Penelitian ini melakukan analisis sentimen terhadap topik perkembangan cryptocurrency di Indonesia melalui media sosial Twitter dengan menerapkan metode Naïve Bayes dan teknik pembobotan TF-IDF. Sebanyak 1200 tweet digunakan sebagai dataset, yang diproses melalui tahapan scraping, pre-processing, dan klasifikasi. Pengujian model dilakukan dengan pembagian data latih dan data uji sebesar 90:10. Hasil evaluasi menunjukkan tingkat akurasi sebesar 85.00%, dengan nilai precision masing-masing 91% untuk sentimen negatif dan 82% untuk sentimen positif. Sementara itu, recall sebesar 74% untuk sentimen negatif dan 94% untuk sentimen positif, serta f1-score mencapai 81% sentimen negatif dan 88% sebagai sentimen positif. Meskipun akurasi secara keseluruhan tinggi, performa model dalam mendeteksi sentimen negatif masih rendah, sehingga diperlukan strategi untuk menangani ketidakseimbangan data.

Klasifikasi kualitas jamur merang merupakan salah satu proses penting dalam industri pertanian guna meningkatkan nilai jual dan efisiensi distribusi produk. Penelitian ini bertujuan untuk mengembangkan sistem klasifikasi jamur merang berdasarkan grade kualitas menggunakan metode Gray Level Co-occurrence Matrix (GLCM) sebagai ekstraksi fitur dan K-Nearest Neighbor (K-NN) sebagai metode klasifikasi. Dataset diperoleh dari hasil pengambilan gambar jamur merang dengan berbagai grade, yang kemudian diolah melalui proses preprocessing dan ekstraksi fitur tekstur menggunakan GLCM. Hasil ekstraksi tersebut digunakan sebagai input untuk algoritma K-NN guna menentukan grade masing-masing jamur. Sistem diuji menggunakan data uji terpisah, dan hasil pengujian menunjukkan bahwa kombinasi GLCM dan K-NN mampu mengklasifikasikan jamur merang dengan tingkat akurasi yang baik. Penelitian ini diharapkan dapat menjadi kontribusi dalam pengembangan teknologi klasifikasi otomatis dalam bidang pertanian.

Tujuan dari proyek ini adalah untuk menciptakan sistem yang dapat mengotomatisasi pencatatan kendala, meningkatkan efisiensi pemrosesan data, serta menyediakan informasi real-time bagi manajemen perusahaan. Selama magang, penulis mengembangkan berbagai fitur backend menggunakan Laravel, termasuk sistem autentikasi, manajemen pengguna, pengolahan data kendala, dashboard monitoring, dan fitur pengaturan sistem. Dengan adanya fitur-fitur ini, sistem yang dibangun mampu membantu PT Telkom Infrastruktur Indonesia dalam meningkatkan efisiensi kerja dan kualitas pengelolaan data kendala. Dari hasil yang diperoleh, dapat disimpulkan bahwa implementasi Laravel dalam pengembangan backend website ini memberikan solusi yang efektif untuk pengelolaan data kendala secara lebih sistematis dan terstruktur. Ke depan, sistem ini masih dapat dikembangkan lebih lanjut dengan menambahkan fitur-fitur baru seperti notifikasi real-time, API untuk integrasi eksternal, serta peningkatan keamanan data. Dengan adanya sistem ini, diharapkan PT Telkom Infrastruktur Indonesia dapat lebih mudah dalam memantau kendala yang terjadi, meningkatkan efisiensi operasional, dan memberikan pelayanan yang lebih baik bagi pelanggan.

Menurut Ibu Siti Asiyah, S.Ag. penggunaan media pembelajaran konvensional seperti buku cetak dan gambar 2D di TK Baiturrohman dikatakan belum optimal bagi anak usia dini, sehingga menurunkan minat belajar dan pemahaman mereka terhadap jenis dan manfaat sayuran. Rendahnya minat anak-anak dalam mengonsumsi sayuran juga menjadi permasalahan yang perlu diatasi sejak dini melalui edukasi yang tepat. Penelitian ini bertujuan untuk mengembangkan media pembelajaran interaktif berupa aplikasi pengenalan sayuran 3D berbasis Augmented Reality (AR) dengan metode Marker Based Tracking. Aplikasi ini dirancang khusus untuk anak usia dini guna menyajikan pembelajaran yang menarik dan interaktif. Proses pengembangan menggunakan model Multimedia Development Life Cycle (MDLC) yang meliputi enam tahap: konsep, desain, pengumpulan materi, pembuatan, pengujian, dan distribusi. Aplikasi menampilkan 15 jenis sayuran dalam bentuk objek 3D buatan Blender yang diintegrasikan ke dalam Unity menggunakan Vuforia SDK, lengkap dengan narasi suara dan informasi nama serta manfaat sayuran. Terdapat pula fitur tampilan fase pertumbuhan yang diakses secara manual melalui tombol. Berdasarkan pengujian menggunakan metode User Acceptance Test (UAT), aplikasi ini memperoleh skor 88,07% dan masuk dalam kategori sangat baik. Hasil penelitian menunjukkan bahwa aplikasi ini efektif dan layak digunakan sebagai media pembelajaran untuk meningkatkan pemahaman anak usia dini terhadap sayuran.

Sistem Pakar Berbasis Web Untuk Mendiagnosis Penyakit Pada Tanaman Cabai Menggunakan Metode Certainty Factor, Restu Aji Prasetyo Saputra, NIM E41210002, Tahun 2025, 93 hlm, Teknologi Informasi, Politeknik Negeri Jember, Nugroho Setyo Wibowo S.T., M.T (Pembimbing). Penyakit pada tanaman cabai merupakan masalah utama yang dapat mengurangi hasil dan kualitas produksi. Petani seringkali menghadapi kesulitan dalam mendiagnosis penyakit tanaman cabai karena keterbatasan pengetahuan dan sumber daya. Oleh karena itu, penelitian ini bertujuan untuk mengembangkan sistem pakar berbasis web yang dapat membantu petani dalam mendiagnosis penyakit pada tanaman cabai secara cepat dan akurat. Sistem yang dibangun menggunakan metode Certainty Factor (CF) untuk menghitung tingkat kepastian dari setiap diagnosis berdasarkan gejala yang dimasukkan oleh pengguna. Dengan sistem ini, petani hanya perlu memilih gejala yang diamati pada tanaman cabai dan memberikan nilai tingkat keyakinan mereka. Berdasarkan input tersebut, sistem akan memberikan diagnosis penyakit secara otomatis beserta tingkat kepastiannya. Hasil pengujian sistem menunjukkan bahwa dari 40 kali pengujian, 39 kali sistem berhasil memberikan diagnosis yang valid sesuai dengan data pakar, sementara 1 kali hasilnya tidak valid. Hal ini menunjukkan tingkat keberhasilan sistem mencapai 92%. Selain itu, pengujian menggunakan metode User Acceptance Test (UAT) menunjukkan hasil rata-rata sebesar 87,1%, yang menunjukkan bahwa sistem ini mudah digunakan dan memenuhi harapan pengguna. Dengan antarmuka yang sederhana, responsif, dan mudah digunakan, sistem ini mampu memberikan diagnosa penyakit pada tanaman cabai dengan cepat dan akurat. Sistem pakar berbasis web ini terbukti efektif dan layak digunakan oleh petani sebagai alat bantu untuk mendeteksi penyakit pada tanaman cabai dan meningkatkan hasil pertanian.

Indonesia menghadapi tantangan besar dalam menjaga ketahanan pangan akibat perubahan iklim dan keterbatasan pengetahuan petani dalam memilih tanaman yang sesuai dengan kondisi lahan. Penelitian ini mengembangkan sistem pakar menggunakan metode certainty factor untuk membantu penyuluh pertanian dan petani dalam menentukan jenis tanaman pangan yang sesuai berdasarkan kesesuaian lahan. Fokus penelitian adalah tanaman pangan dengan masa tanam 3 hingga 4 bulan, guna memudahkan petani beradaptasi dengan perubahan iklim. Hasil pengujian sistem menunjukkan akurasi 100% pada 10 data uji, dimana hasil penentuan sesuai dengan perhitungan manual dan telah divalidasi oleh pakar. Dengan demikian, sistem ini terbukti valid dan layak digunakan sebagai alat bantu dalam menentukan tanaman pangan yang tepat serta mendukung upaya ketahanan pangan nasional.

Penilaian mutu telur ayam negeri secara manual memiliki keterbatasan dari segi efisiensi dan konsistensi hasil. Penelitian ini bertujuan untuk mengembangkan sistem kalsifikasi mutu telur ayam negeri dengan menggunakan metode Convolutional Neural Network berbasis arsitektur MobileNetV2. Parameter yang digunakan mencakup warna, keretakan, dan kebersihan cangkangm yang nantinya akan dikategorikan dalam tiga kelas mutu yaitu Mutu I, Mutu II, Mutu III. Data citra yang digunakan berjumlah 2.207 citra yang diperoleh dari peternakan ayam petelur dan diproses melalui tahapan prepocessing, augmentasi data, serta ekstraksi fitur citra. Model dilatih dan dievaluasi dengan metrik akurasi, precision, recall, dan F1-score untuk menilai kinerja klasifikasi. Hasil pengujian menunjukkan bahwa model CNN dengan arsitektur MobileNetV2 mampu mengklasifikasikan mutu telur dengan akurasi sebesar 92%. Sistem ini diimplementasikan dengan bentuk aplikasi berbasis website menggunakan framework flask dan diharapkan dapat membantu proses klasifikasi mutu telur secara lebih objektif, cepat, dan efisien.

IMPLEMENTASI SISTEM RETUR OBAT DALAM APLIKASI SIMKES BERBASIS WEBSITE UNTUK FASILITAS KESEHATAN, Alif Imanullah Krisna Alam, NIM E41211111, Tahun 2024, Prodi Teknik Informatika Jurusan Teknologi Informasi Politeknik Negeri Jember, Nugroho Setyo Wibowo, ST. MT (Pembimbing Magang), CV Esolusindo, Gea Ayu W.S.Tr.Kom (Pembimbing Lapang). Teknik Informatika di Jurusan Teknologi Informasi Politeknik Negeri Jember (POLIJE) harus melakukan magang di perusahaan atau lembaga, yang sesuai dengan bidang studi mahasiswa. Sebagai bagian dari kurikulum, magang di semester 7 (tujuh) harus dilakukan agar mahasiswa memiliki pemahaman dan pengalaman tentang dunia kerja setelah kuliah berakhir. Penulis mahasiswa Politeknik Negeri Jember (POLIJE) Jurusan Teknologi Informasi melakukan Magang di CV Esolusindo untuk mempersiapkan diri dalam perkembangan teknologi dan menerapkan ilmu. Kegiatan Magang ini melibatkan pengembangan aplikasi SIMKES menggunakan CodeIgniter 4, dengan berfokus pada manajemen obat di fasilitas kesehatan memerlukan pengelolaan retur obat yang efektif untuk mencegah efek samping, Sistem Informasi Manajemen Kesehatan (SIMKES) berbasis web dapat meningkatkan efisiensi dan akurasi.