Penjualan pestisida merupakan aspek penting dalam operasional PT Sagri yang bergerak di bidang pertanian. Fluktuasi permintaan yang tinggi menuntut perusahaan untuk memiliki sistem prediksi penjualan yang akurat guna menunjang pengambilan keputusan strategis. Penelitian ini bertujuan untuk merancang dan membangun model prediksi penjualan pestisida menggunakan algoritma c4.5, salah satu motode dalam data mining yang efektif untuk membentuk pohon keputusan berdasarkan nilai gain dan gain ratio dari setiap atribut dalam data. Algoritma ini dipilih karena kemampuannya dalam menangani atribut numerik maupun kategorikal, serta menghasilkan model yang mudah di pahami dan diinterpretasikan. Data yang digunakan dalam penelitian ini berasal dari catatan penjualan PT Sagri yang berbentuk excel selama 1 tahun terakhir, yang mencangkup atribut seperti kegunaan produk, nama produk, harga produk, musim, dan jumlah penjualan. Proses penelitian meliputi tahap preprocessing data, pembentukan model pohon keputusan dengan algoritma c4.5. Hasil dari penelitian menunjukkan bahwa algoritma c4.5 mampu mengklasifikasi data penjualan dengan tingkat akurasi yang memadai. Model ini dapat membantu mengelompokkan data ke dalam beberapa 2 kategori tingkat penjualan seperti laris dan tidak laris, berdasarkan kombinasi atribut yang ada. Dengan diterapkannya model prediksi ini, diharapkan PT Sagri dapat meningkatkan efisiensi operasional, mengurangi resiko kelebihan atau kekurangan stok, serta meningkatkan pelayanan kepada pelanggan dengan ketersediaan produk yang lebih tepat waktu dan sesuai kebutuhan pasar.

Monitoring Tingkat Kelayakan Kualitas Sumber Air Bersih Di Desa Sumber Kemuning Kecamatan Tamanan Bondowoso Menggunakan Fuzzy Logic, Indra Bagus Syah Putra, NIM E41211161, Tahun 2025, Program Studi Teknik Informatika, Jurusan Teknologi Informasi, Politeknik Negeri Jember, Pembimbing: Nugroho Setyo Wibowo, ST. MT. Penelitian ini bertujuan untuk mengembangkan sistem monitoring kualitas air bersih yang mampu mendeteksi tingkat kelayakan air secara otomatis menggunakan metode Fuzzy Logic Sugeno. Permasalahan air bersih di wilayah pedesaan seperti Desa Sumber Kemuning, Bondowoso, menjadi perhatian serius akibat kekeringan dan kurangnya pemantauan kualitas air yang berkelanjutan. Metode Fuzzy Sugeno digunakan untuk mengolah tiga parameter utama kualitas air, yaitu pH, TDS (Total Dissolved Solid), dan kekeruhan, berdasarkan standar dari Kementerian Kesehatan. Sistem ini memanfaatkan Arduino Nano untuk pembacaan sensor dan ESP32 untuk pengolahan serta pengiriman data ke website, sehingga masyarakat dapat memantau kualitas air secara real-time melalui perangkat pintar. Hasil dari sistem ini diharapkan mampu memberikan informasi yang cepat dan akurat mengenai kondisi air bersih, serta membantu masyarakat dan pihak terkait dalam mengambil tindakan preventif. Selain itu, sistem ini dapat menjadi solusi teknologi tepat guna untuk pengawasan kualitas air di daerah pedesaan.

Penelitian ini dilatarbelakangi oleh masih rendahnya kesadaran masyarakat dalam mengenali gejala kelainan darah serta terbatasnya akses terhadap pemeriksaan awal yang cepat dan akurat. Tujuan dari penelitian ini adalah membangun sistem deteksi dini penyakit kelainan darah dengan menggunakan metode Forward Chaining dan Certainty Factor (CF). Metode Forward Chaining digunakan untuk menarik kesimpulan berdasarkan gejala yang dipilih pengguna, sedangkan metode CF digunakan untuk menghitung tingkat kepastian hasil deteksi. Sistem ini dirancang untuk mendeteksi 8 jenis penyakit kelainan darah, yaitu Anemia Defisiensi Besi, Anemia Aplastik, Anemia Megaloblastik, Anemia Hemolitik, Thalasemia Mayor, Thalasemia Alfa, Thalasemia Beta, dan Polisitemia vera, berdasarkan 20 gejala relevan yang telah divalidasi oleh pakar hematologi. Sistem dibangun menggunakan bahasa pemrograman PHP dengan pendekatan Forward Chaining berbasis aturan dan CF berbasis nilai kepercayaan. Pengujian sistem dilakukan oleh pakar sebanyak 10 kali menggunakan skenario gejala yang berbeda. Hasil evaluasi menunjukkan bahwa sistem memiliki tingkat akurasi 100%, yang berarti seluruh hasil deteksi sistem sesuai dengan hasil diagnosis yang diberikan oleh pakar. Hasil ini menunjukkan bahwa sistem pakar yang dibangun mampu memberikan deteksi awal yang akurat dan dapat dimanfaatkan sebagai alat bantu dalam proses deteksi dini penyakit kel

Penelitian ini mengembangkan media pembelajaran interaktif untuk pengenalan hewan yang ditujukan bagi pendidikan anak usia dini dengan menggunakan metode Convolutional Neural Network (CNN). Model CNN dibangun menggunakan arsitektur DenseNet121 dan berhasil mencapai akurasi tinggi sebesar 97%. Evaluasi melalui confusion matrix dan classification report menunjukkan bahwa sebagian besar kelas hewan memperoleh nilai precision, recall, dan F1-score yang mendekati 1,00. Validasi oleh pakar yang melibatkan enam guru dari TKIT-TBIT Permata Leces mengonfirmasi bahwa aplikasi ini selaras dengan kurikulum pendidikan anak usia dini dan layak digunakan di lingkungan kelas. Selain itu, User Acceptance Testing (UAT) yang dilakukan kepada 20 anak menunjukkan tingkat kepuasan pengguna yang sangat tinggi. Sebagian besar anak menikmati penggunaan aplikasi, menyukai gambar hewan serta penjelasan suara, dan menyatakan minat untuk menggunakannya kembali. Hasil ini menunjukkan bahwa aplikasi ini efektif, mudah digunakan, dan sangat cocok sebagai media edukatif interaktif untuk mengenalkan hewan kepada anak-anak.

Bimbingan belajar bahasa Inggris merupakan tempat pembelajaran pendidikan bahasa Inggris. Lokasi bimbingan belajar bahasa Inggris berada di kecamatan Pare, kabupaten Kediri, Jawa Timur. Keberadaan lokasi bimbingan belajar bahasa Inggris tersebar luas. Dalam mencari informasi bimbingan belajar bahasa Inggris, calon siswa masih menggunakan media sosial dan masih secara manual mendapatkan informasi dari teman, ataupun saudara sebagai tersebarnya informasi bimbingan belajar pada media tersebut. Hal tersebut mengharuskan adanya suatu sistem yang membantu calon siswa dalam menemukan informasi lengkap mengenai bimbingan belajar bahasa Inggris yang ada di kecamatan Pare. Dalam penelitian ini peneliti membuat sistem informasi geografis pemetaan lokasi bimbingan belajar bahasa Inggris berbasis website, yang menampilkan lokasi serta informasi lainnya mengenai bimbingan belajar bahasa Inggris yang berada di kecamatan Pare menggunakan website yang dibuat, dengan memanfaatkan Leaflet untuk menghadirkan visualisasi peta yang interaktif. Metode pengembangan sistem yang digunakan berupa waterfall

Malaria adalah penyakit menular yang disebabkan oleh parasit Plasmodium dan ditularkan melalui gigitan nyamuk Anopheles betina. Kabupaten Bondowoso termasuk salah satu daerah endemis malaria di Jawa Timur. Penelitian ini bertujuan untuk mengidentifikasi potensi lokasi breeding site nyamuk Anopheles sp. berdasarkan parameter lingkungan seperti suhu air, pH, dan salinitas, dengan menggunakan metode Fuzzy Inference System (FIS) tipe Sugeno. Data dikumpulkan dari 25 titik lokasi fasilitas kesehatan dan dianalisis menggunakan MATLAB. Sistem menghasilkan klasifikasi tegas, yaitu “berpotensi” atau “tidak berpotensi”. Hasil evaluasi menunjukkan akurasi sebesar 64?n nilai recall 100%, yang berarti semua lokasi dengan kasus malaria berhasil terdeteksi sebagai wilayah berpotensi oleh sistem. Untuk mempermudah penyajian hasil, dibuat pula sebuah website sederhana yang menampilkan 25 titik lokasi pengambilan sampel, hasil prediksi sistem, serta klasifikasi wilayah berdasarkan potensi keberadaan vektor malaria. Hasil ini menunjukkan bahwa metode Fuzzy Sugeno cukup efektif dan bisa menjadi alat bantu dalam mendukung pengambilan keputusan berbasis data lingkungan.

SISTEM POINT OF SALE DAN PREDIKSI PENJUALAN BRAND SMARTPHONE TERLARIS MENGGUNAKAN METODE K-NEAREST NEIGHBOR, Rafael Dwiky Novian Hernando, NIM E31222467, Tahun 2025, Manajemen Informatika, Teknologi Informasi, Politeknik Negeri Jember, Pramudhita Shinta Dewi Puspitasari, S.Kom., M.Kom. (Dosen Pembimbing). Perkembangan teknologi informasi yang pesat mendorong berbagai sektor, termasuk bidang perdagangan, untuk mengadopsi sistem digital guna meningkatkan efisiensi operasional. Salah satu teknologi yang banyak digunakan adalah sistem Point of Sale (POS) yang berfungsi untuk mencatat transaksi penjualan secara otomatis dan terstruktur. Namun, tidak semua sistem POS dilengkapi dengan fitur analisis data penjualan yang dapat membantu pemilik usaha dalam pengambilan keputusan, khususnya dalam memprediksi produk-produk yang berpotensi laris di masa mendatang. Penelitian ini bertujuan untuk mengembangkan sebuah sistem Point of Sale (POS) berbasis web yang terintegrasi dengan fitur prediksi penjualan brand smartphone terlaris menggunakan metode K-Nearest Neighbor (K-NN). Sistem ini dirancang untuk mempermudah proses pencatatan transaksi penjualan sekaligus memberikan informasi analitik berupa prediksi produk terlaris berdasarkan data historis penjualan. Dengan memanfaatkan algoritma K-NN, sistem ini mampu mengidentifikasi pola penjualan dan memberikan rekomendasi kepada pemilik toko dalam pengambilan keputusan strategis. Pengujian sistem dilakukan melalui Blackbox Testing dan User Acceptance Test (UAT). Blackbox dilakukan oleh kepala toko sebagai admin untuk menguji fungsi-fungsi utama seperti login, hak akses, transaksi, manajemen produk, laporan, hingga logout semuanya berjalan dengan baik. UAT dilakukan oleh lima responden (1 kepala toko dan 4 kasir) dengan sembilan pertanyaan skala Likert, menghasilkan skor 222 dari 225 atau 98,666%, yang menunjukkan sistem telah memenuhi kebutuhan pengguna dengan sangat baik.

Pencak silat merupakan seni bela diri khas Indonesia yang memiliki nilai budaya dan estetika tinggi. Pada kategori seni dalam pertandingan pencak silat, penilaian dilakukan berdasarkan ketepatan gerakan, kemantapan, dan penghayatan. Namun, sistem penilaian yang bersifat subjektif masih sering menimbulkan kontroversi dan dugaan kecurangan. Penelitian ini mengusulkan deteksi pose Jurus 1 Tangan Kosong kategori tunggal Ikatan Pencak Silat Indonesia (IPSI) menggunakan algoritma Neural Network, khususnya MultiLayer Perceptron (MLP) dan Convolutional Neural Network (CNN). Proses ekstraksi fitur dilakukan menggunakan Mediapipe untuk menghasilkan koordinat landmark dan gambar keypoint tubuh sebagai input model. Hasil pelatihan menunjukkan bahwa model MLP dengan input data landmark menghasilkan akurasi validasi sebesar 0.85 dan loss sebesar 0.75, sedangkan model CNN dengan input gambar keypoint mengalami overfitting. Evaluasi lebih lanjut menunjukkan bahwa model MLP memiliki nilai precision, recall, dan F1-score yang baik pada data latih, namun performanya menurun pada pengujian video baru, terutama dalam membedakan pose benar dan salah. Temuan ini menunjukkan potensi model dalam sistem penilaian otomatis pencak silat, meskipun masih perlu peningkatan agar dapat digunakan secara lebih akurat dan andal.