Deteksi dan Klasifikasi Jenis Jamur Liar Menggunakan Algoritma Convolutional Neural Network (CNN), Siti Septiyah Agustin, NIM E41221559, Tahun 2026, 124 Halaman, Teknologi Informasi, Politeknik Negeri Jember PSDKU Nganjuk, Intan Sulistyaningrum Sakkinah, S.Pd., M.Eng. (Dosen Pembimbing). Jamur liar memiliki kemiripan karakteristik visual yang tinggi sehingga masyarakat sering mengalami kesulitan dalam membedakan jamur yang dapat dikonsumsi dan jamur beracun. Kesalahan identifikasi dapat menyebabkan keracunan yang membahayakan kesehatan bahkan berisiko fatal. Di sisi lain, pemanfaatan teknologi kecerdasan buatan khususnya pada bidang computer vision membuka peluang untuk membantu proses identifikasi jamur secara otomatis dan lebih akurat. Penelitian ini bertujuan untuk mengembangkan sistem deteksi dan klasifikasi jenis jamur liar berbasis citra yang dapat diimplementasikan pada perangkat mobile. Metode yang digunakan dalam penelitian ini adalah Deep Learning dengan arsitektur Convolutional Neural Network (CNN) menggunakan model MobileNetV2 sebagai pendekatan transfer learning. Dataset yang digunakan berjumlah 6000 citra yang terdiri dari empat jenis jamur, yaitu Auricularia auricula-judae, Fly Agaric, Termitomyces, dan Amanita pantherina. Proses pengembangan model dilakukan menggunakan TensorFlow dan Keras, kemudian model dikonversi ke format TensorFlow Lite agar dapat diintegrasikan ke dalam aplikasi mobile Android. Hasil pengujian menunjukkan model memperoleh akurasi sebesar 91?n mampu mengklasifikasikan jamur melalui kamera maupun galeri dengan baik. Penelitian ini membuktikan bahwa pendekatan CNN MobileNetV2 efektif untuk membantu identifikasi jamur liar secara praktis.

Peracangan Website Perpustakaan Digital Menggunakan Metode Rapid Application Development (Studi Kasus: SMP Negeri 1 Bagor), Zhada Mei Arsita, NIM E41220539, Tahun 2026, 240 halaman, Teknik Informatika, Politeknik Negeri Jember, Ulfa Emi Rahmawati, S.Kom., M.Kom. (Dosen Pembimbing). Perkembangan teknologi informasi di era globalisasi mendorong perubahan dalam dunia Pendidikan, termasuk pada sistem perpustakaan yang beralih dari manual ke digital. Perpustakaan sekolah memiliki peran penting sebagai sumber belajar, namun di SMP Negeri 1 Bagor masih dikelola secara manual sehingga menimbulkan kendala seperti ketiadaan katalog, kesulitan pencarian buku, pengelolaan data yang kurang efektif, serta keterbatasan akses layanan. Penelitian sebelumnya masih memiliki kekurangan pada desain antarmuka, responsivitas sistem, dan pengalaman pengguna karena lebih fokus pada fungsi sistem dibandingkan kualitas desain front-end. Penelitian ini bertujuan untuk memperbaiki kualitas antarmuka, meningkatkan responsivitas sistem, serta memberikan pengalaman pengguna yang lebih baik pada website perpustakaan digital sehingga dapat meningkatkan efisiensi dan kualitas layanan perpustakaan melalui perancangan antarmuka pengguna pada website perpustakaan digital. Metode yang digunakan adalah Rapid Application Development (RAD) yang bersifat iteratif menggunakan prototype serta User Experience Questionnaire (UEQ) untuk mengukur pengalaman pengguna. Antarmuka dirancang interaktif, responsif, dan mudah digunakan dengan berbagai fitur seperti akun pengguna, katalog dan pencarian buku, akses e-book, pengelolaan data, laporan minat baca, pengelolaan denda, pengumuman, rekomendasi pembelajaran, serta notifikasi. Hasil pengujian UEQ yang melibatkan 89 siswa, 33 guru, 4 petugas perpustakaan menunjukkan nilai diatas rata – rata dengan kategori Excellent dan Good sehingga website perpustakaan digital mampu meningkatkan efisiensi layanan dan mendukung konsep smart village berbasis teknologi.

Perkembangan teknologi informasi membuka peluang besar dalam mendukung sektor pertanian, salah satunya melalui penerapan sistem pakar berbasis web. Penelitian ini mengembangkan aplikasi CekKopi, sebuah sistem pakar untuk mendiagnosa hama dan penyakit pada tanaman kopi menggunakan metode Certainty Factor (CF). Sistem ini ditujukan bagi tanaman kopi yang telah memasuki usia produktif, yaitu antara 15 hingga 24 bulan, dan dibangun menggunakan framework Laravel dengan database MySQL.Basis pengetahuan sistem mencakup 17 jenis hama dan penyakit, 65 gejala klinis tanaman, serta 70 rule inferensi yang masing-masing dilengkapi nilai Measure of Belief (MB) dan Measure of Disbelief (MD). Keempat jenis solusi pengendalian — meliputi pengendalian kimiawi, biologis, mekanis, dan kulturis — terintegrasi langsung dalam data master penyakit. Proses diagnosa dilakukan dengan mengombinasikan nilai CF berdasarkan gejala yang dipilih pengguna, menghasilkan persentase kepercayaan sebagai dasar rekomendasi. Sebagai contoh, diagnosa Kutu Hijau (HP004) menghasilkan nilai CF sebesar 0,9402 (94,02%), sedangkan Wereng (HP005) menghasilkan nilai CF sebesar 0,774 (77,40%).Sistem ini dirancang dengan tiga tingkatan akses pengguna, yaitu Super Admin, Admin, dan User (petani). Fitur yang tersedia meliputi manajemen data penyakit, gejala, rule basis, artikel budidaya, artikel hama dan penyakit, riwayat diagnosa, serta halaman profil pengguna. Basis pengetahuan dikembangkan bersama pakar di bidang pertanian, yaitu Devina Cinantya Anindita, S.P., M.Si., dosen Jurusan Produksi Pertanian yang turut terlibat dalam proses validasi akurasi sistem.Pengujian sistem dilakukan melalui tiga tahap. Pertama, pengujian Black Box Testing melibatkan 30 responden dengan 63 skenario uji yang mencakup fungsionalitas halaman umum, tampilan admin, dan tampilan user — seluruh skenario menunjukkan hasil sesuai harapan. Kedua, pengujian akurasi dilakukan bersama pakar untuk memvalidasi kesesuaian hasil diagnosa sistem dengan diagnosis manual. Ketiga, pengujian User Acceptance Testing (UAT) dilakukan terhadap 15 petani kopi sebagai pengguna akhir menggunakan 8 pertanyaan dengan skala Likert 1–5, menghasilkan skor rata-rata 89,5% yang masuk dalam kategori Sangat Baik. Tahap pemeliharaan sistem dilaksanakan pada Mei hingga Juni 2026 dan tidak ditemukan masalah berarti berdasarkan hasil kuesioner.Penelitian ini diharapkan mampu memberikan kontribusi nyata bagi petani kopi dalam mendeteksi masalah tanaman secara mandiri, cepat, dan akurat tanpa harus selalu bergantung pada tenaga ahli pertanian. Ke depannya, sistem CekKopi berpotensi dikembangkan lebih lanjut dengan integrasi teknologi deep learning berbasis foto tanaman, pembaruan basis pengetahuan secara berkala, serta penambahan fitur notifikasi untuk mendukung pemantauan kondisi tanaman secara proaktif.

Laptop adalah perangkat elektronik yang digunakan untuk berbagai tujuan, seperti bekerja, belajar, dan menikmati hiburan. Melalui analisis sentimen, ulasan pengguna tentang laptop Advan Workplus di platform Shopee dan YouTube dapat digunakan untuk mengetahui pendapat publik. Tujuan penelitian ini adalah untuk membandingkan cara Support Vector Machine (SVM) dan Naive Bayes Classifier bekerja saat mereka mengkategorikan sentimen ulasan menjadi kategori positif, negatif, dan netral. Implementasi metode, pengumpulan data, preprocessing, dan pembobotan TF-IDF, dan pengujian sistem dengan beberapa skenario pembagian data dilakukan. Berdasarkan hasil pengujian, metode SVM memperoleh akurasi sebesar 95,51%, sedangkan Naive Bayes memperoleh 86,08%. Penelitian menunjukkan bahwa metode SVM unggul dalam analisis sentimen ulasan laptop Advan Workplus daripada Naive Bayes.

SADEWA: Sistem Deep Learning Otomatis untuk Klasifikasi Penyakit Telur dan Sorting Menggunakan Lengan Robot. Fullay Fillah (E32231532) , Tahun 2026, Program Studi Teknik Komputer, Jurusan Teknologi Informasi, Politeknik Negeri Jember. Dosen Pembimbing: Mochammad Rifki Ulil Albaab, ST., M.Tr.T. Sistem SADEWA, juga dikenal sebagai Sistem Pembelajaran Mendalam Otomatis untuk Klasifikasi Penyakit Telur dan Sorting dengan Lengan Robot, dibuat untuk membantu proses penyortiran dan klasifikasi telur ayam sesuai dengan kualitas dan kondisi fisiknya. Algoritma deep learning YOLO digunakan oleh sistem untuk mengidentifikasi kondisi telur melalui gambar yang diambil menggunakan ESP32-CAM. Selain menggunakan pengolahan gambar, sistem juga didukung oleh sensor load cell untuk mengukur berat telur dan sensor lampu untuk menjaga kestabilan pencahayaan selama pengambilan gambar. Hasil klasifikasi telur akan dikelompokkan ke dalam kategori Grade A, Grade B, dan Grade C. Setelah proses klasifikasi selesai, sistem mengirimkan data ke lengan robot, yang akan secara otomatis mengambil dan memindahkan telur ke wadah sesuai dengan kategorinya. Selain itu, sistem ini berkolaborasi dengan teknologi Internet of Things (IoT), yang memungkinkan penyimpanan dan pemantauan data hasil klasifikasi melalui website marketplace SADEWA. Tujuan dari pengembangan sistem ini adalah untuk meningkatkan efisiensi, akurasi, dan konsistensi proses klasifikasi dan penyortiran telur dibandingkan metode manual. Dengan adanya sistem SADEWA, diharapkan proses penyortiran telur dapat dilakukan secara lebih cepat, efektif, dan dengan tingkat kesalahan yang lebih rendah yang disebabkan oleh faktor manusia.

Penelitian ini bertujuan untuk merancang dan membangun sistem otomatis berbasis Internet of Things (IoT) untuk memantau dan mengendalikan keseimbangan kadar nutrisi (TDS) serta pH pada tanaman selada hidroponik dengan metode Nutrient Film Technique (NFT). Sistem dikembangkan menggunakan mikrokontroler ESP32 yang terintegrasi dengan sensor pH-4502C, sensor TDS Meter V1.0, dan modul aktuator. Pengambilan keputusan otomatis dilakukan dengan menerapkan algoritma sistem pakar forward chaining yang mengklasifikasikan data berdasarkan fase pertumbuhan selada. Data sensor dan status pompa dikirim secara real-time ke basis data cloud Firebase dan ditampilkan melalui aplikasi mobile. Hasil pengujian Mean Absolute Error (MAE) menunjukkan bahwa sensor pH memiliki nilai kesalahan sebesar 0.08, sedangkan sensor TDS sebesar 14.72 PPM. Meskipun pengujian logika komputasi mencapai tingkat akurasi 100% pada 24 basis aturan, pengujian beban operasional (stress test) selama 72 jam mengungkap sejumlah keterbatasan fisis di lapangan. Keterbatasan tersebut meliputi efek overshoot yang membutuhkan jeda toleransi difusi selama 30 detik, serta keterlambatan respons sensor sekitar 10 detik akibat akumulasi kotoran nutrisi yang memaksa sistem memicu mekanisme pengamanan (fail-safe) pemutusan aktuator. Selain itu, kinerja aplikasi mobile terbukti sangat bergantung pada stabilitas jaringan internet lokal yang dapat menimbulkan jeda pemuatan (loading delay) saat sinkronisasi data. Sistem ini mampu menjadi prototipe fungsional untuk manajemen nutrisi otomatis, meskipun kelancaran operasionalnya mutlak memerlukan perawatan sensor secara berkala dan lingkungan jaringan yang stabil.

Penelitian ini mengembangkan sistem pemetaan risiko stunting pada balita berbasis website dengan menggabungkan algoritma K-Nearest Neighbors (KNN) dan Geographic Information System (GIS). Pengembangan sistem ini dilatarbelakangi oleh proses pencatatan data yang masih dilakukan secara manual serta belum adanya visualisasi berbasis wilayah, sehingga menyulitkan pemantauan kondisi stunting. Sistem ini memanfaatkan beberapa variabel, yaitu jenis kelamin, umur, tinggi badan, berat badan, lingkar lengan atas, lingkar kepala, serta z-score tinggi badan menurut umur dan z-score berat badan menurut umur, untuk melakukan klasifikasi status gizi balita secara otomatis. Pengujian klasifikasi dilakukan menggunakan confusion matrix dengan membandingkan nilai K = 3, 5, 7, dan 9 menggunakan 500 data latih dan 261 data uji, di mana K = 5 menunjukkan performa terbaik dengan accuracy sebesar 88,1%, precision 37,0%, recall 89,5%, specificity 88,0%, dan F1-score sebesar 52,3%. Meskipun nilai precision masih relatif rendah, tingginya nilai recall menunjukkan bahwa sistem memiliki kemampuan yang baik dalam mendeteksi balita berisiko stunting sebagai upaya deteksi dini. Dengan demikian, sistem ini dapat dimanfaatkan sebagai alat bantu pengambilan keputusan dalam pemantauan risiko stunting berbasis wilayah. Namun, sistem masih memerlukan pengembangan lebih lanjut untuk meningkatkan precision dan mencapai keselarasan antara hasil klasifikasi dan kondisi aktual di lapangan.

Penjadwalan mata kuliah merupakan proses pengorganisasian yang krusialdalam pengelolaan kegiatan akademik di perguruan tinggi, karena melibatkan pengalokasian waktu, ruang, dan tenaga pengajar agar seluruh perkuliahan dapat berjalan tanpa adanya bentrokan jadwal. Di Program Studi Teknik Informatika PSDKU Politeknik Negeri Jember (Polije) Kampus Sidoarjo, proses penjadwalan masih dilakukan secara manual oleh admin program studi. Metode manual ini rentan terhadap kesalahan, membutuhkan waktu yang lama, dan berpotensi menimbulkan konflik jadwal karena harus mempertimbangkan banyak variabel secara bersamaan, seperti ketersediaan dosen, bobot SKS, kapasitas ruang kelas, serta pembagian hari dan jam perkuliahan.Penelitian ini bertujuan untuk mengembangkan sistem penjadwalan mata kuliah berbasis web dengan mengimplementasikan Algoritma Welch-Powell. Algoritma ini memanfaatkan konsep pewarnaan graf, di mana setiap mata kuliah direpresentasikan sebagai simpul dan konflik antar mata kuliah sebagai sisi penghubung. Simpul-simpul kemudian diurutkan berdasarkan derajat tertinggi dan diberi warna (slot waktu) secara sistematis dengan aturan tidak ada dua simpul yang saling terhubung mendapatkan warna yang sama. Sistem dikembangkan menggunakan metode Software Development Life Cycle (SDLC) model Waterfall dengan teknologi berbasis web (PHP dan MySQL), sehingga dapat diakses kapan saja melalui browser. Antarmuka dirancang sederhana agar memudahkan admin dalam mengelola data master meliputi dosen, mata kuliah, ruang kelas, bobot SKS,dan slot waktu perkuliahan. Evaluasi sistem dilakukan melalui dua tahapan pengujian. Pengujian fungsional menggunakan metode Black Box Testing membuktikan bahwa seluruh fitur sistem berjalan sesuai dengan yang diharapkan. Pengujian usabilitas menggunakan System Usability Scale (SUS) menghasilkan skor 70 yang masuk dalam kategori Acceptable (dapat diterima). Dengan demikian, sistem penjadwalan berbasis Algoritma Welch-Powell ini terbukti mampu menghasilkan jadwal perkuliahan secara otomatis tanpa bentrokan, lebih cepat dan terstruktur dibandingkan metode manual sebelumnya, serta layak diimplementasikan sebagai solusi pengelolaan jadwal akademik di Program Studi Teknik Informatika Polije Kampus Sidoarjo.