Analisis sentimen terhadap topik program makan siang gratis di Indonesia merupakan program yang baru dilaksanakan pada tanggal 6 Januari 2025. Program baru ini merupakan janji dari calon kandidat Presiden Prabowo dan Wakil Presiden Gibran Rakabuming Raka. Dengan adanya program baru tersebut dapat menarik perhatian masyarakat Indonesia. Program ini menegaskan komitmennya dalam mensejahterakan sosial dan mengurangi masalah ekonomi yang dihadapi masyarakat Indonesia. Seiring bertambahnay zaman, teknologi pada Indoneisa semakin maju, khususnya pada media sosial yaitu X. Dalam penelitian ini, menggunakan data yang diambil dari media sosial X sebanyak 1.171 data tweet dan dibagi menjadi 2 kategori yaitu sentimen positif sebanyak 620 data tweet dan sentimen negatif sebanyak 551 data tweet. Pengolahan data tersebut melewati beberapa tahapan diantaranya pre-processing yang meliputi cleaning data, case folding, word normalization, stopword removal, stemming data, dan tokenize, labelisasi, pemobobotan TF-IDF. Hasil yang didapatkan pada analisis sentimen dengan menggunakan metode Naïve Bayes Classifier mendapatkan hasil akurasi sebesar 75.32%, dengan presisi sebesar 72.46%, recall sebesar 74.82%, dan F1-score sebesar 74.94%. dengan adanya hasil yang didapatkan dengan menggunakan metode Naïve Bayes Classifier menunjukkan bahwa model tersebut cukup baik dalam pengklasifikasian sentimen tweet.

Tingkat kemacetan di Indonesia sangat tinggi, khususnya di kota besar salah satunya yiatu Malang. Karena pesatnya peningkatan jumlah kendaraan, maka volume lalu lintas kendaraan di jalan raya pun semakin meningkat. Sebaliknya, lebar jalan yang tidak memadai mengakibatkan kemacetan jalan, khususnya di wilayah perkotaan untuk memantau tingkat kemacetan pada ruas jalan tertentu dapat memanfaatkan CCTV. Penelitian ini bertujuan untuk mendeteksi kemacetan kendaraan bermotor secara otomatis dengan menggunakan metode YOLO. Metode ini mendeteksi objek secara real-time dengan akurasi tinggi. Proses ini dimulai dari pengumpulan data berupa gambar atau video kendaraan, pelatihan model YOLO, serta implementasi sistem untuk mengklasifikasi tingkat kemacetan berdasarkan jumlah kendaraan yang terdeteksi. Hasil pengujian menunjukkan bahwa sistem dapat mendeteksi kendaraan dengan akurasi yang baik dan mengidentifikasi kemacetan pada persimpangan lampu merah secara otomatis.

Kegiatan magang di Politeknik Negeri Jember ini merupakan kegiatan yang wajib diikuti oleh mahasiswa yang menempuh semester 7 dengan durasi minimal 4 bulan. Tujuan melakukan kegiatan magang yaitu untuk dijadikan suatu pengalaman serta menambah wawasan dan juga keterampilan yang mengasah mahasiswa sesuai dengan bidangnya pada lingkungan dunia kerja. Pelaksanaan magang ini dilakukan di Instansi Badan Amil Zakat Nasional (BAZNAS) yang berlokasi di Jl. Matraman Raya No.134, Kb. Manggis, Kec. Matraman, Kota Jakarta Timur, Daerah Khusus Ibukota Jakarta 13150. Pelaksaan magang dapat dilakukan secara offline selama kegiatan berlangsung dengan jadwal kerja pada hari Senin hingga Jum’at pada pukul 08.00 - 17.00. Selama kegiatan magang berlangsung di BAZNAS ditugaskan dalam project melakukan pengembangan aplikasi presensi SiMBALITE yang berbasis mobile. Presensi ini dapat mempermudah seseorang dalam melakukan kegiatan di Instansi. Presensi dilakukan dengan kategori melakukan presensi berjarak 5Km dan tidak dapat menggunakan fake GPS. Presensi dikembangkan tidak hanya untuk sistem yang dapat mencatat waktu tetapi juga dapat mengontrol serta memanajemen sumber daya manusia yang modern serta efektif.

Keberlangsungan kegiatan magang atau Prakter Kerja Lapang (PKL) di Politeknik negeri Jember merupakan kegiatan yang wajib dilakukan oleh mahasiswa yang menempuh semester 7 dengan durasi minimal 4 bulan. Tujuan kegiatan magang yaitu untuk melatih mahasiswa terkait keterampilan, budaya kerja, pemahaman terkait industri yang relavan dengan bidangnya dan juga menambah wawasan serta pengalaman pada dunia kerja nyata. Selain itu, program kegiatan magang ini merupakan salah satu syarat di Politeknik Negeri Jember untuk memperoleh gelar Sarjana Terapan Sains Komputer (S.Tr.Kom). PT Petrokimia Gresik merupakan perusahaan yang memproduksi pupuk terbesar di Indonesia dan juga merupakan produsen pupuk terunggul.Didalam perusahaan dengan berbagai sektor departemen memiliki peran yang berpengaruh dengan dunia teknologi informasi yang dapat memungkinkan mendukung nilai positif yang dapat membantu industri semakin berkembang. Salah satu bentuk dunia teknologi informasi yaitu pembuataan aplikasi yang sedang dikembangkan oleh pihak departemen PMSDO yaitu Fitur Pengecekan Barang. Aplikasi ini bertujuan untuk dapat melakukan proses pengecekan barang per-ruangan. Sebagai mahasiswa magang di Departemen Teknologi Informasi (Tekinfo) yang ditunjuk sebagai anggota tim atas pertanggunga jawaban terkait perencanaan pengembangan fitur pengecekan barang. Selama kurang lebih 3 bulan, saya dan tim berkontribusi atas pengembangan fitur pengecekan barang.

Program Bantuan Langsung Tunai (BLT) merupakan salah satu bentuk bantuan sosial yang diberikan oleh pemerintah untuk mendukung masyarakat kurang mampu dalam mencukupi kebutuhan dasar mereka. Akan tetapi, dalam pelaksanaannya, distribusi bantuan ini sering kali tidak tepat sasaran. Oleh karena itu, penelitian ini berfokus pada perancangan Sistem Pendukung Keputusan (SPK) dengan metode Simple Additive Weighting (SAW) guna meningkatkan ketepatan dalam proses pemilihan calon penerima bantuan sosial. Studi kasus dilakukan di Desa Candipari, Sidoarjo, dengan mempertimbangkan tiga kriteria utama: jenis pekerjaan keluarga penerima manfaat (KPM), kategori KPM BLT, dan jumlah anggota keluarga penerima manfaat. Uji coba dilakukan dengan 98 data calon penerima bansos, dan hasil perhitungan menunjukkan bahwa metode SAW berhasil memberikan peringkat berdasarkan nilai preferensi tertinggi, di mana penerima dengan skor tertinggi adalah Rokmad (0.875), diikuti oleh Suwarni dan Suliana YP (0.817), sementara skor terendah diperoleh oleh Sunokoh (0.167). Hasil pengujian ini sesuai dengan perhitungan manual, membuktikan bahwa sistem yang dikembangkan dapat membantu pemerintah desa dalam menetapkan penerima bantuan dengan lebih tepat sasaran, transparan, serta meningkatkan efisiensi dalam proses distribusi bansos.

Perkembangan industri e-sport, khususnya PUBG Mobile, semakin pesat dan mendorong perlunya seleksi pemain yang efektif untuk membentuk tim yang kompetitif. Penelitian ini bertujuan untuk membangun Sistem Pendukung Keputusan (SPK) berbasis website untuk proses rekrutmen pemain tim e-sport divisi PUBG Mobile Jember, menggunakan metode Support Vector Machine (SVM). Data yang digunakan meliputi empat kriteria utama, yaitu KD (Kill/Death Ratio), Win Ratio, Accuracy, dan Headshot Rate, yang diperoleh dari hasil observasi dan wawancara dengan ESI Jember. Tahapan penelitian mencakup normalisasi data menggunakan StandardScaler, pelabelan data menggunakan KMeans Clustering untuk membentuk pseudo-label, serta pelatihan dan evaluasi model SVM dengan kernel RBF. Evaluasi model dilakukan dengan metode cross validation menggunakan skenario pembagian data 70:30 dan 80:20, serta penggunaan k-fold = 5 dan k-fold = 10. Hasil evaluasi menunjukkan bahwa model terbaik diperoleh pada parameter complexity = 2 dan gamma = 0,2 dengan akurasi rata-rata cross-validation sebesar 97,59?n akurasi pada data uji sebesar 98,32%. Sistem berbasis website ini diharapkan dapat memudahkan admin ESI Jember dalam mengelola data kandidat, melakukan prediksi kelayakan pemain, dan membantu pengambilan keputusan rekrutmen yang lebih objektif dan akurat.

Pengembangan Front End Pada Aplikasi Bank Sampah Masyarakat Berbasis Website Menggunakan Framework Laravel, Karen Novita Rahmadhani, NIM E41211595, Tahun 2025, Teknologi Informasi, Politeknik Negeri Jember, Moh. Munih Dian Widianta, S.Kom, M.T (Dosen Pembimbing), Amiruddin Fuad, S.Kom (Pembimbing Lapang). Praktik Kerja Lapang (PKL) adalah salah satu kegiatan wajib yang dilaksanakan mahasiswa di Politeknik Negeri Jember. Pelaksanaan PKL ini dimulai dari 05 Agustus 2024 s/d 06 Desember 2024 yang bertempat di CV. Jaya Technology Solusindo, bertepatan di Jl. Teluk Etna X No. 19-A, Arjosari, BLIMBING, Kota Malang, dengan jadwal masuk kerja setiap Senin sampai Jum’at. Tujuan Praktik Kerja Lapang (PKL) secara umum adalah menambahkan wawasan mahasiwa terhadap aspek-aspek yang akan didapatkan pada lokasi Praktik Kerja Lapang (PKL) sehingga dapat dijadikan acuan pada dunia kerja serta dapat meningkatkan wawasan dan pengetahuan mengenai kegiatan yang ada pada instansi/perusahaan. Pengembangan frontend, sebagai tugas utama yang diberikan dalam kegiatan magang pada CV. J-tech Solusindo yaitu Aplikasi Bank Sampah Berbasis Website. Aplikasi Bank sampah (Halaman User) ini merupakan Sistem Informasi yang akan dikembangkan untuk memudahkan user dalam menjalani tugas pengiriman serta memantau pengiriman sampah masyarakat.

Klasifikasi Kepribadian Berdasarkan Postingan“X” Twitter Dengan Teori Big Five Menggunakan Metode Naive Bayes, Karen Novita Rahmadhani, NIM E411211595, Teknologi Informasi, Politeknik Negeri Jember, Lukie Perdanasari, S.Kom., M.T. (Dosen Pembimbing). Dalam konteks analisis kepribadian, tweet dapat dijadikan sumber informasi yang kaya untuk mengungkap sifat-sifat psikologis pengguna. Analisis ini penting untuk membantu perusahaan dalam proses seleksi pegawai dengan pendekatan yang lebih modern dan berbasis data. Penelitian ini menggunakan metode Naive Bayes untuk mengklasifikasikan kepribadian berdasarkan lima dimensi utama Big Five, yaitu Agreeableness (keramahan dan empati), Conscientiousness (kedisiplinan dan tanggung jawab), Extraversion (sikap sosial dan energik), Neuroticism (kecemasan dan emosi), serta Openness (kreativitas dan keterbukaan terhadap pengalaman baru). Proses penelitian meliputi pengumpulan 500 tweet terbaru, tahap preprocessing data yang mencakup pembersihan teks, tokenisasi, penghapusan kata umum (stopword), dan stemming. Selanjutnya, model dilatih dan diuji untuk mengukur performa klasifikasi menggunakan metrik akurasi. Hasil pengujian menunjukkan bahwa model mencapai tingkat akurasi sebesar 61%, dengan distribusi prediksi kepribadian didominasi oleh dimensi Extraversion sebesar 22,5%, diikuti Neuroticism 21,5%, Agreeableness dan Conscientiousness masing- masing 19%, serta Openness 18%. Implementasi model ini dapat membantu perusahaan dalam memahami karakter kepribadian pelamar secara efisien dan objektif, sekaligus mendukung pengambilan keputusan seleksi tenaga kerja yang lebih tepat. Penelitian ini menjadi kontribusi dalam pengembangan teknologi analisis teks dan machine learning di bidang sumber daya manusia, sekaligus membuka peluang untuk aplikasi serupa di bida