Gizi buruk pada balita merupakan salah satu permasalahan kesehatan yang dapat memengaruhi pertumbuhan fisik, perkembangan kognitif, serta meningkatkan risiko kesakitan dan kematian. Keterbatasan pengetahuan orang tua dan keterlambatan dalam mendeteksi status gizi menyebabkan penanganan gizi buruk sering kali tidak dilakukan secara optimal. Penelitian ini bertujuan untuk merancang dan mengimplementasikan sistem pakar berbasis mobile yang dapat membantu melakukan diagnosis awal status gizi balita menggunakan metode Naïve Bayes. Sistem dikembangkan menggunakan Flutter sebagai aplikasi mobile, Laravel sebagai website administrator, Python untuk proses klasifikasi, MySQL sebagai basis data, serta REST API sebagai media komunikasi antar sistem. Data yang digunakan merupakan data antropometri balita yang terdiri atas umur, jenis kelamin, berat badan, dan tinggi badan dengan indikator berat badan menurut panjang badan/tinggi badan (BB/PB atau BB/TB) berdasarkan Standar Antropometri Anak Kementerian Kesehatan Republik Indonesia Tahun 2020. Hasil klasifikasi dibatasi menjadi dua kategori, yaitu gizi baik dan gizi buruk. Pengujian model dilakukan menggunakan Confusion Matrix dan Classification Report dengan pembagian data latih dan data uji menggunakan rasio 90:10. Hasil pengujian menunjukkan bahwa metode Naïve Bayes memperoleh akurasi sebesar 79% dalam mengklasifikasikan status gizi balita. Pengujian fungsional menggunakan Black Box Testing menunjukkan seluruh fitur sistem berjalan sesuai dengan kebutuhan pengguna dengan tingkat keberhasilan sebesar 100%. Hasil validasi oleh ahli gizi juga menunjukkan bahwa sistem mampu menghasilkan diagnosis yang sesuai dengan standar antropometri balita sehingga layak digunakan sebagai alat bantu diagnosis awal. Dengan demikian, sistem yang dikembangkan dapat membantu orang tua, kader posyandu, dan tenaga kesehatan dalam melakukan deteksi dini status gizi balita secara lebih cepat, mudah, dan efektif.

Pelaksanaan kegiatan di Bank Rakyat Indonesia (BRI) Kantor Cabang Sidoarjo difokuskan pada pengembangan sistem teller yang bertujuan untuk meningkatkan efisiensi dan kelancaran kinerja staf dalam pengelolaan antrian nasabah. Sistem ini dibuat agar proses mendapatkan nomor antrian lebih mudah, pemanggilan nomor antrian berjalan teratur, dan seluruhnya berlangsung efisien serta tertib. Mengintegrasikan data teller agar pelayanan lebih cepat dan tepat waktu. Sistem ini juga memungkinkan staf untuk mengelola antrian secara langsung di dashboard yang mudah digunakan, sehingga bisa memantau dan mengatur proses pelayanan dengan lebih efektif. Proses membuat sistem dilakukan dalam beberapa tahap, yaitu mulai dari perencanaan proyek, desain alur sistem, membuat tampilan antar muka pengguna, pengembangan bagian depan menggunakan React dan JavaScript, serta pengembangan bagian belakang menggunakan Node.js dengan database PostgreSQL. Selain itu, sistem juga memiliki fitur bantuan seperti panggilan antrian menggunakan suara dan pengelolaan konten tampilan oleh admin. Kegiatan magang juga melibatkan pengujian dan perbaikan kesalahan agar sistem dapat berjalan sesuai dengan kebutuhan operasional bank. Melalui kegiatan magang ini, mahasiswa mendapatkan pengalaman langsung dalam mengembangkan aplikasi berbasis web di bidang perbankan, memahami cara kerja sistem antrian, serta meningkatkan kemampuan teknis dan profesional mereka. Diinginkan hasil dari kegiatan ini bisa menjadi acuan dalam membangun sistem antrian yang lebih baik di Bank BRI Sidoarjo di masa depan.

Hipertensi adalah tekanan darah tinggi secara menetap yang umumnya di atas 140/90 mmHg. Penderita hipertensi termasuk dalam resiko tinggi mengalami berbagai komplikasi serius seperti storke, jika tidak segera ditangani. Meskipun umumnya hipertensi terjadi pada usia lanjut, hipertensi kini meningkat pada usia muda. Berdasarkan Survei Kesehatan Indonesia (2023), prevelensi hipertensi di Indonesia mencapai 30,8%. Dikarenakan kurangnya kesadaran masyarakat menjadi faktor utama dalam peningkatan kasus hipertensi. Penyebab hipertensi dapat dipengaruhi oleh beberapa faktor seperti usia, stres, kebiasaan merokok, konsumsi alkohol, dan konsumsi garam berlebih. Untuk membantu deteksi dini penyakit hipertensi, sistem pakar berbasis website dengan menggunakan metode Certainty Factor dapat menjadikan solusi awal kepada masyarakat. Sistem ini memungkinkan pengguna melakukan konsultasi digital dengan meniru cara berpikir pakar, berdasarkan input gejala. Metode Certainty Factor dipilih karena mampu memberikan tingkat keyakinan terhadap hasil diagnosa, sehingga sistem akan menghasilkan informasi yang mudah dipahamai oleh pengguna, dan dapat menjadi solusi kepada masyarakat dalam mendekteksi dini penyakit hipertensi serta dapat memberikan edukasi dan informasi pencegahnnya.

Analisis kepribadian mahasiswa Teknik Informatika penggemar budaya pop Jepang dilakukan menggunakan clustering berbasis IndoBERT untuk mengelompokkan responden berdasarkan karakteristik perilaku dan kecenderungan kepribadian dari jawaban kuesioner. Data dikumpulkan melalui kuesioner pada mahasiswa Teknik Informatika di wilayah Jember, kemudian divalidasi dengan uji statistik t dan diproses melalui tahap pembersihan, normalisasi, stopword removal, stemming, serta penghapusan duplikasi. Selanjutnya, teks diubah menjadi embedding menggunakan IndoBERT dan dipadukan dengan fitur leksikon sebelum dikelompokkan menggunakan pendekatan KNN berbasis Euclidean distance dan K-Means pada neighborhood vector. Hasil clustering dievaluasi dengan Silhouette Score dan menghasilkan tiga klaster, yaitu kepribadian negatif ringan, sedang, dan tinggi, dengan nilai rata-rata 0,6508 yang menunjukkan kualitas pengelompokan cukup baik. Hasil ini menunjukkan bahwa IndoBERT dapat digunakan untuk membantu analisis teks kuesioner secara lebih objektif, konsisten, dan sistematis.

Huruf hiragana merupakan dasar pembelajaran bahasa Jepang yang perlu dikuasai oleh pemula. Namun, perbedaan bentuk huruf hiragana dengan alfabet latin sering menyebabkan kesulitan dalam proses belajar. Penelitian ini bertujuan untuk mengembangkan game edukasi huruf hiragana berbasis Android yang dilengkapi fitur pengenalan tulisan tangan menggunakan metode Convolutional Neural Network (CNN) dengan arsitektur LeNet. Dataset yang digunakan terdiri dari 13.800 gambar huruf hiragana dari 46 kelas yang dibagi menjadi data training dan validation dengan rasio 80:20. Model dikembangkan menggunakan TensorFlow dan diimplementasikan ke dalam aplikasi Flutter melalui format ONNX. Hasil pengujian menunjukkan bahwa model CNN yang dikembangkan memperoleh nilai validation accuracy sebesar 98,91%. Pengujian blackbox menunjukkan seluruh fitur aplikasi berjalan sesuai dengan fungsinya, sedangkan hasil User Acceptance Test (UAT) memperoleh nilai rata-rata sebesar 83,1%. Berdasarkan hasil tersebut, dapat disimpulkan bahwa CNN arsitektur LeNet mampu mengklasifikasikan huruf hiragana dengan baik dan dapat diterapkan pada game edukasi sebagai media pembelajaran yang interaktif dan efektif.

Proses pengelompokan siswa tunarungu di SLB Negeri Jember yang masih bersifat subjektif dan tidak konsisten mendorong perlunya pendekatan yang lebih sistematis. Penelitian ini mengembangkan Sistem Pendukung Keputusan (SPK) berbasis metode Simple Additive Weighting (SAW) yang diintegrasikan dengan K-Means Clustering, dibangun menggunakan arsitektur Flutter, FastAPI, dan MySQL. Empat kriteria digunakan yaitu Kemampuan Kognitif (30%), Kemampuan Komunikasi (25%), Kemampuan Sosial (20%), dan Motivasi Belajar (25%), menghasilkan tiga kelompok siswa Pintar, Cukup, dan Butuh Bantuan dengan rekomendasi strategi pembelajaran yang sesuai. Pengujian fungsional melalui Blackbox Testing menghasilkan 100% Passed, User Acceptance Test (UAT) mencapai 98,67%, dan evaluasi confusion matrix membuktikan tingkat akurasi keputusan sebesar 100% terhadap penilaian pakar. Hal ini membuktikan sistem ini valid, objektif, dan layak digunakan sebagai alat bantu pengambilan keputusan bagi guru.

Siswa tunarungu di SLB Negeri Jember sering mengalami kendala dalam menyusun kalimat bahasa isyarat sesuai kaidah tata bahasa lisan, khususnya pola Subjek-Predikat-Objek-Keterangan (SPOK). Pendekatan pembelajaran saat ini masih berfokus pada isyarat per kata tanpa dukungan sistem digital yang mampu menginterpretasikan rangkaian gesture menjadi kalimat utuh secara real-time. Penelitian ini bertujuan merancang sistem pengenalan Sistem Isyarat Bahasa Indonesia (SIBI) berbasis website yang mengenali urutan gesture perkata dan merangkainya menjadi kalimat SPOK otomatis. Sistem dibangun menggunakan MediaPipe Holistic dan model Bidirectional Long Short-Term Memory (BiLSTM) dengan Attention Mechanism serta Focal Loss with Label Smoothing. Hasil pengujian internal menunjukkan model memperoleh test accuracy sebesar 99,89?lam merangkai 20 kosakata SIBI menjadi 7 kalimat SPOK. Meskipun demikian, sistem ini memiliki keterbatasan berupa speaker dependency karena data latih bersumber dari subjek tunggal, serta sensitivitas terhadap jarak dan pencahayaan. Untuk mengatasi kelemahan tersebut, diterapkan tujuh teknik augmentasi data pada tahap pelatihan, serta dilakukan pengujian teknis pada berbagai variasi jarak untuk menetapkan jarak operasional optimal pada 90–100 cm. Pengujian lapangan pada pengguna nyata menunjukkan First-Attempt Accuracy pada Ibu Sri Etik Rimawati, S.Pd mencapai 48,65?n siswa 29,73% , dengan rata-rata confidence score di atas 94%. Hasil User Acceptance Testing (UAT) memperoleh tingkat penerimaan 80,00% (Baik). Sistem ini layak digunakan sebagai prototipe interaktif alat bantu pembelajaran kalimat SPOK bagi siswa tunarungu.

Pengelolaan operasional Wisata Pemandian Air Panas Banyu Biru masih dilakukan secara manual sehingga proses penjualan tiket, pemesanan pendopo, pencatatan transaksi, dan penyusunan laporan belum berjalan secara efisien. Kondisi tersebut berpotensi menyebabkan kesalahan pencatatan, kehilangan data, serta keterlambatan dalam penyajian informasi yang dibutuhkan untuk mendukung pengambilan keputusan. Selain itu, belum tersedia sistem informasi yang mampu mengintegrasikan proses pembelian tiket, pemesanan fasilitas, pembayaran digital, validasi tiket menggunakan QR Code, serta pengelolaan data operasional dalam satu platform. Penelitian ini bertujuan untuk merancang dan membangun sistem informasi berbasis website yang dapat mendukung pengelolaan wisata secara lebih efektif, efisien, dan terintegrasi. Pengujian sistem dilakukan menggunakan metode Black Box Testing dengan teknik Equivalence Partitioning untuk memastikan seluruh fungsi berjalan sesuai kebutuhan, serta System Usability Scale (SUS) untuk mengukur tingkat kemudahan penggunaan sistem berdasarkan persepsi pengguna. Hasil pengujian Black Box menunjukkan hampir seluruh fungsi berjalan dengan baik dengan tingkat keberhasilan 99,22%, sedangkan hasil SUS menunjukkan nilai 79,03 yang termasuk kategori baik (acceptable). Secara keseluruhan, sistem yang dibangun berhasil mengatasi permasalahan pengelolaan wisata secara manual dan memberikan kemudahan bagi pengguna maupun pengelola dalam melakukan transaksi dan pengelolaan data secara lebih efektif dan terstruktur.