Pengujian perangkat lunak merupakan tahapan penting dalam menjamin kualitas dan keandalan sistem, khususnya pada aplikasi pembelajaran berbasis web yang bersifat adaptif. AMetative HLE (Adaptive Metacognitive Hypermedia Learning Environment) merupakan sistem pembelajaran yang mengklasifikasikan tingkat self-monitoring mahasiswa untuk menyesuaikan konten pembelajaran secara adaptif. Kompleksitas fitur seperti daftar akun, login, pengisian kuesioner, klasifikasi pengguna, materi pembelajaran, riwayat, dan resume pembelajaran menuntut adanya pengujian yang sistematis dan efisien. Penelitian ini menggunakan pendekatan studi kasus (case study) dengan metode blackbox testing yang diimplementasikan melalui pengujian otomatis menggunakan Selenium WebDriver. Proses pengujian mengacu pada tahapan Software Testing Life Cycle (STLC) yang meliputi requirement analysis, test planning, test case development, test environment setup, test execution, regression testing, dan test cycle closure. Pengujian dilakukan terhadap 186 test case yang mencakup fitur utama sistem AMetative HLE. Hasil pengujian menunjukkan bahwa 142 test case berhasil dijalankan dengan tingkat keberhasilan sebesar 76,34%, sedangkan 44 test case lainnya mengalami kegagalan yang disebabkan oleh permasalahan validasi input dan navigasi sistem. Hasil tersebut menunjukkan bahwa sebagian besar fitur utama sistem dapat berjalan sesuai dengan kebutuhan fungsional yang telah didefinisikan dalam Requirements Traceability Matrix (RTM). Penerapan Selenium WebDriver mampu mendeteksi kesalahan secara lebih cepat, konsisten, dan terstruktur dibandingkan pendekatan manual, serta mendukung pelaksanaan regression testing untuk memastikan stabilitas sistem. Pengujian otomatis terbukti efektif dalam meningkatkan kualitas dan keandalan fungsional website AMetative HLE sebagai sistem pembelajaran adaptif berbasis web.

Stunting merupakan salah satu permasalahan kesehatan yang berdampak pada pertumbuhan fisik dan perkembangan kognitif anak, sehingga diperlukan upaya pemantauan tumbuh kembang yang efektif dan berkelanjutan. Penelitian ini bertujuan untuk mengembangkan aplikasi mobile NutriGrowth berbasis Flutter sebagai solusi digital dalam monitoring pertumbuhan balita secara real-time. Aplikasi ini terintegrasi dengan perangkat pengukuran tinggi dan berat badan berbasis Internet of Things (IoT), sehingga mampu mencatat data secara otomatis tanpa input manual. Fitur utama aplikasi meliputi visualisasi grafik pertumbuhan, informasi standar tinggi dan berat badan sesuai usia, notifikasi jadwal posyandu dan imunisasi, serta layanan konsultasi dengan tenaga kesehatan. Metode pengembangan yang digunakan meliputi perancangan sistem, implementasi aplikasi menggunakan Flutter, serta integrasi dengan database dan protokol komunikasi MQTT. Hasil pengujian menunjukkan bahwa aplikasi mampu meningkatkan efisiensi pencatatan data, mempermudah pemantauan pertumbuhan balita, serta mendukung deteksi dini risiko stunting, yang dibuktikan melalui pengujian Black Box Testing dengan tingkat keberhasilan fungsi 100%, serta kuesioner kepuasan terhadap 95 responden di mana tidak ada satu pun yang memberikan respons negatif. Dengan demikian, aplikasi NutriGrowth diharapkan dapat menjadi solusi inovatif dalam mendukung layanan kesehatan berbasis digital di masyarakat.

Pengrajin roster di Malang menghadapi kesulitan karena proses penjualan dan manajemen stok yang masih dilakukan secara manual, yang menyebabkan jangkauan pasar menjadi terbatasi dan pengelolaan inventaris tidak berjalan dengan efisien. Penelitian ini bertujuan untuk merancang sistem e-commerce berbasis web yang dilengkapi dengan fitur peramalan stok bulanan agar dapat meningkatkan daya saing UMKM tersebut. Pengembangan sistem dilakukan menggunakan metode Waterfall dan menerapkan model time-series, yaitu Long Short-Term Memory (LSTM) dan Facebook Prophet, untuk memprediksi kebutuhan stok dengan mengacu pada data penjualan sebelumnya. Keefektifan sistem diuji melalui User Acceptance Testing (UAT) oleh para pelaku UMKM, sementara akurasi model peramalan dinilai menggunakan metrik Weighted Weighted Mean Absolute Percentage Error (WMAPE) dan Root Mean Square Error (RMSE). Sistem yang dikembangkan diharapkan dapat menjadi solusi nyata untuk meningkatkan manajemen inventaris, memperluas jangkauan pasar, dan menyediakan alat bantu pengambilan keputusan berbasis data yang dapat diandalkan guna meningkatkan daya saing UMKM roster.

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.