UMKM Warkop Cak Imin menghadapi kendala pencatatan keuangan yang mana masih menggunakan metode manual untuk pencatatan pada tiga cabangnya (Begadung, Warujayeng, Kediri), yang memicu risiko kesalahan data dan menyulitkan pemantauan oleh owner. Penelitian terdahulu banyak membangun Sistem Informasi Akuntansi (SIA) UMKM, namun mayoritas hanya berfokus pada satu lokasi usaha tunggal dan belum mengakomodasi konsolidasi laporan akuntansi formal multi-cabang secara real-time. Oleh karena itu, penelitian ini bertujuan untuk merancang dan membangun Sistem Informasi Akuntansi (SIA) berbasis website yang dapat membantu pengelolaan transaksi dan penyusunan laporan keuangan secara terintegrasi. Pengembangan sistem menggunakan metode Waterfall yang meliputi tahapan requirements analysis, design, development, testing, dan maintenance. Sistem dikembangkan menggunakan framework Laravel, bahasa pemrograman PHP, dan database MySQL. Implementasi sistem menghasilkan website yang dapat diakses melalui http://wkpcakimin.infinityfreeapp.com dengan fitur login, dashboard, pengelolaan produk, pembelian, penjualan, biaya operasional, jurnal umum, buku besar, laporan laba rugi, serta pengelolaan akun sesuai hak akses pengguna. Pengujian sistem dilakukan menggunakan Blackbox Testing dengan teknik Equivalence Partitioning dan Usability Testing menggunakan metode System Usability Scale (SUS). Hasil Blackbox Testing menunjukkan bahwa seluruh 71 test case dinyatakan valid, sehingga seluruh fungsi sistem berjalan sesuai kebutuhan. Sementara itu, hasil pengujian SUS memperoleh skor rata-rata 75, yang termasuk dalam kategori Acceptable, Grade B, dan Adjective Rating Good, sehingga menunjukkan bahwa sistem mudah digunakan dan dapat diterima oleh pengguna. Berdasarkan hasil penelitian, Sistem Informasi Akuntansi berbasis website yang dikembangkan mampu membantu UMKM Warkop Cak Imin dalam mengelola transaksi keuangan secara lebih efektif, menghasilkan laporan keuangan secara otomatis, serta memudahkan owner dalam memantau kondisi keuangan pada setiap cabang. Meskipun demikian, sistem masih dapat dikembangkan lebih lanjut melalui peningkatan konsistensi antarmuka, penyediaan panduan penggunaan, serta penambahan fitur pendukung agar dapat memberikan pengalaman penggunaan yang lebih baik

Pemilihan jurusan pada jenjang Sekolah Menengah Atas (SMA) merupakan tahapan krusial yang sangat memengaruhi arah pendidikan dan karier siswa di masa depan. Di SMAN 3 Tuban, proses penentuan jurusan (Paket A,Paket B,Paket C,Paket D,Paket E,Paket E,Paket F,dan Paket G) khususnya bagi siswa, masih menghadapi tantangan dalam memproses data nilai akademik dan evaluasi minat siswa secara cepat, objektif, dan otomatis. Oleh karena itu, penelitian ini bertujuan untuk merancang dan membangun sebuah Sistem Rekomendasi Jurusan berbasis website yang dapat memberikan keputusan penjurusan secara akurat guna membantu pihak Bimbingan Konseling (BK) dan sekolah. Sistem cerdas ini dikembangkan dengan mengimplementasikan algoritma Machine Learning, yaitu Decision Tree C4.5, yang berfungsi untuk mengklasifikasikan dataset historis siswa menjadi sebuah pohon keputusan (decision tree) dan aturan (rules) penjurusan. Pengembangan perangkat lunak menerapkan metode Waterfall dengan arsitektur terpisah (decoupling). Sisi antarmuka pengguna (Frontend) dibangun menggunakan library React, sedangkan sisi server dan logika pemrosesan data (Backend) dikembangkan menggunakan lingkungan runtime Node.js, serta MySQL sebagai basis data. Hasil dari penelitian ini adalah beroperasinya sebuah portal website rekomendasi jurusan yang interaktif dan dinamis. Berdasarkan hasil pengujian fungsionalitas perangkat lunak menggunakan Black-Box Testing, seluruh fitur viii sistem dinyatakan berjalan dengan valid sesuai dengan fungsionalitas yang diharapkan. Selanjutnya, pengujian keandalan algoritma Decision Tree C4.5 menggunakan matriks kebingungan (Confusion Matrix) menghasilkan performa klasifikasi dengan tingkat akurasi sebesar [X]%, tingkat presisi sebesar [Y]%, dan recall sebesar [Z]%. Tingginya nilai metrik evaluasi tersebut membuktikan bahwa sistem yang dikembangkan layak dan efektif digunakan sebagai alat bantu pendukung keputusan penjurusan bagi siswa di SMAN 3 Tuban.

Sistem Informasi Perpustakaan Nawasena Berbasis Web dan Internet of Things (IoT) Di Bakorwil III Malang, Ahmad Zeki Saputra, E32230908, Tahun 2026, Program Studi Teknik Komputer, Jurusan Teknologi Informasi, Lalitya Nindita Sahenda, S.Pd., M.T. (Dosen Pembimbing) Perpustakaan Nawasena Bakorwil III Malang merupakan unit layanan informasi yang berperan dalam pengelolaan dan penyediaan koleksi pustaka. Namun, proses pengelolaan data koleksi, keanggotaan, serta transaksi peminjaman dan pengembalian buku masih dilakukan secara kurang efektif sehingga berpotensi menimbulkan kesalahan pencatatan dan menghambat proses monitoring layanan perpustakaan. Penelitian ini bertujuan untuk merancang dan membangun Sistem Informasi Perpustakaan Nawasena berbasis web dan Internet of Things (IoT) dengan memanfaatkan teknologi Radio Frequency Identification (RFID) sebagai media identifikasi kartu anggota. Sistem dikembangkan menggunakan framework Laravel, perangkat ESP32 dengan modul RFID, protokol MQTT untuk komunikasi data secara real-time, serta REST API untuk mendukung transaksi mandiri. Selain itu, sistem dilengkapi dengan fitur notifikasi email untuk menyampaikan informasi persetujuan pendaftaran anggota dan perpanjangan masa peminjaman. Metode pengembangan yang digunakan adalah Prototype, sedangkan pengujian sistem dilakukan menggunakan metode User Acceptance Testing (UAT) untuk mengetahui tingkat penerimaan dan kesesuaian sistem terhadap kebutuhan pengguna. Hasil pengujian menunjukkan bahwa Sistem Informasi Perpustakaan Nawasena mampu berjalan dengan baik, mudah digunakan, serta meningkatkan efektivitas dan efisiensi dalam pengelolaan data koleksi, keanggotaan, dan transaksi perpustakaan. Berdasarkan hasil pengujian tersebut, sistem dinyatakan layak digunakan sebagai pendukung layanan perpustakaan digital di Perpustakaan Nawasena Bakorwil III Malang.

Penelitian ini bertujuan merancang dan mengimplementasikan alat pancing otomatis berbasis multi variabel sensor menggunakan metode Kalman Filter dengan monitoring Real-time berbasis website. Sistem memanfaatkan sensor getaran SW-420 untuk mendeteksi sambaran ikan dan sensor Load Cell HX711 untuk mengukur berat hasil tangkapan. Data dari kedua sensor diproses menggunakan Multi-Sensor Linear Kalman Filter 2 Dimensi untuk mengurangi noise dan meningkatkan kestabilan pembacaan. Sistem dikendalikan oleh mikrokontroler ESP32 yang mengirimkan data ke Firebase untuk ditampilkan pada website monitoring secara Real-time. Metode pengembangan yang digunakan adalah Software Development Life Cycle (SDLC) dengan model Waterfall. Hasil penelitian menunjukkan bahwa penerapan Kalman Filter mampu menghasilkan data sensor yang lebih stabil dibandingkan data mentah sehingga meningkatkan akurasi deteksi sambaran ikan dan pengukuran berat hasil tangkapan. Selain itu, website monitoring berhasil menampilkan informasi kondisi alat dan data hasil tangkapan secara Real-time. Dengan demikian, sistem yang dikembangkan mampu mendukung kegiatan memancing yang lebih efektif melalui integrasi teknologi Internet of Things (IoT), sensor multi variabel, dan Kalman Filter.

Pembelajaran materi Logika Fuzzy seringkali dianggap sulit dan monoton karena perhitungannya yang abstrak dan umumnya hanya disampaikan melalui presentasi dua dimensi atau buku pedoman yang sifatnya statis. Penelitian ini bertujuan untuk mengembangkan aplikasi media pembelajaran berbasis teknologi Augmented Reality (AR) menggunakan metode marker-based tracking, yang menampilkan visualisasi video edukasi interaktif dan simulasi perhitungan metode fuzzy mamdani secara real-time. Aplikasi yang diberi nama "Fuzzy Fun" ini dirancang untuk digunakan oleh mahasiswa Program Studi Teknik Informatika, khususnya mahasiswa semester menengah antara 4 sampai dengan 6 di Politeknik Negeri Jember PSDKU 4 Sidoarjo. Pengembangan aplikasi dilakukan menggunakan metode Multimedia Development Life Cycle (MDLC) yang terdiri dari enam tahapan, yaitu concept, design, material collecting, assembly, testing, dan distribution. Aplikasi dibangun menggunakan Unity 3D, Vuforia Engine, dan CapCut Pro Desktop untuk memproyeksikan aset video pembelajaran serta antarmuka perhitungan fuzzy. Pengujian dilakukan melalui metode Black Box Testing untuk memastikan seluruh fitur berjalan sesuai fungsinya, metode Pre-Test dan Post-Test, serta User Acceptance Testing (UAT) kepada 39 mahasiswa sebagai pengguna akhir. Hasil pengujian menunjukkan aplikasi berhasil meningkatkan pemahaman mahasiswa terhadap materi pengenalan Logika Fuzzy Mamdani, dengan rata-rata nilai pre-test sebesar 3,56 meningkat menjadi 6,77 pada post-test, serta persentase peningkatan sebesar 90,2%. Selain itu, evaluasi penerimaan pengguna memperoleh persentase indeks kelayakan sebesar 69,95% atau masuk kedalam kategori Layak. Aplikasi ini dinilai lebih efektif dan interaktif dibandingkan metode pembelajaran konvensional yang pasif.

Perkembangan teknologi face recognition dapat meningkatkan efektivitas sistem absensi di lingkungan pendidikan. SMK Taruna Bakti Kertosono masih menggunakan proses absensi yang membutuhkan waktu yang cukup lama serta berpotensi terjadinya kesalahan pencatatan kehadiran. Penelitian ini bertujuan untuk mengimplementasikan model Convolutional Neural Network (CNN) menggunakan arsitektur MobileNetV2 pada sistem absensi berbasis face recognition serta mengetahui performa. Dataset yang digunakan merupakan citra wajah 78 siswa SMK Taruna Bakti Kertosono yang diambil dari sudut pandang tampak depan, serong kanan, dan serong kiri. Tahap pre-processing meliputi remove background, cropping, resize, dan augmentasi citra. Evaluasi model dilakukan menggunakan classification report dan 5-Fold Cross Validation, kemudian dilanjutkan dengan pengujian. Hasil penelitian memperoleh nilai accuracy sebesar 98,58%, precision sebesar 98,83%, recall sebesar 98,58%, dan F1-score sebesar 98,57%. Pengujian menggunakan 5-Fold Cross Validation menghasilkan rata-rata testing accuracy sebesar 98,93% dengan standar deviasi 0,45%. Berdasarkan hasil tersebut, implementasi model CNN menggunakan MobileNetV2 mampu mendukung proses absensi siswa dengan akurasi yang baik.

Dosen wali kerap menghadapi keterbatasan waktu dan tingginya beban kerja, sehingga interaksi dengan mahasiswa menjadi kurang fleksibel dan penyampaian informasi akademik sering terhambat. Oleh karena itu, penelitian ini bertujuan mengembangkan dan mengevaluasi agen AI pendamping dosen wali berbasis Large Language Model (LLM) menggunakan framework LangChain. Pengembangan agen menerapkan pendekatan Reasoning and Acting (ReAct) yang ada pada LangChain yang diintegrasikan dengan arsitektur Retrieval-Augmented Generation (RAG). Evaluasi kinerja sistem menggunakan tiga metode: klasifikasi multi kelas untuk akurasi pemilihan tool, framework Ragas untuk mengevaluasi kualitas RAG, serta Human Evaluation dan User Acceptance Testing (UAT). Hasil pengujian menunjukkan agen memiliki keseluruhan akurasi 88,33?lam memprediksi tool yang ada serta tanpa penggunaan tool. Pada evaluasi RAG, agen meraih rerata skor faithfulness 0,769 dan answer similarity 0,845, membuktikan hasil jawaban yang cukup berdasar dan relevansi semantik yang tinggi terhadap referensi. Hasil Human Evaluation dan UAT menunjukkan tingkat kepuasan dan penerimaan pengguna mayoritas berada di atas 80%.

Fenomena sound horeg di media X memunculkan beragam ujaran mulai dari kritik rasional hingga ujaran intoleransi yang sulit dibedakan secara otomatis karena banyak dibungkus strategi linguistik halus seperti sarkasme, idiom, dan doa kutukan. Penelitian ini menganalisis wacana intoleransi pada fenomena sound horeg menggunakan algoritma Support Vector Machine (SVM), K-Nearest Neighbor (KNN), dan model Ensemble (soft voting 2:1) dengan 1.393 tweet berbahasa Indonesia yang dilabeli secara hybrid (lexicon dan manual) dengan Cohen's Kappa 0,655. Hasil evaluasi pada 279 data uji menunjukkan model Ensemble memperoleh akurasi tertinggi sebesar 63,80%, diikuti SVM 63,44% dan KNN 51,25%, dengan pola kesalahan dominan berupa 58,82% ujaran negatif yang terklasifikasi sebagai netral. Analisis mendalam melalui ekstraksi kata kunci diskriminatif memvalidasi bahwa wacana sound horeg merupakan cerminan ketegangan sosial digital yang kompleks dan terdiri atas tiga dimensi yang saling berkaitan, yaitu keragaman bentuk ujaran negatif, dimensi gangguan fisik dan kesehatan, serta dimensi pertentangan nilai budaya dan tradisi, dengan dimensi politik muncul sebagai temuan tambahan dari ekstraksi kata kunci diskriminatif, sehingga keterbatasan model berbasis TF-IDF dalam menangkap zona abu-abu intoleransi mencerminkan kompleksitas ekspresi pengguna media X.