Seiring bertambahnya usia, penurunan fungsi motorik pada lanjut usia (lansia) meningkatkan risiko insiden jatuh secara signifikan. Insiden ini dapat berakibat fatal apabila korban tidak segera mendapatkan penanganan medis akibat ketiadaan pengawasan. Penelitian ini bertujuan untuk merancang dan mengimplementasikan sistem pendeteksi jatuh berbasis sistem tertanam (embedded system) menggunakan sensor Inertial Measurement Unit (IMU) MPU6050 dan mikrokontroler ESP32. Algoritma Machine Learning klasifikasi K-Nearest Neighbor (KNN) ditanamkan secara langsung pada perangkat untuk mengenali pola pergerakan secara real-time. Proses pra-pemrosesan data menggunakan metode Low-Pass Filter (LPF) untuk mereduksi noise pergerakan transisi, dilanjutkan dengan ekstraksi fitur Signal Vector Magnitude (SVM) untuk mendeteksi lonjakan gaya benturan, dan normalisasi Min-Max. Model KNN (K=11) dilatih menggunakan 120 data primer yang disimulasikan melalui boneka peraga (manekin). Berdasarkan hasil pengujian real-time sebanyak 40 kali observasi yang mencakup kelas aktivitas Berdiri, Duduk, Tidur/Terlentang, dan Jatuh, sistem terbukti memiliki performa yang sangat andal. Evaluasi menggunakan Confusion Matrix menunjukkan tingkat Akurasi sebesar 97,5%, Sensitivitas sebesar 100% (zero false negative), dan Spesifisitas sebesar 96,67%. Hal ini membuktikan bahwa perangkat mampu mendeteksi seluruh skenario jatuh secara presisi tanpa terlewat, sekaligus mampu membedakannya dari aktivitas harian normal dengan tingkat peringatan palsu (false alarm) yang sangat minim.

Implementasi Metode Simple Additive Weighting (SAW) pada Sistem Rekomendasi Menu Makanan Seimbang untuk Balita Stunting (Usia 1-3 Tahun), Muhammad Naufal Zaky Rozan, NIM E31230781, Tahun 2026, Program Studi Manajemen Informatika, Jurusan Teknologi Informasi, Politeknik Negeri Jember, Ir. Hendra Yufit Riskiawan, S.Kom., M.Cs. (Dosen Pembimbing). Stunting merupakan masalah gizi kronis serius yang berdampak pada tumbuh kembang balita, dengan prevalensi yang masih tinggi di Indonesia, salah satunya di Kabupaten Jember. Salah satu faktor penyebabnya adalah pola makan yang tidak memadai, sehingga diperlukan sebuah alat bantu untuk merekomendasikan menu yang tepat. Penelitian ini bertujuan untuk mengembangkan sistem pendukung keputusan (SPK) berbasis web untuk merekomendasikan menu makanan seimbang bagi balita stunting (usia 1–3 tahun) menggunakan metode Simple Additive Weighting (SAW). Tahapan penelitian diawali dengan studi literatur dan pengumpulan data untuk menentukan kriteria-kriteria relevan seperti kandungan nutrisi, ketersediaan bahan, dan kesesuaian usia. Setiap kriteria kemudian diberi bobot untuk merepresentasikan tingkat kepentingannya. Selanjutnya, Metode SAW diimplementasikan dengan modifikasi pada tahap normalisasi, di mana pembagi nilai gizi menggunakan target individu berdasarkan berat badan balita untuk menghasilkan rekomendasi yang lebih presisi. Sistem yang dibangun dengan framework Laravel ini dirancang untuk digunakan oleh tenaga kesehatan dan orang tua. Hasil akhir dari penelitian ini adalah sebuah sistem fungsional yang mampu memberikan rekomendasi menu terbaik secara objektif. Diharapkan SPK ini dapat menjadi alat yang berguna bagi tenaga kesehatan dan orang tua dalam menentukan menu makanan yang sesuai, sehingga dapat membantu meningkatkan asupan gizi dan mengatasi masalah stunting secara lebih efektif.

Whitepaper merupakan sumber informasi utama bagi calon investor untuk memahami isi dan arah pengembangan proyek cryptocurrency. Namun, kualitas whitepaper sangat beragam, mulai dari yang informatif hingga yang terlalu umum, mengandung plagiarisme, atau memiliki kualitas bahasa yang rendah. Penelitian ini bertujuan mengembangkan sistem yang dapat membantu menilai isi whitepaper secara lebih objektif sebagai bahan pertimbangan awal bagi investor. Sistem dibangun sebagai pipeline NLP berbasis Python yang mencakup ekstraksi PDF, segmentasi section, pre-processing teks, ekstraksi keyword, klasifikasi section dengan RoBERTa, deteksi kualitas linguistik, deteksi kemiripan antarwhitepaper, dan scoring kredibilitas. Data penelitian terdiri atas 45 whitepaper berbahasa Inggris yang dianotasi manual, dengan tambahan 6 whitepaper pada data latih untuk memperkaya label minoritas. Hasil penelitian menunjukkan bahwa model klasifikasi section terbaik, yaitu roberta-finetuned-v6-aug, mencapai accuracy 72,61%, macro F1-score 71,67%, dan weighted F1-score 72,85% pada data uji. Dalam penilaian kredibilitas, sinyal yang paling berpengaruh adalah content balance, diikuti plagiarism, profile-aware coverage, dan linguistic quality. Sistem akhirnya menghasilkan credibility score, label kualitas, red flags, dan ringkasan dokumen yang dapat membantu calon investor membaca whitepaper secara lebih cepat dan terarah.

Perancangan Sistem Website Layanan Masyarakat Desa Kincang Wetan Dengan Pendekatan Agile, Ilhan Abhitah Argo, NIM E41221524, Tahun 2026, 118 Halaman, Teknologi Informasi, Politeknik Negeri Jember PSDKU Nganjuk, Raditya Arief Pratama, S.Kom., M.Eng. (Dosen Pembimbing). Penelitian ini dilatarbelakangi oleh kebutuhan transformasi digital pada tingkat pemerintahan desa, khususnya di Desa Kincang Wetan, untuk mengatasi kendala pelayanan administrasi manual yang lambat, risiko kehilangan arsip, serta sulitnya masyarakat dalam memantau status permohonan surat. Tujuan utama penelitian ini adalah merancang dan membangun sistem informasi E-Surat yang mampu mempercepat alur birokrasi dan meningkatkan transparansi layanan publik bagi masyarakat desa. Proses pengembangan sistem menggunakan pendekatan Agile dengan kerangka kerja Scrum, yang memungkinkan pengembangan fitur dilakukan secara iteratif, adaptif, dan kolaboratif. Sistem dibangun menggunakan Framework Laravel dengan arsitektur Model-View-Controller (MVC), database MySQL, serta integrasi notifikasi otomatis melalui Telegram untuk mempercepat proses komunikasi antara perangkat desa dan warga. Hasil pengujian fungsionalitas menggunakan metode Black-Box Testing terhadap 38 test case menunjukkan tingkat keberhasilan sebesar 100%, yang menandakan sistem berjalan sesuai dengan kebutuhan fungsional. Selain itu, evaluasi pengalaman pengguna menggunakan metode System Usability Scale (SUS) menghasilkan skor rata-rata 83 yang termasuk dalam kategori "Excellent". Hasil penelitian ini membuktikan bahwa sistem E-Surat Desa Kincang Wetan efektif dalam mempersingkat waktu layanan administrasi dan sangat mudah digunakan oleh masyarakat, sehingga siap diimplementasikan untuk mendukung digitalisasi desa secara berkelanjutan.

Deteksi dan Klasifikasi Jenis Jamur Liar Menggunakan Algoritma Convolutional Neural Network (CNN), Siti Septiyah Agustin, NIM E41221559, Tahun 2026, 124 Halaman, Teknologi Informasi, Politeknik Negeri Jember PSDKU Nganjuk, Intan Sulistyaningrum Sakkinah, S.Pd., M.Eng. (Dosen Pembimbing). Jamur liar memiliki kemiripan karakteristik visual yang tinggi sehingga masyarakat sering mengalami kesulitan dalam membedakan jamur yang dapat dikonsumsi dan jamur beracun. Kesalahan identifikasi dapat menyebabkan keracunan yang membahayakan kesehatan bahkan berisiko fatal. Di sisi lain, pemanfaatan teknologi kecerdasan buatan khususnya pada bidang computer vision membuka peluang untuk membantu proses identifikasi jamur secara otomatis dan lebih akurat. Penelitian ini bertujuan untuk mengembangkan sistem deteksi dan klasifikasi jenis jamur liar berbasis citra yang dapat diimplementasikan pada perangkat mobile. Metode yang digunakan dalam penelitian ini adalah Deep Learning dengan arsitektur Convolutional Neural Network (CNN) menggunakan model MobileNetV2 sebagai pendekatan transfer learning. Dataset yang digunakan berjumlah 6000 citra yang terdiri dari empat jenis jamur, yaitu Auricularia auricula-judae, Fly Agaric, Termitomyces, dan Amanita pantherina. Proses pengembangan model dilakukan menggunakan TensorFlow dan Keras, kemudian model dikonversi ke format TensorFlow Lite agar dapat diintegrasikan ke dalam aplikasi mobile Android. Hasil pengujian menunjukkan model memperoleh akurasi sebesar 91?n mampu mengklasifikasikan jamur melalui kamera maupun galeri dengan baik. Penelitian ini membuktikan bahwa pendekatan CNN MobileNetV2 efektif untuk membantu identifikasi jamur liar secara praktis.

Peracangan Website Perpustakaan Digital Menggunakan Metode Rapid Application Development (Studi Kasus: SMP Negeri 1 Bagor), Zhada Mei Arsita, NIM E41220539, Tahun 2026, 240 halaman, Teknik Informatika, Politeknik Negeri Jember, Ulfa Emi Rahmawati, S.Kom., M.Kom. (Dosen Pembimbing). Perkembangan teknologi informasi di era globalisasi mendorong perubahan dalam dunia Pendidikan, termasuk pada sistem perpustakaan yang beralih dari manual ke digital. Perpustakaan sekolah memiliki peran penting sebagai sumber belajar, namun di SMP Negeri 1 Bagor masih dikelola secara manual sehingga menimbulkan kendala seperti ketiadaan katalog, kesulitan pencarian buku, pengelolaan data yang kurang efektif, serta keterbatasan akses layanan. Penelitian sebelumnya masih memiliki kekurangan pada desain antarmuka, responsivitas sistem, dan pengalaman pengguna karena lebih fokus pada fungsi sistem dibandingkan kualitas desain front-end. Penelitian ini bertujuan untuk memperbaiki kualitas antarmuka, meningkatkan responsivitas sistem, serta memberikan pengalaman pengguna yang lebih baik pada website perpustakaan digital sehingga dapat meningkatkan efisiensi dan kualitas layanan perpustakaan melalui perancangan antarmuka pengguna pada website perpustakaan digital. Metode yang digunakan adalah Rapid Application Development (RAD) yang bersifat iteratif menggunakan prototype serta User Experience Questionnaire (UEQ) untuk mengukur pengalaman pengguna. Antarmuka dirancang interaktif, responsif, dan mudah digunakan dengan berbagai fitur seperti akun pengguna, katalog dan pencarian buku, akses e-book, pengelolaan data, laporan minat baca, pengelolaan denda, pengumuman, rekomendasi pembelajaran, serta notifikasi. Hasil pengujian UEQ yang melibatkan 89 siswa, 33 guru, 4 petugas perpustakaan menunjukkan nilai diatas rata – rata dengan kategori Excellent dan Good sehingga website perpustakaan digital mampu meningkatkan efisiensi layanan dan mendukung konsep smart village berbasis teknologi.

Sistem Pakar Deteksi Dini Preeklamsia Menggunakan Hybrid Fuzzy Tsukamoto Dan Certainty Factor, Fachruddin Fahma Khoiri, NIM E41221950, Tahun 2026, 111 hlm., Teknologi Informasi, Politeknik Negeri Jember, Fatimatuzzahra, S.Kom., M.Kom. (Pembimbing). Preeklamsia merupakan komplikasi kehamilan berbahaya yang memerlukan deteksi dini untuk mencegah risiko fatal bagi ibu dan janin. Penelitian ini bertujuan mengembangkan sistem pakar berbasis web sebagai alat bantu skrining mandiri preeklamsia bagi ibu hamil. Sistem ini dibangun menggunakan framework Laravel dan basis data MySQL, serta menerapkan metode hybrid Approach. Logika Fuzzy Tsukamoto digunakan untuk mengolah data medis numerik (tekanan darah dan protein urine), sedangkan Certainty Factor (CF) diterapkan untuk menangani gejala klinis subjektif berdasarkan bobot keyakinan pakar. Terdapat dua antarmuka utama dalam sistem: pasien dan administrator (bidan). Pasien dapat menginput gejala dan langsung melihat hasil diagnosis risiko (rendah, sedang, atau tinggi). Sementara itu, administrator berwenang mengelola basis pengetahuan medis (rules, parameter fuzzy, data gejala) dan memantau riwayat skrining. Hasil validasi pakar, pengujian fungsional, dan User Acceptance Testing (UAT) menunjukkan bahwa sistem ini akurat, stabil, intuitif, dan mampu memproses perhitungan diagnosis secara cepat sesuai dengan standar klinis kebidanan. ?

Perkembangan teknologi informasi membuka peluang besar dalam mendukung sektor pertanian, salah satunya melalui penerapan sistem pakar berbasis web. Penelitian ini mengembangkan aplikasi CekKopi, sebuah sistem pakar untuk mendiagnosa hama dan penyakit pada tanaman kopi menggunakan metode Certainty Factor (CF). Sistem ini ditujukan bagi tanaman kopi yang telah memasuki usia produktif, yaitu antara 15 hingga 24 bulan, dan dibangun menggunakan framework Laravel dengan database MySQL.Basis pengetahuan sistem mencakup 17 jenis hama dan penyakit, 65 gejala klinis tanaman, serta 70 rule inferensi yang masing-masing dilengkapi nilai Measure of Belief (MB) dan Measure of Disbelief (MD). Keempat jenis solusi pengendalian — meliputi pengendalian kimiawi, biologis, mekanis, dan kulturis — terintegrasi langsung dalam data master penyakit. Proses diagnosa dilakukan dengan mengombinasikan nilai CF berdasarkan gejala yang dipilih pengguna, menghasilkan persentase kepercayaan sebagai dasar rekomendasi. Sebagai contoh, diagnosa Kutu Hijau (HP004) menghasilkan nilai CF sebesar 0,9402 (94,02%), sedangkan Wereng (HP005) menghasilkan nilai CF sebesar 0,774 (77,40%).Sistem ini dirancang dengan tiga tingkatan akses pengguna, yaitu Super Admin, Admin, dan User (petani). Fitur yang tersedia meliputi manajemen data penyakit, gejala, rule basis, artikel budidaya, artikel hama dan penyakit, riwayat diagnosa, serta halaman profil pengguna. Basis pengetahuan dikembangkan bersama pakar di bidang pertanian, yaitu Devina Cinantya Anindita, S.P., M.Si., dosen Jurusan Produksi Pertanian yang turut terlibat dalam proses validasi akurasi sistem.Pengujian sistem dilakukan melalui tiga tahap. Pertama, pengujian Black Box Testing melibatkan 30 responden dengan 63 skenario uji yang mencakup fungsionalitas halaman umum, tampilan admin, dan tampilan user — seluruh skenario menunjukkan hasil sesuai harapan. Kedua, pengujian akurasi dilakukan bersama pakar untuk memvalidasi kesesuaian hasil diagnosa sistem dengan diagnosis manual. Ketiga, pengujian User Acceptance Testing (UAT) dilakukan terhadap 15 petani kopi sebagai pengguna akhir menggunakan 8 pertanyaan dengan skala Likert 1–5, menghasilkan skor rata-rata 89,5% yang masuk dalam kategori Sangat Baik. Tahap pemeliharaan sistem dilaksanakan pada Mei hingga Juni 2026 dan tidak ditemukan masalah berarti berdasarkan hasil kuesioner.Penelitian ini diharapkan mampu memberikan kontribusi nyata bagi petani kopi dalam mendeteksi masalah tanaman secara mandiri, cepat, dan akurat tanpa harus selalu bergantung pada tenaga ahli pertanian. Ke depannya, sistem CekKopi berpotensi dikembangkan lebih lanjut dengan integrasi teknologi deep learning berbasis foto tanaman, pembaruan basis pengetahuan secara berkala, serta penambahan fitur notifikasi untuk mendukung pemantauan kondisi tanaman secara proaktif.