Bencana banjir merupakan salah satu bencana hidrometeorologi yang sering terjadi di Indonesia dan berdampak signifikan terhadap kehidupan masyarakat, baik dari segi kerugian material maupun korban jiwa. Seringin meningkatnya kebutuhan akan informasi yang cepat dan akurat, diperlukan suatu sistem yang mempu tidak hanya memprediksi bencan, tetapi juga menyampaikan informasi secara efektif kepada masyarakat. Penelitian ini bertujuan untuk mengembangkan chatbot berbasis Artificial Intelligence (AI) dengan pendekatan Natural Language Processing (NLP) yang terintegrasi dalam sistem prediksi bencana banjir. Chatbot yang dikembangkan mampu memahami pertanyaan penggunaan menggunakan bahasa alami dan memberikan informasi secara real-time, seperti data korban meninggal, luka-luka, hilang, serta informasi kejadian berdasarkan waktu (hari ini, kemarin, atau tanggal tertentu). Metode yang digunakan meliputi proses NLP seperti normalisasi teks. Tokenisasi, serta pencocokan kata kunci, dan fuzzy matching. Hasil dari penelitian ini menunjukkan bahwa chatbot mampu meningkatkan kemudahan akses informasi dan mendukung mitigasi bencana secara efektif, dengan tingkat keberhasilan mencapai 100%. Dengan adanya sistem ini, diharapkan masyarakat lebih siap menghadapi bencana banjir.

Kabupaten Jember, khususnya di sepanjang aliran Sungai Kalijompo, merupakan wilayah dengan kerentanan tinggi terhadap bencana banjir. Sistem peringatan dini (Early Warning System) yang ada saat ini masih bersifat reaktif, hanya memberikan peringatan saat ketinggian air mencapai ambang batas kritis. Penelitian ini bertujuan membangun sebuah sistem prediksi ketinggian air sungai yang proaktif menggunakan metode Prophet Time Series Forecasting. Akuisisi data dilakukan secara otomatis melalui kamera CCTV yang diolah dengan teknik pengolahan citra digital untuk mendeteksi batas ketinggian air. Berdasarkan pengujian selama 109 hari, sistem berhasil mengumpulkan sebanyak 10.102 data deret waktu. Hasil pelatihan dan optimasi parameter pada model Prophet (menggunakan logistic growth, multiplicative seasonality, dan changepoint prior scale 0.5) terbukti meningkatkan akurasi secara signifikan. Evaluasi kinerja menunjukkan adanya penurunan nilai Mean Absolute Error (MAE) dari 4,38 cm menjadi 3,76 cm dan Mean Absolute Percentage Error (MAPE) dari 24,57% menjadi 16,90%, sedangkan Root Mean Squared Error (RMSE) sedikit meningkat dari 10,63 cm menjadi 10,87 cm. Model juga divalidasi mampu menangkap pola siklus fluktuasi harian sungai secara presisi ketika dibandingkan dengan data lapangan. Hasil penelitian ini secara efektif mengubah paradigma pemantauan dari sistem reaktif menjadi sistem peringatan dini yang proaktif, memberikan lead time yang lebih panjang bagi masyarakat sehingga mendukung efektivitas mitigasi bencana di Jember.

Perkembangan media sosial, khususnya X, telah menjadi sarana utama bagi masyarakat dalam menyampaikan opini dan pengalaman terhadap suatu produk, termasuk produk pembersih wajah. Ulasan yang tersebar dalam jumlah besar bersifat tidak terstruktur sehingga sulit dianalisis secara manual. Analisis sentimen dapat digunakan untuk mengolah data tersebut guna mengetahui kecenderungan opini publik terhadap suatu produk secara otomatis. Penelitian ini bertujuan untuk menganalisis sentimen opini publik terhadap produk pembersih wajah di media sosial X menggunakan algoritma Logistic Regression. Dataset penelitian awal berjumlah 7.405 tweet yang diperoleh melalui teknik crawling, kemudian setelah dilakukan pembersihan data diperoleh sebanyak 1.173 data yang siap digunakan untuk analisis. Proses pelatihan model dilakukan menggunakan pembagian data dengan rasio 80%:20% serta evaluasi model menggunakan metode K-Fold Cross Validation dengan nilai k = 10, yang menghasilkan rata-rata akurasi validasi sebesar 85.40% dengan standar deviasi ±1.6% sehingga menunjukkan performa model yang stabil dan representatif. Hasil penelitian menunjukkan bahwa mayoritas opini publik terhadap produk pembersih wajah cenderung memiliki sentimen positif. Model Logistic Regression yang digunakan memperoleh akurasi sebesar 85.11% dan nilai AUC sebesar 0.8884 yang termasuk dalam kategori baik. Nilai recall pada kelas positif mencapai 100%, sedangkan pada kelas negatif sebesar 10.26%, yang menunjukkan bahwa model lebih optimal dalam mendeteksi sentimen positif dibandingkan sentimen negatif. Penelitian ini menunjukkan bahwa analisis sentimen menggunakan Logistic Regression dapat digunakan untuk memahami kecenderungan opini publik terhadap produk pembersih wajah di media sosial X.

Taman Nasional Baluran merupakan salah satu destinasi wisata alam unggulan di Kabupaten Situbondo yang memiliki daya tarik berupa fenomena Savana Bekol yang menyerupai daratan Afrika. Tingginya minat wisatawan tercermin dari jumlah ulasan pada Google Maps yang mencapai lebih dari 4.000 ulasan, namun data tersebut bersifat subjektif, menggunakan bahasa informal, dan tidak terkelompokkan secara otomatis, sehingga menyulitkan pihak pengelola dalam melakukan evaluasi layanan secara manual. Penelitian ini bertujuan untuk mengklasifikasikan sentimen ulasan pengunjung ke dalam kategori positif, negatif, dan netral menggunakan metode Random Forest. Data dikumpulkan melalui teknik web scraping dari Google Maps dan diproses melalui tahapan text preprocessing yang meliputi case folding, cleansing, normalisasi, stopword removal, tokenizing, dan stemming. Ekstraksi fitur dilakukan menggunakan metode TF-IDF untuk memberikan bobot pada kata-kata penting dalam dataset . Hasil penelitian menunjukkan bahwa metode Random Forest mampu menghasilkan klasifikasi sentimen dengan tingkat akurasi yang baik, di mana performa tertinggi dicapai pada skenario pembagian data 80% training dan 20% testing dengan nilai akurasi sebesar 80%. Visualisasi WordCloud menunjukkan bahwa mayoritas ulasan bernada positif yang berfokus pada keindahan alam dan satwa liar, sementara ulasan negatif didominasi oleh keluhan terkait kondisi jalan yang rusak dan fasilitas yang kurang memadai. Temuan ini diharapkan dapat menjadi dasar bagi pengelola wisata dan Dinas Pariwisata Situbondo dalam meningkatkan kualitas layanan dan infrastruktur berbasis data opini pengunjung.

Sistem presensi merupakan salah satu kegiatan administrasi penting dalam instansi pemerintahan untuk mencatat kehadiran pegawai secara terstruktur dan terdokumentasi dengan baik. Namun, sistem presensi yang belum dirancang sesuai dengan kebutuhan pengguna dapat menimbulkan kesulitan dalam penggunaan serta kurang optimalnya pengelolaan data kehadiran. Penelitian ini merancang UI/UX aplikasi presensi berbasis web dan mobile di Kantor Desa Pelem menggunakan pendekatan User Centered Design (UCD) agar desain sistem lebih sesuai dengan kebutuhan dan pengalaman pengguna. Evaluasi kegunaan dilakukan menggunakan metode System Usability Scale (SUS) secara kuantitatif dengan menyebarkan kuesioner kepada responden yang telah melakukan pengujian terhadap desain aplikasi. Hasil penelitian menunjukkan adanya peningkatan skor SUS dari kedua platform setelah dilakukan perbaikan desain berdasarkan masukan pengguna. Selain itu, hasil evaluasi juga menunjukkan peningkatan pada aspek kemudahan penggunaan dan penerimaan sistem oleh pengguna. Penggunaan metode UCD dalam proses perancangan serta metode SUS dalam evaluasi terbukti efektif dalam meningkatkan usability dan kualitas desain aplikasi presensi.

Perkembangan teknologi informasi membuka peluang dalam pengembangan media pembelajaran interaktif, khususnya bagi anak usia dini. Namun, pengenalan tanaman yang terdapat dalam Al-Qur’an masih dilakukan secara konvensional sehingga kurang menarik. Penelitian ini bertujuan untuk merancang dan mengimplementasikan aplikasi “Kebun Qur’an” berbasis Augmented Reality (AR) sebagai media pembelajaran interaktif. Metode yang digunakan adalah Research and Development (R&D) dengan model ADDIE yang meliputi Analyze, Design, Development, Implementation, dan Evaluation. Aplikasi dikembangkan menggunakan Unity, Vuforia SDK, dan bahasa pemrograman C#, serta dilengkapi fitur belajar, berlatih, dan bermain dengan scan marker untuk menampilkan objek 3D tanaman. Hasil dari pengujian Black Box Testing dan pengujian Frame Per Second (FPS) menunjukkan bahwa berjalan dengan baik. Validasi ahli media memperoleh rata-rata 93?n ahli materi 84?ngan kriteria sangat layak, serta uji coba kepada pengguna sebesar 90% yang menunjukkan aplikasi diterima dengan baik. Dengan demikian, aplikasi “Kebun Qur’an” efektif sebagai media pembelajaran yang efektif, interaktif bagi anak usia dini.

Materi unsur dan senyawa dalam pelajaran Ilmu Pengetahuan Alam (IPA) merupakan salah satu konsep dasar yang penting namun kerap dianggap sulit oleh siswa, karena struktur atom dan molekul bersifat abstrak dan tidak mudah divisualisasikan. Dominasi metode pembelajaran konvensional seperti ceramah menyebabkan rendahnya minat dan pemahaman siswa terhadap materi tersebut. Penelitian ini mengembangkan aplikasi media pembelajaran interaktif berbasis Augmented Reality (AR) bernama Atomix AR, yang mampu menampilkan visualisasi objek 3D berupa atom, molekul unsur, dan molekul senyawa secara real-time melalui pemindaian marker menggunakan kamera smartphone. Aplikasi ini juga dilengkapi fitur penggabungan multi-marker untuk membentuk visualisasi molekul sehingga menghadirkan pengalaman belajar yang lebih interaktif dan kontekstual. Pengembangan aplikasi menggunakan metode Multimedia Development Life Cycle (MDLC) yang mencakup enam tahapan: concept, design, material collecting, assembly, testing, dan distribution. Pengujian dilakukan melalui blackbox testing, pengujian akurasi, oklusi, overlapping, intensitas cahaya, pretest-posttest, serta User Acceptance Testing (UAT). Hasil pengujian menunjukkan bahwa Atomix AR berfungsi sesuai spesifikasi yang dirancang dan terbukti meningkatkan pemahaman siswa dibandingkan metode konvensional. Aplikasi ini dapat menjadi alternatif media pembelajaran yang inovatif untuk membantu siswa memahami konsep abstrak unsur dan senyawa sekaligus meningkatkan minat belajar.

Kota Jember memiliki potensi kerawanan banjir akibat kondisi geografis dan pengaruh faktor meteorologi. Penelitian ini bertujuan untuk memetakan tingkat kerawanan banjir di wilayah Kota Jember dengan unit analisis tingkat desa/kelurahan guna memberikan informasi mitigasi yang lebih akurat. Metode yang digunakan adalah algoritma K-Means Clustering untuk mengelompokkan wilayah berdasarkan parameter seperti temperatur, kelembapan, arah angin, tutupan awan, tutupan lahan, dan kondisi cuaca. Proses pengelompokan menghasilkan tiga kluster tingkat kerawanan, yaitu Kluster 0 (rendah), Kluster 1 (sedang), dan Kluster 2 (tinggi). Hasil analisis menunjukkan bahwa dari 22 wilayah, sebanyak 16 wilayah (72,7%) termasuk kategori sedang, 5 wilayah (22,7%) kategori rendah, dan 1 wilayah (4,3%) kategori tinggi, dengan nilai Silhouette Score sebesar 0,4665 yang menunjukkan kualitas clustering yang cukup baik. Hasil analisis spasial kemudian diintegrasikan ke dalam sistem informasi geografis berbasis web menggunakan Leaflet.js dengan data GeoJSON untuk menghasilkan visualisasi peta interaktif. Dengan adanya visualisasi ini, diharapkan dapat menjadi instrumen pendukung keputusan bagi pemerintah daerah dan Badan Penanggulangan Bencana Daerah (BPBD) Jember dalam menyusun strategi mitigasi yang lebih efektif.