Tanaman obat rimpang seperti jahe, kunyit, temulawak, kencur, dan temulawak sering digunakan masyarakat Indonesia untuk ramuan tradisional dan menjaga kesehatan. Namun, masyarakat sering mengalami kesulitan untuk membedakan jenis-jenis tanaman rimpang tersebut karena kemiripan bentuk dan warnanya. Penelitian ini mengembangkan sistem machine learning dengan metode Convolutional Neural Network (CNN) untuk mengklasifikasikan dan mendeteksi jenis tanaman rimpang berdasarkan citra. Model dilatih dengan dataset 1000 citra tanaman rimpang, menggunakan learning rate 0.001 selama 50 epoch, dengan perbandingan data pelatihan dan validasi 80:20. Hasil pelatihan menunjukkan akurasi 95% untuk data pelatihan dan 89,5% untuk data pengujian. Pengujian confusion matrix juga menunjukkan akurasi sebesar 95,8%, yang mengonfirmasi kinerja yang baik dari model CNN dalam mendeteksi jenis tanaman rimpang. Sistem ini diharapkan dapat membantu masyarakat dalam mengidentifikasi tanaman rimpang dengan lebih mudah dan cepat melalui aplikasi bot Telegram.

Indonesia tercatat sebagai salah satu negara produsen kopi terbesar didunia karena memiliki iklim tropis. Salah satu wilayah penyumbang kopi yaitu Desa Sumbersalak, Kecamatan Ledokombo, Kabupaten Jember. Letak geografis yang potensial membuat sebagian besar mata pencaharian penduduk sebagai petani kopi. Selain itu, penduduk juga memiliki hewan ternak seperti kambing dan sapi. Kondisi ini membuat limbah kopi dan kotoran hewan ternak menumpuk karena penduduk tidak mengetahui pemanfaatan dan potensi dari pengolahan limbah tersebut. Oleh karena itu, salah satu pemanfaatan dari limbah tersebut adalah dengan membuat pupuk kompos. Selain dapat menyuburkan tanah juga tidak mencemari udara di lingkungan tersebut, dapat menjadi nilai ekonomis bagi penduduk setempat. Pembuatan pupuk kompos juga perlu dikembangkan dengan alat pembantu berupa mesin pengaduk pupuk kompos. Mesin ini digunakan untuk mempermudah pekerjaan karena juga dilengkapi dengan monitoring kecepatan putaran dinamo dan durasi pengadukan sehingga menjadi lebih efektif dan efisien.

Jember Mini Zoo (JMZ) adalah sebuah kebun binatang mini di Jember, Jawa Timur, yang mulai beroperasi pada Mei 2021 dengan fokus pada konsep edukasi. Selain dapat digunakan sebagai tempat edukasi, Jember Mini Zoo juga dapat digunakan sebagai tempat refreshing atau rekreasi. Penelitian ini menerapkan Metode Goal Directed Design (GDD) dalam merancang User Interface (UI) untuk website promosi Jember Mini Zoo. Evaluasi usability dilakukan melalui pengujian dengan variabel learnability, efficiency, memorability, error, dan satisfaction menggunakan skala likert. Hasil evaluasi menunjukkan penilaian positif dari pengunjung dan admin Jember Mini Zoo terhadap usability desain, dengan nilai rata-rata yang tinggi. Nilai rata-rata keseluruhan adalah 3,32 untuk pengunjung dan 3,74 untuk admin dari skala 4. Evaluasi menggunakan skala likert menunjukkan bahwa desain telah sesuai dengan kebutuhan pengguna, dengan persentase keseluruhan yang mencapai rentang 82% hingga 95%. Kesimpulannya, desain UI telah berhasil mencapai tujuan utama untuk memberikan pengalaman yang baik kepada pengunjung dan admin Jember Mini Zoo, serta memberikan gambaran positif tentang kualitas desain yang telah dibuat.

Pandemi Covid-19 telah menyebabkan peningkatan signifikan dalam kasus kekerasan dalam rumah tangga (KDRT) di Indonesia. Berdasarkan data dari KemenPPPA hingga Oktober 2022, terdapat 18.261 kasus KDRT dengan 79,5% atau 16.745 korban adalah perempuan. Kondisi pandemi yang memaksa masyarakat untuk tinggal di rumah dalam waktu lama turut memperburuk situasi KDRT. Isu ini sering menjadi perhatian masyarakat dan ramai diperbincangkan di media sosial seperti Twitter. Oleh karena itu, analisis sentimen terhadap tweet yang mengandung kata kunci terkait KDRT dapat memberikan pemahaman mengenai opini masyarakat. Penelitian ini menggunakan metode Naïve Bayes Classifier (NBC) untuk menganalisis sentimen teks di Twitter. NBC memanfaatkan distribusi kata dalam dokumen untuk menghitung probabilitas dari setiap kelas, bertujuan mengategorikan tweet ke dalam label positif, negatif, atau netral. Data diambil dari tweet yang relevan, kemudian melalui tahapan pre-processing yang meliputi case folding, cleaning data, stopword removal, word normalization, stemming, dan tokenisasi. Fitur-fitur relevan diekstraksi menggunakan metode Term Frequency Inverse Document Frequency (TF-IDF). Hasil klasifikasi menggunakan NBC menunjukkan akurasi 70%, precision 57%, recall 66%, dan f1-score 60%.

E-Sports Divisi Mobile Legends Jember merupakan komunitas jember untuk mengembangkan bakat para player Mobile Legends yang di koordinasi oleh ESI Jember. ESI sendiri merupakan singkatan dari Esport Indonesia, yang dimana memiliki sebuah visi yaitu mengembangkan dan mempromosiskan ekosistem esport yang stabil dan dapat membawa Indonesia menjadi pemimpin esport di kawasan Asia, sedangkan misi dari ESI untuk mendorong pertumbuhan esport di Indonesia dengan membuat Indonesia sebagai pusat esport di Asia yang paling aktif dan menarik. Oleh karena itu, dengan dibangunnya Sistem Pendukung Keputusan yang digunakan untuk mendapatkan player dalam tim esports divisi Mobile Legends Jember yang sesuai dengan kriteria dan bobot selektif dalam tim. Metode yang digunakan adalah metode Simple Additive Weighting, karena metode ini merupakan sebuah penghitungan secara tertimbang selain itu metode ini juga menyediakan kriteria tertentu yang berbobot, sehingga setiap nilai jumlah dari sebuah perhitungan dengan bobot hasil yang diperoleh akan menjadi keputusan akhir. Sistem ini dapat membantu tim esports divisi Mobile Legends Jember untuk mendapatkan player dalam tim yang memiliki kualitas skill dalam permainan sangat baik, sesuai dengan kriteria dan bobot. Hasil pengujian sistem dengan black box testing 100% sedangkan UAT 92,5?pat disimpulkan bahwa sistem dapat berjalan dengan baik dan dapat diterima oleh pengguna serta mudah dipahami

Penelitian ini mengomparasikan algoritma machine learning untuk klasifikasi kanker pada citra histopatologi. Algoritma yang dikomparasikan adalah Gray Level Co-Occurrence Matrix (GLCM) + Learning Vector Quantization (LVQ) dengan dua seleksi fitur Principal Component Analysis (PCA) dan regresi, serta Convolution Neural Network (CNN) dengan arsitektur ResNet50V2 yang dimodifikasi. Evaluasi dilakukan pada dataset kanker payudara dan serviks (train 90%, test 10% untuk GLCM+LVQ, dan train 70%, valid 20%, test 10% untuk CNN). Hasil dari penelitian menunjukan bahwa algoritma dengan model CNN ResNet50V2 lebih unggul dalam klasifikasi kanker histopatologi dibandingkan GLCM+LVQ. CNN ResNet50V2 mencapai akurasi 87% untuk citra histopatologi kanker payudara dan 95% untuk kanker serviks, sedangkan GLCM + LVQ dengan seleksi fitur PCA hanya mencapai 57,5% untuk payudara dan 65% untuk servikas. CNN ResNet50V2 dapat menjadi pilihan yang lebih efektif untuk klasifikasi kanker pada citra histopatologi.

PEMBUATAN WEBSITE DESA WISATA ORGANIK LOMBOK KULON MENGGUNAKAN FRAMEWORK LARAVEL PHP, Ferdiantoro Rizki Suryawan, NIM E32190848, Tahun 2024, Teknologi Informasi, Politeknik Negeri Jember, Teknologi Informasi, Politeknik Negeri Jember, Hariyono Rakhmad, S.Pd, M.Kom (Dosen Pembimbing), Baidhowi (Pembimbing Lapang). Kebutuhan akan sistem teknologi informasi di berbagai bidang berkembang sangat pesat dan ditandai dengan adanya website atau web. Web adalah salah satu sumber daya Internet dengan banyak kegunaan, termasuk periklanan, interaksi, bisnis, dan pengumpulan. Internet juga menjadi sarana memperkenalkan Indonesia, salah satu negara dengan potensi wisata alam dan budaya yang belum banyak dikenal wisatawan, baik asing maupun lokal. Indonesia memiliki keragaman budaya dan suku yang besar serta keindahan wisata alam. Karena keindahan wisata alamnya, Indonesia menjadi salah satu tujuan wisata terpopuler. Website resmi Dinas Pariwisata dan Kebudayaan Kota Bondowoso memberikan informasi yang minim tentang objek dan kemungkinan wisata yang ada di kota tersebut. Salah satu kunci sukses dalam industri pariwisata adalah promosi. Untuk mengembangkan pariwisata lebih lanjut, perlu diperoleh informasi pendukung tentang destinasi wisata yang akan dikunjungi, misalnya melalui peta. Peta, baik peta biasa maupun peta digital melalui internet, menjadi salah satu media informasi bagi wisatawan.

Buah naga merupakan buah yang tergolong dalam buah holtikultura (Fruitkultura), dimana buah holtikultura mempunyai keunggulan tersendiri yaitu nilai jual yang mahal, jenis yang beragam, hingga potensi serapan pasar yang terus meningkat di dalam negeri maupun internasional. Seiring berjalannya waktu harga jual buah naga mulai menurun hingga mengakibatkan pendapatan petani buah naga menurun. Penyebabnya adalah umur buah naga yang tidak produktif karena serangan penyakit yang mengakibatkan kualitas mutu buah menurun. Selama ini proses pengidentifikasian buah naga dilakukan oleh tenaga kerja dengan cara manual. Dengan memanfaatkan teknologi yang sudah berkembang, peneliti berupaya membuat sebuah sistem untuk mengetahui tingkat kematangan buah naga menggunakan metode LVQ. Metode tersebut digunakan sebagai pengidentifikasian tingkat kematangan buah naga ke dalam empat jenis kelas yaitu hijau, hijau merah, merah, merah kuning. Penelitian ini menggunakan fitur warna dan fitur tekstur sebagai parameter input dari metode LVQ. Data yang digunakan pada penelitian ini sebanyak 200 data yang terbagi menjadi 160 data latih dan 40 data uji. Dengan menggunakan metode LVQ akurasi yang diperoleh sebesar 81?ngan nilai learning rate 0.1, jumlah epoch 10, dan goal 0.1 untuk data latih dan akurasi sebesar 85% didapatkan dengan empat nilai learning rate, jumlah epoch, dan goal yang berbeda untuk data uji.