi berbasis web menggunakan Laravel dan Supabase untuk pengelolaan data pengguna dan pencatatan riwayat akses. Apabila identifikasi suara dan verifikasi wajah berhasil, sistem akan mengirimkan perintah untuk membuka kunci pintu secara otomatis. Sebaliknya, apabila salah satu proses autentikasi gagal, akses akan ditolak. Sistem yang dikembangkan diharapkan mampu meningkatkan keamanan akses ruangan serta mempermudah pengelolaan pengguna secara terintegrasi.

Perawatan tanaman multi-pot sering kali kurang efektif karena kebutuhan air setiap tanaman berbeda, sementara penyiraman manual cenderung dilakukan secara merata dan terkendala keterbatasan waktu pemilik. Untuk mengatasi masalah tersebut, penelitian ini merancang dan membangun sistem penyiraman otomatis berbasis Internet of Things (IoT) dengan memanfaatkan sensor kelembapan tanah dan pengaturan waktu sebagai pengendali utama. Sistem ini dirancang terintegrasi dengan web server agar dapat dipantau dan dikendalikan secara jarak jauh. Hasil dari tugas akhir ini diharapkan mampu menghasilkan sistem perawatan tanaman yang efisien, terstruktur, serta menjadi alternatif solusi otomasi berbasis IoT untuk skala rumah tangga maupun industri kecil.

Laporan magang ini disusun untuk mendeskripsikan pelaksanaan kegiatan magang di Lembaga Penyiaran Publik Radio Republik Indonesia (LPP RRI) Jember yang berfokus pada implementasi backend Pada Sistem Pelaporan Dokumen Kehilangan (SILAPOR) Menggunakan Framework Laravel. Kegiatan magang dilaksanakan selama empat bulan, terhitung sejak 19 Agustus hingga 20 Desember 2024, sebagai salah satu bentuk penerapan ilmu yang telah diperoleh selama perkuliahan sekaligus meningkatkan kompetensi mahasiswa di bidang Teknologi Informasi. Pelaksanaan magang diawali dengan pengenalan lingkungan kerja, observasi sistem, serta pembelajaran teknologi yang digunakan, seperti Laravel, konsep Model View Controller (MVC), WinSCP, Group Middleware, dan Bootstrap. Selanjutnya dilakukan analisis kebutuhan sistem, perancangan basis data, serta implementasi backend pada website SILAPOR. Implementasi meliputi pengembangan fitur dashboard, manajemen pengguna, kategori, data pelapor kehilangan, data kehilangan, dan transaksi beserta proses CRUD, pengelolaan route, controller, validasi data, serta pembuatan laporan dalam format PDF. Berdasarkan hasil implementasi yang telah dilakukan, backend website SILAPOR dapat berjalan sesuai kebutuhan sistem sehingga mampu mendukung proses pelaporan dokumen kehilangan secara lebih cepat, terstruktur, dan efisien dibandingkan sistem manual sebelumnya. Selain melaksanakan kegiatan teknis, mahasiswa magang juga mengikuti berbagai kegiatan institusi di lingkungan LPP RRI Jember. Secara keseluruhan, kegiatan magang ini memberikan pengalaman kerja nyata dalam pengembangan aplikasi berbasis website, meningkatkan kemampuan teknis di bidang backend development, serta memberikan kontribusi bagi LPP RRI Jember melalui pengembangan sistem yang mendukung peningkatan kualitas pelayanan publik.

Pelaksanaan ujian sekolah di MA Manbaul Ulum saat ini masih menggunakan aplikasi Madrasah CBT pihak ketiga yang berbayar dan terbatas, serta belum dilengkapi fitur analisis tingkat kesulitan soal secara objektif, sehingga penentuan tingkat kesulitan masih bergantung pada pertimbangan subjektif guru. Penelitian ini bertujuan mengembangkan sistem bank soal berbasis website yang mampu mengelompokkan dan mengklasifikasikan tingkat kesulitan soal menggunakan algoritma K-Means Clustering dan Naive Bayes. Sistem dikembangkan dengan model Waterfall melalui tahapan analisis kebutuhan, perancangan, implementasi menggunakan Laravel dan MySQL, pengujian, serta pemeliharaan. K-Means Clustering digunakan untuk mengelompokkan soal ke dalam tiga klaster (Mudah, Sedang, Sulit) berdasarkan persentase jawaban benar dan rata-rata waktu pengerjaan, sedangkan hasil klaster tersebut dijadikan data latih bagi algoritma Naive Bayes untuk mengklasifikasikan tingkat kesulitan soal baru secara otomatis. Pengujian dilakukan terhadap 160 butir soal mata pelajaran Matematika dan Bahasa Indonesia yang dikerjakan oleh 22 siswa kelas XII. Hasil pengujian menunjukkan K-Means konvergen bahasa Indonesia iterasi ke-2 sedangkan konvergen pada iterasi ke-4 untuk Matematika dengan distribusi 30% Mudah, 40% Sedang, dan 30% Sulit serta untuk bahasa Indonesia dengan distribusi 13% mudah, 58% sedang, 27% sulit, sementara model Naive Bayes mencapai akurasi 90,00% (F1-Score 0,8963) untuk Matematika dan 90,91% (F1-Score 0,8633) untuk Bahasa Indonesia. Perbandingan label guru dan sistem menunjukkan tingkat kesesuaian 72,5% untuk yang matematika dan untuk bahasa indonesia 85.0%. Hasil Black Box Testing menunjukkan seluruh fitur berfungsi sesuai kebutuhan, dan User Acceptance Testing (UAT) menyatakan sistem layak digunakan. Penelitian ini membuktikan bahwa kombinasi K-Means Clustering dan Naive Bayes efektif menghasilkan sistem deteksi tingkat kesulitan soal yang objektif, otomatis, dan berbasis data hasil pengerjaan siswa.

Kecemasan merupakan kondisi psikologis yang dapat memengaruhi kualitas hidup dan produktivitas seseorang. Penelitian ini mengembangkan Smart-Anxiety, sebuah sistem berbasis web untuk mengklasifikasikan tingkat kecemasan menggunakan data pergerakan mata (eye tracking) dan kuesioner State-Trait Anxiety Inventory (STAI-T). Data pergerakan mata dikumpulkan saat peserta mengerjakan tes, kemudian diproses melalui ekstraksi fitur, seperti average velocity, maximum velocity, standard deviation velocity, total distance, fixation ratio, dan unique area count. Selanjutnya, dilakukan perbandingan antara algoritma Random Forest. Hasil pengujian menunjukkan bahwa Random Forest memiliki performa yang baik dengan akurasi 51.16%, sehingga dipilih sebagai model klasifikasi. Model kemudian diintegrasikan ke dalam aplikasi web menggunakan FastAPI untuk melakukan prediksi tingkat kecemasan secara otomatis ke dalam kategori normal, sedang, dan tinggi. Berdasarkan hasil implementasi dan pengujian, sistem Smart-Anxiety dapat berfungsi dengan baik sebagai alat bantu skrining tingkat kecemasan dan diharapkan dapat memberikan informasi tambahan bagi psikolog dalam proses evaluasi kondisi pengguna.

Ketidakstabilan suhu dan kelembapan ruang fermentasi tradisional sering memicu kegagalan produksi tempe akibat fluktuasi cuaca. Penelitian ini bertujuan merancang sistem monitoring dan kendali otomatis berbasis Internet of Things (IoT) dengan metode Fuzzy Logic Mamdani. Sistem dibangun menggunakan ESP32, sensor DHT22, kipas DC 12V, heater 12V 50W, serta website monitoring berbasis Laravel dengan interval pengiriman data setiap 30 detik. Hasil pengujian menunjukkan sensor DHT22 memiliki rata-rata error pembacaan suhu hanya 0,88% terhadap termometer raksa laboratorium. Seluruh fitur hardware dan website dinyatakan 100% valid melalui pengujian blackbox testing. Algoritma Fuzzy Mamdani berjalan sangat presisi dengan rata-rata error komputasi terhadap hitungan manual sebesar 0,234% pada Kipas dan 0,274% pada Heater. Hasil uji komparasi membuktikan sistem mampu menjaga suhu ideal 31,8°C - 33,2°C sehingga tempe matang sempurna tepat dalam waktu 24 jam tanpa overheating. Pengujian User Acceptance Testing (UAT) oleh produsen tempe juga mendapatkan persentase kelayakan sebesar 94,87%. Dengan demikian, sistem ini sukses menjadi solusi untuk membantu memantau ruang produksi jarak jauh dan mengoptimalkan hasil fermentasi tempe.

Sistem Informasi Tracer Study Berbasis Web: Klasifikasi Pekerjaan Alumni Menggunakan Multinomial Logistic Regression (Studi Kasus Prodi Manajemen Informatika), M. Saifullah Yusuf Hilya, NIM E31231077, Tahun 2026, Program Studi Manajemen Informatika, Politeknik Negeri Jember, Pramuditha Shinta Dewi Puspitasari, S.Kom., M.Kom. (Dosen Pembimbing). Klasifikasi pekerjaan alumni pada Program Studi Manajemen Informatika saat ini masih dilakukan secara manual, yang rentan terhadap inkonsistensi pelabelan dan berisiko menurunkan validitas data akreditasi. Penelitian ini bertujuan merancang sistem informasi tracer study berbasis web untuk mengklasifikasikan pekerjaan alumni secara otomatis menggunakan pendekatan secara bertahap menggunakan TF-IDF dan Multinomial Logistic Regression. Sistem dibangun dengan arsitektur decoupled menggunakan Laravel sebagai antarmuka dan FastAPI sebagai backend machine learning. Model dilatih menggunakan data tracer study angkatan 2021–2023, yang mengintegrasikan rule-based keyword matching sebagai klasifikasi tahap pertama dan Multinomial Logistic Regression sebagai mekanisme cadangan. Mekanisme ambang batas keyakinan (confidence threshold) sebesar 0,50 diterapkan untuk mengalihkan prediksi ambigu ke antrean tinjauan manual. Evaluasi menggunakan Hold-Out Test dan K-Fold Cross-Validation menghasilkan Akurasi sebesar 83?n Weighted F1-Score sebesar 0,82. Pengujian Black Box dan User Acceptance Test (UAT) menunjukkan sistem berjalan sesuai ekspektasi dengan tingkat penerimaan pengguna sebesar 81,54%. Sistem ini diharapkan membantu program studi Manajemen Informatika dan CDC dalam memperoleh data serapan lulusan yang terstruktur dan objektif, serta mendukung pelaporan akreditasi melalui mekanisme human-in-the-loop yang andal.