Pendidikan di Indonesia terbagi antara sekolah negeri dan sekolah swasta, masing-masing dengan kelebihan dan kekurangannya. Sekolah Dasar Al-Baitul Amien di Jember, Jawa Timur, adalah salah satu sekolah swasta yang melakukan penilaian kinerja guru secara manual, menimbulkan potensi subjektivitas dan kecemburuan sosial. Sistem Pendukung Keputusan (SPK) diperlukan untuk memastikan penilaian yang akurat dan objektif. Melalui serangkaian pengujian, implementasi SPK menggunakan Simple Additive Weighting (SAW) berhasil mencapai tingkat akurasi sebesar 80% dalam penilaian kinerja guru. Penelitian ini diharapkan dapat memberikan solusi yang efektif dalam mengatasi permasalahan penilaian kinerja guru yang efisien dan objektif, serta berkontribusi pada peningkatan kualitas pendidikan di SD Al-Baitul Amien Jember.

Penelitian ini bertujuan untuk menganalisis sentimen review pengunjung terhadap Usaha Mikro, Kecil, dan Menengah (UMKM) Seblak Preanger menggunakan metode klasifikasi Naive Bayes. Review pengunjung diambil dari platform Google Maps sebagai sumber data untuk mengevaluasi respons pelanggan terhadap produk dan layanan UMKM Seblak Preanger. Metode Naive Bayes Classifier dipilih sebagai alat analisis sentimen karena metode ini cenderung efektif pada dataset dengan jumlah fitur yang tinggi. Hal ini membuatnya cocok untuk aplikasi di mana jumlah atribut (fitur) dalam data sangat besar, seperti dalam analisis teks atau klasifikasi dokumen. Proses analisis sentimen melibatkan tahap pra-pemrosesan data, di mana ulasan diekstrak dan diubah menjadi format yang dapat diolah. Selanjutnya, model Naive Bayes Classifier dilatih dengan menggunakan data latih yang mencakup 80% dari total data, dan diuji dengan data uji yang mencakup 20% sisanya. Evaluasi dilakukan dengan memeriksa akurasi, Precision, Recall, dan f1-score sebagai metrik kinerja model. Hasil penelitian menunjukkan bahwa metode Naive Bayes Classifier dapat menghasilkan nilai akurasi sebesar 89.09%, Precision sebesar 89%, Recall sebesar 89%, dan f1-score sebesar 89%. Pembagian data latih dan uji sebesar 80% dan 20% memberikan kontribusi positif terhadap performa model dalam mengklasifikasikan sentimen pengunjung.

Pengembangan Sistem Informasi Pegawai Mascitra.com Berbasis Web Menggunakan Laravel 8 Muhammad Jamalludin, NIM E41180658, Tahun 2024, Teknologi Informasi, Politeknik Negeri Jember, Trismayanti Dwi P, S.kom, M.Cs (Dosen Pembimbing), Yusfi Adil Amrullah, S.Tr.Kom (Pembimbing Lapang). Mascitra.com adalah sebuah perusahaan Konsultan IT dan Software Indonesia yang berdiri sejak 2010 oleh Citra Darma Wida. Kemudian pada tahun 2016 Mascitra.com yang beralamat di Jl.Nusantara Blok GF-7A Jember, membuka kantor di Jl. Bungur No.130 Jember, Jawa Timur. Pada tahun 2017 hingga kini, Mascitra.com telah menjadi partner berbagai jenis dan kelas industri di seluruh Indonesia. Sebagai tindak nyata dalam meningkatkan jangkauan layanannya di seluruh Indonesia. Mascitra membukan kantor cabang baru di Jl.Gubeng Kertajaya IA No.3A Surabaya, Jawa Timur dan Jl.Tukad Citarum Gg.FX No.9 Panjer Denspasar, Bali. Pada laporan PKL ini penulis berfokus mengenai aplikasi SIMPEG Mascitra yaitu Sistem Pegawai Mascitra.com merupakan aplikasi kepegawaian berbasis web untuk menunjang berbagai keperluan bagi para pegawai Mascitra.com, seperti keperluan administrasi, gaji, data pegawai, dan lain-lain. Pada pengembangan aplikasi tersebut kelompok kami membagi dua bagian, back end dan front end. Penulis mendapatkan bagian back end untuk pembuatan aplikasi SIMPEG Mascitra. Dengan dikembangkannya SIMPEG diharapkan dapat mempermudah lembaga mengevaluasi dan mempercepat pengolahan data. SIMPEG dibangun menggunakan Framework Laravel, Database Mysql dan bahasa Pemrograman PHP untuk mempermudah pengembangan SIMPEG berbasis website.

Tanaman pangan di Indonesia memegang peran penting dalam memenuhi kebutuhan pangan penduduk yang jumlahnya besar. Dengan keanekaragaman sumber daya alam yang melimpah, termasuk lahan subur, iklim tropis, dan curah hujan yang tinggi, Indonesia dapat menanam berbagai jenis tanaman pangan seperti padi, jagung, kedelai, dan lainnya. Pemerintah telah mengambil langkah-langkah untuk meningkatkan produksi tanaman pangan, termasuk program peningkatan produktivitas dan pengembangan infrastruktur pertanian. Meskipun demikian, sektor pertanian di Indonesia khususnya pada Kabupaten Banyuwangi masih dihadapkan pada tantangan seperti rendahnya produktivitas di beberapa daerah kecamatan, perubahan iklim, dan masalah ketersediaan lahan. Kondisi ini berdampak pada kelangkaan bahan pangan dan ketidakstabilan pasokan pangan. Berdasarkan studi di Kabupaten Banyuwangi menunjukkan adanya penyusutan lahan produktif yang mengarah pada berkurangnya produksi tanaman pangan. Untuk mengatasi masalah ini, penelitian sebelumnya menyarankan penggunaan sistem pendukung keputusan untuk memilih jenis tanaman pangan yang sesuai dengan kondisi lahan. Salah satu metode yang digunakan adalah TOPSIS. Oleh karena itu, penulis merancang Tugas Akhir dengan judul "Sistem Pendukung Keputusan Pemilihan Jenis Tanaman Pangan Berdasarkan Lahan Menggunakan Metode TOPSIS: Studi Kasus Kabupaten Banyuwangi", yang bertujuan membantu lembaga atau dinas pertanian dan pangan dalam meningkatkan produktivitas pertanian di wilayah tersebut.

Penggunaan teknologi smart home saat ini semakin berkembang pesat, terutama di Indonesia. Terlebih lagi terobosan terobosan yang digunakan salah satunya yaitu pengenalan biometrik berupa suara. Namun, terobosan tersebut memiliki resiko keamanan, seperti kesalahan identifikasi suara atau speech misidentification. Berbagai penelitian yang mengkombinasikan berbagai metode ekstraksi ciri suara dan algoritma klasifikasi suara dengan metode MFCC dan Supervised Learning. Hasil dari penelitian ini menunjukkan bahwa pada pengujian manual yang menggunakan model SVM Multiclass dapat mencapai tingkat akurasi 98,7 pada pengujian confusion matrix. Sedangkan pada penggunaan model Backpropagation tingkat akurasi yang didapatkan bisa mencapai 98,3%. Kemudian dari hasil implementasi sistem kedalam prototype diperoleh waktu response time pada perangkat terhadap suara mendapatkan rata-rata 319.95 ms dalam keadaan online yang tersambung pada firebase. Sedangkan untuk response time pada proses pengenalan sistem dapat mencapai rata-rata 1.31 ms.

Fokus utama dalam meningkatkan kepuasan pelanggan dan kualitas pelayanan yaitu pada sistem deteksi kepuasan pelanggan. Penelitian ini bertujuan untuk mengembangkan sebuah sistem deteksi kepuasan pelanggan menggunakan Convolutional Neural Network (CCN). Metode ini memungkinkan untuk deteksi ekspresi wajah pelanggan secara real-time untuk menilai tingkat kepuasan mereka. Tiga jenis dataset digunakan dalam penelitian ini untuk melatih model CNN yang berbeda-beda yaitu dataset primer, sekunder dan campuran. Hasil dari beberapa uji coba yang dilakukan menunjukkan bahwa Model CNN FS 3 dengan dataset campuran dengan pembagian dataset pada perbandingan 80:20, dimana data dibagi menjadi 80% sebagai data latih dan 20% sebagai data uji mencapai akurasi yaitu 90,43% untuk pelatihan dan 90,46% pengujian. Uji coba menggunakan User Acceptance Testing (UAT) website deteksi ekspresi wajah pelanggan menunjukkan tingkat keberhasilan sebesar 88% yang menandakan bahwa pengguna dapat menerima dengan cukup baik website deteksi ekpresi pelanggan. Waktu yang digunakan untuk mendeteksi ekspresi wajah pelanggan yaitu selama 30 detik hal ini sudah di uji pada toko secara langsung.

Di negara-negara berkembang, kekurangan gizi merupakan faktor utama penyebab kematian anak. Menurut World Health Organization (WHO), sekitar 27,7% anak di bawah usia lima tahun di Indonesia mengalami masalah gizi. Data dari Kementerian Kesehatan Indonesia pada tahun 2019 menunjukkan bahwa 10,7?ri seluruh kematian anak di bawah lima tahun disebabkan oleh gizi buruk atau gizi kurang. Untuk menjaga stabilitas status gizi, penilaian dan pemantauan terhadap balita sangat penting. Penelitian ini bertujuan untuk membangun sebuah sistem pendukung keputusan dalam menentukan status gizi balita dengan menggunakan metode Simple Additive Weighting. Berdasarkan hasil perhitungan yang dilakukan oleh sistem dengan metode tersebut, tingkat akurasi mencapai 76?ri total 25 data yang diuji. Pada pengujian Uji Penerimaan Pengguna (UAT), sistem mencapai akurasi sebesar 89,5?ngan melibatkan 4 responden.

This study aims to create a calculator specifically tailored for research and community service activities using the Lean Startup method. Taxes play a crucial role in managing the finances of these activities, but they are often complex and confusing for researchers and practitioners. The development of this calculator is intended to facilitate users in calculating financial reports for these activities. The Lean Startup method is employed in developing this tax calculator. Therefore, this research involves design steps, such as collecting data from users, analyzing their needs, and developing based on user responses. It is hoped that the tax calculator created using the Lean Startup approach will be a useful tool for researchers and practitioners in the field of research and community service, helping them manage finances effectively and contribute more effectively to the advancement of science and society.