League of Legend: Wild Rift adalah game 3D orang ketiga dengan jenis permainan multiplayer online battle arena (MOBA) yang dikembangkan dan resmi diterbitkan pada 27 Oktober 2020 oleh perusahaan video game bernama Riot Games. League of Legend Wild Rift merupakan salah satu game online di mana Pemain berlaga dalam pertandingan, rata-rata berlangsung antara 15 hingga 20 menit. Dalam setiap mode permainan, tim bekerja sama untuk mencapai kondisikemenangan, biasanya menghancurkan bangunan inti (disebut Nexus) di pangkalantim musuh setelah melewati garis struktur pertahanan yang disebut turret atau menara. Masalah yang sering muncul di antara pemain League of Legend: Wild Rift salah satunya adalah pemain kesulitan dalam memilih karakter yang hendak digunakan. Berdasarkan permasalahan tersebut sering menimbulkan perdebatan antara pemain League of Legend Wild Rift dalam memilih suatu karakter. Tidak jarang juga dikarenakan adanya pembaharuan statistik dasar dan jarak waktu update karakter yang berdekatan ini menyebabkan terkadang salah atau kurang tepat dalam memilih karakter yang di dalam game. Dalam Kesimpulan, berdasarkan hasil penelitian menunjukkan bahwa sistem yang dikembangkan mendapatkan tingkat kepuasan sebesar 80?ri 15 pengguna, dengan 12 responden menyatakan “sangat setuju” dan 3 responden menyatakan “setuju” terhadap efektivitas sistem. Hal ini menunjukkan bahwa sistem SPK yang dibangun telah sesuai dengan kebutuhan pengguna dalam membantu pemilihan karakter pada League of Legend: Wild Rift.

Pengujian perangkat lunak penting untuk menjamin kualitas suatu sistem salah satunya sistem berbasis website. Pengujian ini terbagi menjadi pengujian manual (manual testing) dan pengujian otomatis (automation testing) yang pada penelitian ini terfokus pada automation testing. Automation testing merupakan proses pembuatan skrip untuk mengeksekusi skenario uji secara otomatis. Tujuan penelitian ini adalah membandingkan kualitas perangkat lunak website Evaluasi Pembelajaran menggunakan alat uji Selenium WebDriver dan Apache JMeter. Dalam penelitian ini, pengujian dilakukan pada website Evaluasi Pembelajaran (https://project-jti.polije.ac.id/jtiform/login) enam fitur utama seperti Login, Forgot Password, History Kuisioner, Cetak Bukti, Profile, dan Lock Screen. Hasil pengujian menunjukkan bahwa Apache JMeter konsisten memberikan waktu eksekusi lebih cepat dengan rata-rata dibawah 3 detik, sementara Selenium WebDriver mencatat waktu lebih tinggi yang mencapai lebih dari 5 detik pada Forgot Password (5,886 ms) dan Profile (4,720 ms). Pengecualian pada fitur Lock Screen dimana Selenium WebDriver menunjukkan waktu eksekusi lebih cepat dibandingkan Apache JMeter dengan waktu uji sebesar 0,152 ms dan 0,389 ms. Dengan demikian, dapat disimpulkan bahwa Apache JMeter lebih unggul untuk pengujian performa berbasis beban sistem, sedangkan Selenium WebDriver lebih tepat untuk pengujian yang melibatkan fungsionalitas dan interaksi langsung pada antarmuka pengguna. Kedua alat uji tersebut memiliki kelebihan dan kekurangan masing-masing dan dapat digunakan untuk memperoleh hasil pengujian yang menyeluruh dan akurat, sesuai dengan jenis pengujian yang dilakukan.

RINGKASAN Analisis Data Penjualan Menggunakan Cross Industry Standard Process For Data Mining dan Algoritma K-Means Clustering Pada Toko Ibu Agus. Irma Firnanda, NIM E41212025, Teknologi Informasi, Politeknik Negeri Jember, Syamsul Arifin, S.Kom, M.Cs (Pembimbing). Penelitian ini bertujuan untuk mengelompokkan data penjualan dari Toko Ibu Agus ke dalam tiga kategori, yaitu produk yang kurang diminati, diminati dan sangat diminati oleh pelanggan. Penelitian ini menggunakan tahapan Crisp-Dm (Cross Industry Standard Process For Data Mining) yang terdiri dari 6 tahapan dan metode Algoritma K-Means Clustering yang berfungsi mengelompokan barang berdasarkan kesamaan pola pembelian. Data yang digunakan berasal dari data transaksi penjualan selama bulan september hingga november 2024, dengan jumlah data awal 2.307 record data yang kemudian direkap menjadi 895 record data berdasarkan atribut nama barang, quantity dan jumlah transaksi. Proses dilakukan dengan menggunakan aplikasi RapidMiner. Hasil clustering menghasilkan tiga kelompok yaitu cluster 0 dengan 374 produk, cluster 1 dengan 104 produk, dan cluster 2 dengan 417 produk. Untuk mengevaluasi kualitas hasil clustering digunakan metode Davies-Bouldin Index (DBI) yang menghasilkan 0.346 yang menggambarkan bahwa hasil pengelompokan cukup baik. Semakin kecil nilai DBI maka semakin optimal pembentukan cluster. Hasil ini memberikan referensi pelanggan yang dapat digunakan untuk menyusun strategi penjualan dan pengelolaan stok yang lebih efektif. Sebagai luaran produk, penelitian ini juga menghasilkan dashboard visual interaktif menggunakan Google Looker studio. Dashboard ini menampilkan hasil pengelompokan secara real-time untuk membantu pemilik toko dalam memantau stok dan pengambilan keputusan berbasis data. Pemanfaatan teknologi ini memperkuat integrasi analisis data dengan sistem Business Intelligence untuk mendukung efisien UMKM.

Penelitian ini bertujuan untuk mengembangkan sebuah aplikasi pembelajaran berbasis game yang berfokus pada pelestarian dan pengenalan Bahasa Banjar dialek Hulu, yang merupakan salah satu kekayaan budaya daerah Kalimantan Selatan. Dalam pengembangan aplikasi ini, peneliti menggunakan metode Game Development Life Cycle (GDLC) yang terdiri dari beberapa tahapan, yaitu inisiasi, pra-produksi, produksi, pengujian, dan rilis. Aplikasi yang dikembangkan berbasis website dan dibangun menggunakan framework Svelte pada bagian frontend, serta menggunakan Firebase untuk layanan backend seperti otentikasi dan penyimpanan data kuis. Fitur utama aplikasi meliputi modul pembelajaran kosakata, kamus interaktif, permainan kuis budaya, serta evaluasi hasil belajar. Pengujian dilakukan untuk memastikan bahwa aplikasi dapat berjalan secara fungsional dan responsif baik pada perangkat desktop maupun mobile. Hasil pengujian menunjukkan bahwa aplikasi berhasil memberikan pengalaman belajar yang interaktif dan menyenangkan. Aplikasi ini juga mendukung upaya pelestarian bahasa daerah dengan pendekatan digital yang lebih menarik bagi generasi muda. Dengan pengembangan ini, diharapkan masyarakat, khususnya pelajar dan generasi muda, dapat lebih mudah mengakses dan mempelajari Bahasa Banjar secara menyenangkan dan praktis melalui media digital.

Penelitian ini dilakukan oleh Gymnastiar Alma Ghifari (NIM E41211478) dari Politeknik Negeri Jember pada tahun 2025 dengan dosen pembimbing Syamsul Arifin, S.Kom, M.Cs. Penelitian ini bertujuan untuk mengklasifikasikan teks terjemahan hadis Shahih Bukhari ke dalam tiga label sekaligus, yaitu anjuran, larangan, dan informasi, menggunakan metode Logistic Regression berbasis multi-label classification. Proses penelitian meliputi tahapan pra-pemrosesan teks seperti case folding, penghapusan karakter khusus, tokenisasi, stopword removal, dan stemming, kemudian dilanjutkan dengan pembobotan menggunakan metode TF-IDF. Selanjutnya, dilakukan klasifikasi menggunakan algoritma Logistic Regression. Data yang digunakan telah dilabeli secara manual oleh ahli sebagai acuan kebenaran. Hasil pengujian menunjukkan bahwa metode Logistic Regression mampu mengklasifikasikan isi hadis ke dalam label yang sesuai dengan tingkat akurasi yang cukup baik. Sistem yang dibangun juga dapat menampilkan probabilitas setiap label untuk masing-masing hadis, sehingga memberikan informasi mengenai kecocokan terhadap kategori anjuran, larangan, atau informasi. Kesimpulannya, penerapan metode Logistic Regression terbukti cukup efektif dalam mengelompokkan isi hadis secara simultan ke dalam tiga kategori, dan dapat dijadikan sebagai alat bantu dalam memahami kandungan hadis secara lebih terstruktur dan informatif.

Asia Tenggara memiliki keragaman budaya, etnis, dan alam yang luar biasa, dengan Indonesia sebagai negara kepulauan terbesar yang kaya akan sumber daya alam dan budaya. Pulau Jawa, khususnya Jawa Timur, dikenal sebagai pusat kegiatan ekonomi dan budaya, termasuk Kabupaten Jember yang memiliki potensi wisata tinggi seperti pantai, pegunungan, dan hutan tropis. Kabupaten ini mulai mengembangkan sektor pariwisata seiring meningkatnya minat masyarakat terhadap destinasi alam dan budaya lokal. Namun, pengelolaan informasi wisata di Jember masih belum terintegrasi, menyulitkan wisatawan dalam mengakses data secara akurat dan efisien. Untuk mengatasi permasalahan tersebut, pemanfaatan Sistem Informasi Geografis (SIG) berbasis web menjadi solusi strategis. SIG memungkinkan penyajian data spasial secara interaktif dan mendukung kemudahan navigasi serta pencarian lokasi wisata. Dengan membangun sistem informasi geografis pemetaan lokasi wisata berbasis website, diharapkan dapat membantu pemerintah dalam promosi digital dan wisatawan dalam memperoleh informasi yang real-time, akurat, dan terorganisir. Oleh karena itu, penelitian ini dilakukan untuk merancang dan membangun sistem SIG guna mendukung pengembangan pariwisata di Kabupaten Jember secara optimal dan berkelanjutan.

Penelitian ini bertujuan untuk menganalisis kemampuan metakognisi mahasiswa D4 Teknik Informatika dalam penyusunan skripsi menggunakan metode Fuzzy Tahani. Pengukuran dilakukan menggunakan angket Metacognitive Awareness Inventory (MAI) yang mencakup dua parameter, yaitu Pengetahuan Metakognitif dan Regulasi Metakognitif, dengan skala Likert 1–5. Dari populasi 150 mahasiswa, diambil 60 sampel menggunakan teknik random sampling dengan margin error 10%. Data dianalisis melalui proses Fuzzifikasi terhadap nilai pengetahuan dan regulasi metakognitif, kemudian tingkat kemampuan metakognisi ditentukan menggunakan aturan Fuzzy Tahani. Hasil analisis menunjukkan bahwa dari 60 mahasiswa, sebanyak 17 mahasiswa (28,3%) berada pada kategori kemampuan metakognisi tinggi dan 43 mahasiswa (71,7%) berada pada kategori sedang, serta tidak ditemukan mahasiswa pada kategori rendah. Sistem berbasis website yang dibangun untuk pengukuran ini diuji menggunakan Black Box Testing (100%) dan User Acceptance Test (UAT) dengan hasil 86%, yang menunjukkan bahwa sistem berjalan dengan baik dan diterima oleh pengguna.

Kentang (Solanum tuberosum L.) merupakan salah satu komoditas hortikultura utama di Indonesia yang memiliki peran penting dalam ketahanan pangan. Namun, produksi kentang kerap terganggu oleh serangan penyakit tanaman yang menyebabkan kerugian signifikan. Penelitian ini bertujuan mengembangkan sistem pakar berbasis website untuk mendiagnosa penyakit tanaman kentang menggunakan metode Certainty Factor (CF), yang mampu menangani ketidakpastian dalam proses penarikan kesimpulan. Data penyakit dan gejala diperoleh melalui wawancara dengan penyuluh dan pakar pertanian, menghasilkan 6 jenis penyakit dan 18 gejala utama. Sistem yang dibangun dapat memberikan diagnosa penyakit disertai solusi penanganan, ditujukan untuk mendukung kegiatan petani dan penyuluh pertanian. Pengujian menggunakan metode Blackbox Testing menunjukkan hasil sangat baik dengan tingkat keberhasilan fungsi sistem sebesar 100%. Sistem ini diharapkan menjadi alat bantu yang efektif dan efisien dalam proses identifikasi penyakit kentang di lapangan. Pengembangan sistem diarahkan pada integrasi teknologi pengenalan citra serta rekomendasi berbasis kondisi lingkungan untuk meningkatkan akurasi dan kemudahan penggunaan