Crime is a serious problem in Indonesia, with escalating crime rates. Robbery, especially those involving violence and armed threats, poses a significant threat to public safety. To address this, CCTV technology has become a common solution. However, manual monitoring of CCTV recordings is highly inefficient and prone to human errors. Therefore, this research develops a prototype robbery detection system using the YOLOv5 method on CCTV. A dataset of images depicting robots performing robbery actions is prepared to train the detection model. Testing is conducted using this dataset, both in testing conditions with images and in real-time using a camera. The results show satisfactory success rates, with the ability to detect robberies reaching approximately 91% for violent robberies and 83% for armed robberies. Additionally, the system can send log data of detected criminal activities to a mobile application. For further development, plans include integrating real-time human object detection and adding alarm features to provide warnings when criminal activities are detected. These steps are expected to enhance the system's ability to monitor and respond to criminal situations more effectively.

Toko online telah menjadi salah satu sektor yang berkembang pesat di Indonesia sejak dimulainya pandemi COVID-19 pada tahun 2020. Pertumbuhan signifikan bisnis toko online ini menimbulkan kekhawatiran akan maraknya tindakan penipuan, terutama dalam hal manipulasi dan pengunggahan ulang gambar produk. Penelitian ini bertujuan untuk mengembangkan metode deteksi gambar manipulasi dan asli pada platform toko online serta meningkatkan akurasinya dengan menggabungkan teknik Error Level Analysis (ELA) dan Convolutional Neural Network (CNN). Penelitian ini meliputi pengembangan metode deteksi, penggabungan teknik ELA dan CNN yang menggunakan arsitektur VGG16, serta pengukuran keberhasilan deteksi gambar manipulasi dan asli. Hasil penelitian menunjukkan bahwa integrasi antara ELA dan CNN yang menggunakan arsitektur VGG16 berhasil mendapatkan akurasi deteksi dengan rata-rata 97% pada penggunaan tingkat kompresi 90% dan 100% dimana seluruh data di training menggunakan 100 epoch. Metrik evaluasi seperti precision, recall, dan F1-score memberikan gambaran yang komprehensif tentang performa sistem. Kesimpulan dari penelitian ini menegaskan keberhasilan dalam mencapai tujuan utama, dengan potensi pengembangan lebih lanjut dalam skala yang lebih luas. Selanjutnya, penelitian ini memberikan kontribusi penting terhadap literatur dalam bidang deteksi manipulasi gambar dan memberikan landasan bagi langkah-langkah selanjutnya dalam pengembangan teknologi deteksi gambar yang lebih canggih dan responsif.

Pembelajaran memerlukan komunikasi yang terarah antara pendidik dan peserta didik, serta membutuhkan alat pembelajaran yang tepat dan akurat. Media pembelajaran memiliki peran penting dalam memperlancar proses pembelajaran dan membantu pendidik menyampaikan materi dengan lebih efektif kepada peserta didik. Seiring dengan perkembangan teknologi informasi, media pembelajaran pun mengalami kemajuan, salah satunya adalah melalui teknologi Augmented Reality (AR), yang menggabungkan konten virtual dengan lingkungan nyata secara interaktif. Teknologi AR memungkinkan pengguna untuk berinteraksi secara real-time dengan aplikasi, menciptakan pengalaman belajar yang baru dan menarik, khususnya bagi generasi Alpha yang terampil dan akrab dengan teknologi. Observasi di SD Negeri Cindogo 1 Bondowoso, menunjukkan bahwa saat ini media pembelajaran yang digunakan masih terbatas pada buku cetak, yang kurang mendukung dalam proses belajar mengajar, terutama dalam materi negaranegara ASEAN. Oleh karena itu, dikembangkanlah media pembelajaran menggunakan teknologi AR pada platform android sebagai alternatif. Penggunaan teknologi AR dinilai tepat karena mampu memvisualisasikan materi dengan baik dan memungkinkan interaksi antara siswa dengan materi pembelajaran. Harapannya, media pembelajaran ini dapat meningkatkan minat belajar dan prestasi siswa, terutama dalam mempelajari materi negara-negara di ASEAN.

Kemajuan teknologi memperluas kemampuan data mining, yang merupakan proses eksplorasi dan analisis data untuk mengidentifikasi pola dan informasi berguna. Klasifikasi merupakan salah satu metode data mining yang digunakan untuk mengklasifikasikan objek berdasarkan atributnya. Algoritma klasifikasi terbagi menjadi dua jenis, yaitu eager learner yang melakukan pelatihan sebelum mengklasifikasikan objek baru, serta lazy learner yang tidak melakukan pelatihan dan baru membangun model saat mengklasifikasikan objek baru. Berdasarkan pembahasan tersebut, penelitian ini bertujuan untuk membandingkan eager learner, yang diwakili algoritma naive bayes, dengan lazy learner, yang diwakili algoritma k-nearest neighbor, dalam mengklasifikasikan tingkat obesitas. Dataset yang digunakan memiliki 16 atribut fitur dan 1 atribut kelas. Dataset ini digunakan untuk mengevaluasi dan membandingkan kinerja model klasifikasi dari kedua algoritma tersebut. Hasil analisis penelitian ini menunjukkan kinerja model klasifikasi algoritma naive bayes dan k-nearest neighbor dipengaruhi oleh rasio jumlah data latih dan data uji serta pemilihan nilai K yang tepat untuk k-nearest neighbor. Kedua model mencapai kinerja optimal pada rasio berbeda, namun k-nearest neighbor (K=7) menunjukkan kinerja yang lebih baik dibandingkan naive bayes dalam hal akurasi, presisi, recal, dan skor F1. Namun terdapat trade-off waktu, dimana naive bayes sebagai eager learner memiliki waktu pelatihan lebih lama tapi waktu pengujian lebih singkat, sedangkan k-nearest neighbor sebagai lazy learner memiliki waktu pelatihan lebih singkat tapi waktu pengujian lebih lama. Dengan demikian, penting untuk membandingkan kinerja algoritma agar dapat memilih algoritma yang sesuai dengan kebutuhan dan karakteristik dari kasus yang dihadapi

Ekspresi wajah adalah salah satu bentuk komunikasi non verbal yang membantu menyampaikan perasaan dan emosi. Namun, anak-anak dengan autisme sering mengalami kesulitan dalam mengekspresikan emosi melalui ekspresi wajah. Ini disebabkan oleh gangguan dalam fungsi sosial dan kognitif, serta perilaku stereotipik. Hal ini mengakibatkan kesulitan bagi pendamping untuk memahami dan merespons kebutuhan mereka. Untuk membantu dalam menangani masalah tersebut penulis membuat aplikasi untuk mengidentifikasi emosi pada anak autis Pada penelitian ini penulis memanfaatkan teknologi model Mobilenetv2 dalam mengenali emosi pada anak autis.. Hasil pengujian model klasifikasi emosi menunjukkan variasi yang signifikan dalam kinerja tiap kelas emosi. Meskipun kelas "Marah" menunjukkan kinerja tertinggi dengan precision, recall, dan F1-Score sebesar 90.0%, beberapa kelas lainnya juga menonjol, seperti "Bahagia" dan "Terkejut" dengan F1-Score masing-masing sebesar 85.0% dan 86.9%. Namun, terdapat ketidakseimbangan dalam kinerja kelas "Sedih" dan "Takut", meskipun memiliki F1-Score yang relatif tinggi, nilai presisi dan recallnya lebih rendah. Kelas "Netral" menunjukkan kinerja yang lebih rendah secara keseluruhan.

Sistem Pendukung Keputusan Penerimaan Permohonan Penyesuaian UKT Bagi Mahasiswa Politeknik Negeri Jember, Suci Nur Kholisah, NIM E31210549, Tahun 2024, 126 hlm., Jurusan Teknologi Informasi, Politeknik Negeri Jember, Wahyu Kurnia Dewanto, S.Kom., M.T. (Dosen Pembimbing). Uang Kuliah Tunggal yang disingkat menjadi UKT merupakan biaya yang dikenakan kepada setiap Mahasiswa untuk digunakan dalam proses pembelajaran selama menempuh pendidikan di perguruan tinggi (Permendikbud RI, 2020). Besaran nominal UKT ditetapkan oleh pimpinan PTN dan tidak dapat digugat. Menurut Permendikbud Nomor 25 Tahun 2020 menyatakan bahwa, “Dalam hal Mahasiswa, orang tua Mahasiswa, atau pihak lain yang membiayai Mahasiswa mengalami penurunan kemampuan ekonomi, antara lain dikarenakan bencana alam dan/atau non-alam, Mahasiswa dapat mengajukan: a. pembebasan sementara UKT; b. pengurangan UKT; c. perubahan kelompok UKT; atau d. pembayaran UKT secara mengangsur”. Mahasiswa memiliki hak untuk melakukan pengajuan penyesuaian UKT. Politeknik Negeri Jember memberikan kesempatan bagi seluruh mahasiswa untuk dapat melakukan permohonan pengajuan berupa pengurangan UKT dan pembayaran UKT secara mengangsur. Proses penetapan penerimaan permohonan oleh mahasiswa di Polije masih ditetapkan melalui musyawarah bersama tanpa adanya proses perhitungan yang akurat. Hal ini tentunya akan menurunkan tingkat keakuratan hasil keputusan. Berdasarkan permasalahan tersebut, maka dibangun sebuah sistem pendukung keputusan yaitu “Sistem Pendukung Keputusan Penerimaan Permohonan Penyesuaian UKT bagi Mahasiswa Politeknik Negeri Jember”. Sistem ini akan dibangun dengan menggunakan metode Analytical Hierarchy Process (AHP) yang akan membuat rekomendasi hasil keputusan yang tepat sehingga dapat membantu pembuat keputusan dalam pengambilan keputusan untuk menentukan mahasiswa penerima bantuan penyesuaian UKT dengan tepat sasaran, cepat dan akurat. Hasil akhir dari sistem ini yaitu berupa hasil perankingan berdasarkan kuota yang ditetapkan oleh lembaga Politeknik Negeri Jember.

Batik Ronggo Mukti merupakan sebuah rumah batik tulis yang terletak di kelurahan Sidomukti kecamatan Kraksaaan kabupaten Probolinggo provinsi Jawa Timur. Batik Ronggo Mukti menyediakan berbagai produk diantaranya kain batik tulis, baju batik dan udeng. Batik Ronggo Mukti juga memiliki berbagai motif batik dari hasil karya sendiri. Namun, saat ini Batik Ronggo Mukti belum memiliki kegiatan atau strategi khusus untuk meningkatkan pemasaran. Proses pemasaran batik masih konvensional. Jenis pemasaran yang dilakukan saat ini membuat peluang untuk mendapatkan pelanggan secara maksimal masih belum terpenuhi. Pembeli harus datang ke lokasi guna mengetahui informasi mengenai produk dan penawaran terbaru dari Batik Ronggo Mukti. Belum adanya otomatisasi pada semua proses atau masih menggunakan manual yakni pada, pemasaran, penjualan, pencarian produk dan perekapan laporan penjualan masih menggunakan media kertas dalam proses transaksi sehingga menyebabkan proses tersebut menjadi lebih lambat. Berdasarkan permasalahan yang telah diuraikan sebelumnya maka dibuat suatu sistem informasi penjualan berbasis website dengan menerapkan konsep customer relationship management pada industri Batik Ronggo Mukti khususnya pada transaksi, pemasaran, pembayaran, layanan pelanggan yang terintegrasi dan pembuatan laporan agar pemilik usaha dapat membuat keputusan dan strategi yang lebih cepat dan efisien.

Pemilihan umum merupakan agenda tahunan setiap 5 tahun sekali untuk memilih calon pemimpin dalam pemerintahan. Sejak tahun 1997 sampai tahun 2014, tingkat partisipasi masyarakat dalam mengikuti pemilihan umum selalu menurun setiap waktunya hal tersebut dapat mempengaruhi proses berjalannya demokrasi. Isu mengenai penundaan pemilihan umum muncul setelah Pengadilan Negeri Jakarta memerintahkan KPU untuk menunda pemilihan umum ke tahun 2025 dan meminta KPU untuk mengulang tahapan pemilihan umum. Adanya isu tersebut dapat mengubah perspektif masyakat mengenai pemilu,serta mengurangi tingkat kepercayaan masyarakat pada pemerintah dan adanya pengunduran tahapan pemilu dapat menyebabkan adanya inkonstitusional. Masyarakat menuangkan opini dan kritikan dalam menanggapi suatu isu pemerintahan dalam media social Twitter. Oleh karena itu, Twitter dapat dijadikan sumber data untuk menganalisis respon sentiment masyarakat terhadap isu penundaan pemilu 2024. Metode Support Vector Machine (SVM) merupakan metode klasifikasi data dengan memisahkan dua kelas data dengan menggunakan hyperplane. Dalam proses klasifikasi, terdapat 2 kelas yaitu kelas positif, dan kelas negative. Data yang digunakan dalam penelitian ini menggunakan data tweet terkait kata kunci tunda pemilu yang diambil dari media twitter menggunakan Tweet Harvest. Data yang berhasil dikumpulkan akan melalui proses preprocessing dengan tahapan cleaning, case folding, normalisasi, tokenisasi, stopword, dan stemming. Selanjutnya data akan memasuki proses pembobotan kata dengan menggunakan TF-IDF(Document Frequency-Inverst Document Frequency). Selanjutnya dilakukan klasifikasi dengan metode SVM dan didapatkan hasil accuracy sebesar 71%, precision 77%, recall 47% , dan nilai f1 score sebesar 59% dari pembagian data sebanyak 80:20.