Penelitian ini bertujuan untuk menganalisis sentimen dari Review pengunjung Desa Wisata Tirta Agung menggunakan metode klasifikasi Naive Bayes. Dalam era digital saat ini, Review pengunjung di platform daring menjadi sumber informasi yang penting dalam menilai kualitas dan kepuasan pengalaman wisata. Metode Naive Bayes Classifier dipilih sebagai alat analisis sentimen karena keefektifannya dalam mengklasifikasikan teks berdasarkan probabilitas dan keterkaitan antara kata-kata. Data Review pengunjung Desa Wisata Tirta Agung diambil dari platform daring yang mencakup beragam aspek, seperti pelayanan, kebersihan, fasilitas, dan keindahan alam. Proses analisis sentimen melibatkan tahap pra-pemrosesan data, pelatihan model Naive Bayes, dan evaluasi hasil klasifikasi. Pada analisis ini menghasilkan nilai akurasi 82.08%, precision sebesar 84.72%, Recall sebesar 82.08%, dan juga f1 – score sebesar 83.04?ngan pembagian data latih dan uji 85?n 15%. Algoritma ini memiliki tingkatan fair classification atau nilai diagnostik sedang atau cukup baik. Hasil penelitian diharapkan dapat memberikan wawasan yang mendalam mengenai persepsi dan sentimen pengunjung terhadap Desa Wisata Tirta Agung. Informasi ini dapat menjadi dasar bagi pihak terkait dalam meningkatkan kualitas layanan dan memperbaiki aspek-aspek yang dinilai kurang positif oleh pengunjung.

The focus of this research is to improve customer satisfaction through the implementation of a modern chatbot solution with Google Dialogflow at the Tax Center State Polytechnic Jember. This study describes the process of developing chatbots, which includes design, change, and distribution. These chatbots are designed to simplify processes, provide immediate support, and provide accurate information to clients by combining machine learning capabilities and natural language processing. In addition, this study looks at how chatbots affect customer interaction. The goal is to measure the quality of service, longer response times, and overall customer satisfaction. The study discusses how chatbot technology can transform customer service in specific areas such as tax administration, resulting in information and best practices that can be applied in similar serviceoriented organizations.

UD Restu Bunda adalah salah satu budidaya jamur di Malang, tidak hanya mengembangkan budidayanya tetapi juga menyediakan kuliner jamur yang dapat dinikmati di Warung Jamur Ayu. Pertumbuhan jamur mengalami fluktuasi selama musim hujan, hal tersebut berdampak besar pada produksi jamur di usahanya. Tingkat kelembaban udara yang tinggi terkadang membuat pertumbuhan jamur tidak stabil dan sulit diprediksi. Meskipun telah mengambil langkah-langkah untuk mengontrol lingkungan pertumbuhan jamur, seperti menggunakan perlengkapan penutup dan mengatur suhu, cuaca ekstrem selama musim hujan tetap menjadi tantangan besar. Hal ini dapat menyebabkan produksi jamur melebihi permintaan pasar, yang mengakibatkan surplus yang tidak diinginkan. Sehingga, peneliti mendapatkan sebuah solusi dalam mengembangkan sistem peramalan produksi jamur. Dengan memperhitungkan data historis untuk meramalkan produksi dimasa depan. Dari data 6 tahun terakhir, mendapatkan nilai akurasi peramalan menunjukkan nilai Mean Error sebesar -8.41, Mean Absolute Error (MAE) sebesar 20.55, Mean Squared Error (MSE) sebesar 726.70, Root Mean Squared Error (RMSE) sebesar 26.96, dan Mean Absolute Percentage Error (MAPE) sebesar 3.72%. Hal ini membantu untuk mengurangi risiko surplus yang tidak diinginkan dan kerugian finansial, serta meningkatkan efisiensi operasional secara keseluruhan. Dengan demikian, sistem peramalan produksi jamur yang dikembangkan oleh peneliti menjadi salah satu kunci keberhasilan dalam menjalankan usaha budidaya jamur mereka

Peran media pembelajaran sangatlah penting dalam menunjang kegiatan pembelajaran pada anak kelompok belajar, karena pada masa tersebut anak mengalami perkembangan yang sangat pesat. Penggunaan teknologi pada media pembelajaran juga berdampak positif bagi penyampaian materi pembelajaran serta peningkatan kualitas pembelajaran. Maka pada kegiatan ini dilakukan penerapan Deep Learning untuk pengenalan buah pada anak usia dini. Metode yang digunakan pada media pembelajaran ini yaitu Convolutional Neural Network dengan arsitektur DenseNet-121 agar mendapatkan kinerja sistem yang maksimal. Epoch yang digunakan ketika melakukan pelatihan data sebanyak 100 epoch sehingga dihasilkan tingkat akurasi sistem sebesar 98.5%. Selain itu media pembelajaran juga telah melalui pengujian sistem menggunakan confusion matrix, dan pengujian fungsionalitas secara langsung kepada anak usia dini di Pos PAUD Alamanda 105.

Buah naga merah adalah jenis yang memiliki kulit berwarna merah tua. Buah ini memiliki bentuk seperti bola dan terdiri dari beberapa sisik. Kulitnya berduri. Kulit buahnya tebal, dan kadang-kadang ujung sisiknya berwarna hijau. Buah naga merah di dalam kulitnya lebih manis dan sedikit lebih lembut daripada buah naga putih. Biji hitam kecil ditemukan dalam daging buah. Selama ini buah naga merah dipilih satu persatu menggunakan alat ukur manual untuk menentukan bobot kriteria yang diminta oleh pengimpor. Parameter yang dibutuhkan oleh pengimpor yaitu bobot buah naga dengan berat lebih dari sama dengan 3.5 ons, warna yang merah pekat dengan sisik buah naga kehijauan, dan buah naga yang tidak berpenyakit. Pemilihan manual memiliki banyak kelemahan. Salah satunya adalah waktu yang dibutuhkan yang relatif lama, dan kriteria untuk buah naga merah tidak relevan karena kelelahan, keterbatasan penglihatan manusia, dan perbedaan persepsi kualitas buah.. Berdasarkan permasalahan diatas, peneliti menerapkan sistem yang dapat mengklasifikasikan bobot buah naga merah secara efektif untuk memenuhi kriteria dari pengimpor. Untuk melakukan penelitian ini menggunakan metode ekstraksi fitur warna GLCM (Gray Level Co-occurrence Matix) dan metode Naïve Bayes classfier untuk klasifikasi citra buah naga merah. GLCM (Gray Level Co-occurrence Matix) dikenal sebagai keteraturan pola tertentu yang diciptakan oleh pengaturan piksel dalam gambar digital tingkat abu-abu. Fungsi GLCM (Gray Level Co-occurrence Matix) adalah untuk menghitung seberapa sering pasangan piksel dengan nilai tertentu dan hubungan spasial terjadi dalam gambar, kemudian mengekstraksi ukuran statistik dari matriks ini untuk menentukan tekstur gambar.. Hasil klasifikasi menggunakan metode Naïve Bayes Classifier menunjukkan tingkat akurasi sebesar 82% dengan menggunakan 800 data citra training atau data latih dan 200 data citra testing atau dat uji, yang terdiri dari 70 data citra buah naga merah kelas bagus, 70 data citra buah naga merah kelas jelek, dan 60 data citra buah naga merah kelas berpenyakit/cacar. Sistem ini diharapkan dapat membantu petani untuk mengetahui bobot buah naga merah yang diminta oleh pengimpor secara lebih akurat.

E-commerce adalah singkatan dari electronic commerce atau perdagangan elektronik. Di Indonesia, terdapat banyak platform e-commerce yang tersebar luas, mulai dari e-commerce dalam negeri maupun e-commerce milik perusahaan asing. Berdasarkan observasi, sebagian besar calon pembeli merasa bingung ketika ingin memilih produk di e-commerce dengan berbagai alasan. Clustering merupakan teknik dalam data mining yang digunakan untuk mengelompokkan data. K-Means merupakan salah satu metode yang sering digunakan dalam clustering. Pada penelitian ini, peneliti ingin membangun aplikasi clustering berbasis Android untuk mengelompokkan produk menjadi 3 cluster yang mewakili produk unggulan, produk menengah, dan kurang populer berdasarkan jumlah produk terjual, skor rating, dan jumlah ulasan menggunakan algoritma K-Means clustering. Dari hasil penelitian yang dilakukan, didapatkan kesimpulan bahwa algoritma K-Means Clustering bisa diimplementasikan pada aplikasi Android yang dikembangkan. Pengujian Black Box pada aplikasi menunjukkan hasil bahwa semua fitur pada aplikasi sudah berfungsi sesuai kebutuhan sistem. Selain itu, rata-rata tingkat akurasi data yang didapatkan dari hasil pengujian dengan tools RapidMiner berada di angka 86,57%.

Daun tembakau kasturi merupakan salah satu komoditas pertanian esensial di Indonesia yang banyak diminati di pasar lokal maupun internasional. Namun penentuan mutu daun tembakau (grading) masih dilakukan secara manual dan belum menggunakan sistem pakar. Oleh karena itu, penelitian ini bertujuan untuk mengembangkan sistem pakar penentuan mutu daun tembakau kasturi dengan menggunakan kombinasi metode Forward Chaining dan Certainty Factor. Penelitian ini dilakukan di UD Sinar Wahyu, Kecamatan Sukowono, Kabupaten Jember. Metode Forward Chaining digunakan untuk menilai ciri fisik daun tembakau yang ditentukan oleh para ahli. Sedangkan Certainty Factor digunakan untuk menghitung nilai kepastian penilaian. Data yang digunakan dalam penelitian ini adalah data primer yang diperoleh melalui wawancara dengan para ahli. Sistem ini dapat membantu perusahaan dalam menentukan kualitas daun tembakau secara cepat dan tepat untuk meningkatkan kualitas produk dan daya saing di pasar lokal maupun internasional. Aplikasi terbukti dapat berjalan dengan baik dalam pengujian black box. User Acceptance Test (UAT) menunjukkan hasil sebesar 90%. Ini menunjukkan bahwa sistem diterima dengan baik oleh pengguna. Keakuratan hasil mencapai 86% ketika membandingkan hasil grading sistem dengan grading manual ahli terhadap lima belas sampel tanaman tembakau.

IMPLEMENTASI CLEAN ARCHITECTURE PADA PENGEMBANGAN SISTEM INFORMASI KOLTITRACE FARMCLOUD, Fauzan Abdillah, NIM E41201367, Tahun 2024, Teknologi Informasi, Politeknik Negeri Jember, Nugroho Setyo Wibowo, ST. MT (Pembimbing Utama), Adi Purnama (Pembimbing Lapang). Maksud umum dari magang adalah untuk mengembangkan kemampuan mahasiswa, baik dari segi keterampilan teknis maupun kemampuan interpersonal. Magang bertujuan agar mahasiswa dapat membawa panduan dan pemahaman yang mendalam tentang dunia kerja, memperluas perspektif dan pengetahuan mereka terkait aktivitas yang terjadi di lingkungan perusahaan. Selain itu, magang juga memberikan kesempatan untuk mengasah keterampilan sosial dalam berinteraksi dalam kelompok kerja, memahami etika kerja, dan meraih pengetahuan yang bersumber dari pengalaman langsung di dalam perusahaan atau industri kerja. Magang ini diselenggarakan di Jl. Mampang Prapatan Raya No. 66A – 66B, Kota Jakarta Selatan, Daerah Khusus Ibukota Jakarta 12790. Kegiatan magang berlangsung selama 4 bulan, dimulai dari tanggal 21 Agustus 2023 hingga 20 Februari 2024. Pelaksanaan pekerjaan dilakukan secara hybrid, dengan 3 hari kerja di kantor (WFO) dan 2 hari bekerja dari rumah (WFH) dalam satu minggu. Kegiatan berlangsung dari pukul 08:00 WIB hingga 17:00 WIB dengan waktu istirahat pada jam 12:00 WIB sampai dengan 13:00 WIB. Selama magang, fokus utama saya adalah mengembangkan aplikasi mobile berbasis Android dan IOS dengan memanfaatkan kerangka kerja Flutter. Pekerjaan utama yang saya tangani adalah memigrasikan fitur Loan pada aplikasi FarmCloud. Selain itu, saya juga bertanggung jawab untuk menyelesaikan berbagai bug yang muncul dan menambahkan fitur pada beberapa modul krusial, termasuk Chat with Qiscus, Agri-Input (POS), Financial Calendar, Traders, Training, Smart Weather, Profile, Authentication, dan Notification.