Pengembangan Sistem Informasi PT Spicesindo Agritama Berbasis Website Menggunakan Framework Laravel Pada CV Biru Indonesia Creative. Daffa Fauzi Rahman, NIM E41211408, Tahun 2025, Teknologi Informasi, Politeknik Negeri Jember, Lukman Hakim, S. Kom, M. Kom (Dosen Pembimbing), Usman Arif (Pembimbing Lapang). Penguasaan kompetensi di dunia kerja merupakan kunci untuk mencapai kesuksesan dan relevansi dalam pasar tenaga kerja yang kompetitif. Salah satu upaya yang bisa dilakukan untuk memenuhi penguasaan kompetensi dunia kerja bagi mahasiswa dengan mengadakan program magang. Sejalan dengan posisi Politeknik Negeri Jember sebagai Perguruan Tinggi Vokasi yang memiliki fokus pada aspek praktik, maka Politeknik Negeri Jember juga mewajibkan seluruh mahasiswanya untuk mengikuti program Magang. Oleh karena itu penulis yang juga sebagai mahasiswa Politeknik Negeri Jember mengikuti program magang. Program magang yang diikuti penulis bertempat pada CV Biru Indonesia Creative di Kota Malang. CV Biru Indonesia Creative dipilih sebagai tempat magang karena arah gerak CV tersebut sejalan dengan kompetensi pada jurusan penulis. Periode magang tersebut dilakukan selama 4 bulan, yang dimulai pada tanggal 16 September 2024 hingga berakhir pada tanggal 24 Januari 2025. Salah satu projek yang dikerjakan oleh penulis dalam program magang tersebut adalah pengembangan website perusahaan Spicesindo Agritama. Website perusahaan Spicendo Agritama merupakan website yang menggambarkan profil perusahaan dalam hal ini Spicesindo Agritama. Dalam website tersebut menampilkan visi misi perusahaan, arah gerak perusahaan, tim inti perusahaan, dan juga produk rempah-rempah sebagai komoditas utama perusahaan. Selain itu pada website tersebut pihak perusahaan dapat mengelola data produknya dan juga mengelola data tim inti pada perusahaan tersebut.

X merupakan salah satu platform media sosial yang populer di Indonesia, di mana masyarakat sering menyampaikan opini dan pandangannya terhadap berbagai isu, termasuk kebijakan ekonomi. Kenaikan suku bunga Bank Indonesia adalah salah satu kebijakan yang mendapatkan banyak perhatian, karena dampaknya terhadap perekonomian masyarakat. Penelitian ini bertujuan untuk menganalisis sentimen pengguna Twitter terhadap kebijakan kenaikan suku bunga dengan menggunakan metode Naïve Bayes dan Support Vector Machine (SVM). Dataset yang digunakan terdiri dari 1.010 tweet yang dianalisis dan diklasifikasikan menjadi sentimen positif dan negatif. Hasil penelitian menunjukkan bahwa model Naïve Bayes menghasilkan akurasi sebesar 69%, sementara SVM menghasilkan akurasi yang lebih tinggi, yaitu 71%. Meskipun kedua metode cukup efektif, SVM sedikit lebih unggul dalam menganalisis sentimen masyarakat terhadap kebijakan kenaikan suku bunga Bank Indonesia. Penelitian ini memberikan gambaran yang lebih jelas mengenai opini masyarakat dan dapat digunakan untuk membantu pengambil kebijakan dalam merancang komunikasi yang lebih efektif mengenai kebijakan suku bunga.

RINGKASAN Analisis Sentimen Pada Pengguna Twitter Terhadap Hasil Pengumuman Pasca Pilpres 2024 Menggunakan Metode Naïve Bayes Classifer, Adelia Ayu Avista, NIM E41212068, Tahun 2025, 94 hlm., Teknologi Informasi, Politeknik Negeri Jember, Elly Antika, ST, M.Kom Penelitian ini dilatarbelakangi oleh maraknya opini publik yang tersebar di media sosial, khususnya Twitter. Twitter menjadi salah satu platform yang paling banyak digunakan masyarakat untuk mengekspresikan pandangan politiknya secara langsung. Oleh karena itu, penelitian ini bertujuan untuk menganalisis sentimen masyarakat terhadap hasil pengumuman pasca Pilpres 2024 menggunakan metode Naïve Bayes Classifier. Penelitian difokuskan pada klasifikasi sentimen tweet ke dalam dua kategori utama, yaitu positif dan negatif. Dalam penelitian ini, data yang digunakan sebanyak 1115 data yang dikumpulkan dari twitter dengan total data positif 589 dan data negatif 526. Tahapan pengolahan data dilakukan melalui proses preprocessing, yaitu pembersihan data teks (cleansing), konversi huruf kecil (case folding), filtering, normalisasi, penghapusan kata tidak penting (stopword removal), stemming, dan tokenizing. Kemudian dilakukan pembobotan kata menggunakan metode TF-IDF untuk mengukur pentingnya setiap kata dalam dokumen. Selanjutnya, data diklasifikasikan menggunakan algoritma Naïve Bayes Classifier. Kemudian dilakukan rasio pembagian data untuk data training 85?n data latih 15%, selanjutnya dilakukan proses klasifikasi menggunakan metode Naïve Bayes Classifier. Hasil evaluasi menunjukkan bahwa model memiliki akurasi sebesar 81%, yang berarti 81?ri data uji berhasil diklasifikasikan dengan benar. Selain itu, model juga menghasilkan nilai precision sebesar 81%, recall 80%, dan f1-score 81%, yang menandakan bahwa model mampu mempertahankan keseimbangan antara kemampuan mengenali data positif maupun negatif secara akurat dan menghindari kesalahan klasifikasi yang tinggi.

Kondisi lingkungan yang fluktuatif, seperti suhu, kelembapan, dan pH tanah, dapat menghambat pertumbuhan optimal tanaman melon. Penelitian ini mengimplementasikan metode Fuzzy Mamdani dalam sistem pendukung keputusan (SPK) untuk mengoptimalkan budidaya melon di greenhouse. Sistem memantau kondisi secara real-time menggunakan sensor suhu, kelembapan, dan pH tanah, lalu memberikan rekomendasi otomatis melalui indikator LED dan antarmuka website. Hasil defuzzifikasi dikirim ke Firebase untuk mengatur respons sesuai kondisi. Pengujian menunjukkan bahwa sistem mampu memberikan rekomendasi dengan tingkat kesesuaian tinggi terhadap pakar, dengan nilai MSE rendah: blower 0,00648, spray 0,00462, dan pupuk 0,02028. Akurasi sensor setelah kalibrasi juga tinggi: suhu ruangan 98,80 persen, kelembapan tanah 94,6 persen, dan pH tanah 95,17 persen. Berdasarkan Blackbox Testing, seluruh fungsi sistem berjalan sesuai skenario dengan tingkat keberhasilan seratus persen (100%), membuktikan kestabilan dan keandalan sistem dalam merespons berbagai kondisi lingkungan. Sistem ini efektif mendukung pengambilan keputusan secara cepat dan akurat, serta berpotensi dikembangkan lebih lanjut.

Penelitian ini bertujuan untuk merancang dan mengimplementasikan sistem pengendalian dan pemantauan daya listrik berbasis Internet of Things (IoT) dengan penerapan logika fuzzy metode Sugeno. Sistem ini dikembangkan untuk membantu pengguna listrik rumah tangga dalam memantau konsumsi listrik secara real-time, mengetahui perangkat bermasalah, serta mengidentifikasi besaran energi listrik (kWh) yang digunakan dalam periode tertentu. Sistem menggunakan mikrokontroler Wemos D1 Mini yang terhubung ke internet dan sensor PZEM- 004T v3.0 untuk membaca parameter listrik seperti arus, tegangan, daya, dan energi. Data yang diperoleh dikirim ke Firebase Realtime Database dan ditampilkan melalui aplikasi mobile berbasis Nylo. Sistem fuzzy Sugeno digunakan untuk menganalisis lima variabel input utama, yaitu waktu penggunaan, daya, energi, biaya, dan jumlah perangkat, yang kemudian diklasifikasikan ke dalam tiga tingkat penggunaan listrik: rendah, sedang, dan tinggi. Sistem ini diharapkan dapat meningkatkan efisiensi penggunaan listrik rumah tangga serta memberikan informasi yang berguna untuk pengambilan keputusan terkait penghematan energi.

Magang merupakan salah satu metode pembelajaran yang diselenggarakan oleh Politeknik Negeri Jember, di mana mahasiswa mendapatkan pengalaman kerja secara langsung di suatu organisasi atau perusahaan dalam kurun waktu tertentu. Program ini bertujuan untuk memberikan pemahaman praktis dan pengalaman kerja yang relevan dengan bidang studi mahasiswa. Pemerintah juga mendukung kegiatan ini melalui program Kampus Merdeka, salah satunya adalah Magang dan Studi Independen Bersertifikat (MSIB). Salah satu perusahaan yang berpartisipasi dalam program magang ini adalah PT. Adma Digital Solusi, sebuah perusahaan yang bergerak di bidang pengembangan perangkat lunak dan solusi digital. Program magang ini dilaksanakan secara Work From Office (WFO), dimulai pada 9 September 2024 hingga 31 Desember 2024, dengan berbagai kegiatan seperti pembekalan, mentoring, pertemuan rutin, serta pengerjaan proyek berbasis teknologi. Salah satu proyek utama yang dikembangkan dalam program magang ini adalah Sistem Informasi Pengawasan Internal Berbasis Website yang dibangun menggunakan framework Laravel. Sistem ini dirancang untuk mendukung proses pengawasan internal dalam suatu organisasi, dengan fitur-fitur yang mempermudah pengelolaan data audit, pemantauan laporan pengawasan, serta analisis temuan dan rekomendasi. Dengan adanya sistem ini, diharapkan proses pengawasan dapat dilakukan secara lebih efisien, akurat, serta terdokumentasi dengan baik dalam satu platform terintegrasi.

Magang adalah salah satu metode pembelajaran yang diterapkan di Politeknik Negeri Jember, di mana mahasiswa memperoleh pengalaman kerja langsung di sebuah organisasi atau perusahaan dalam jangka waktu tertentu. Program ini dirancang untuk memberikan wawasan praktis serta pengalaman kerja yang sesuai dengan bidang studi mereka. Selain itu, pemerintah turut mendukung program ini melalui inisiatif Kampus Merdeka, termasuk Magang dan Studi Independen Bersertifikat (MSIB). Salah satu perusahaan yang turut serta dalam program magang ini adalah PT. Adma Digital Solusi, yang berfokus pada pengembangan perangkat lunak dan solusi digital. Magang ini berlangsung dengan sistem Work From Office (WFO) mulai 9 September 2024 hingga 31 Desember 2024. Selama periode tersebut, peserta akan mengikuti berbagai kegiatan, termasuk pembekalan, mentoring, pertemuan rutin, serta pengerjaan proyek berbasis teknologi. Salah satu proyek utama yang dikembangkan dalam program magang ini adalah Sistem Informasi Manajemen Pembiayaan berbasis website, yang dibangun menggunakan framework Laravel. Sistem ini dirancang untuk mendukung pengelolaan pembiayaan dalam suatu organisasi, dengan fitur-fitur yang mempermudah pencatatan data keuangan, pemantauan alur pembiayaan, serta analisis laporan keuangan dan rekomendasi. Dengan adanya sistem ini, diharapkan proses manajemen pembiayaan dapat dilakukan secara lebih efisien, akurat, dan terdokumentasi dengan baik dalam satu platform terintegrasi.

Peningkatan kasus kriminalitas di Kabupaten Probolinggo, khususnya pencurian dengan kekerasan (curas) dan pencurian kendaraan bermotor (curanmor), mendorong perlunya strategi pencegahan berbasis data spasial. Penelitian ini bertujuan untuk menerapkan algoritma K-Means Clustering dengan perhitungan jarak menggunakan persamaan Manhattan satu dimensi dalam pemetaan daerah rawan curas dan curanmor, menentukan nilai k optimal menggunakan metode elbow, serta memvisualisasikan hasil klastering pada web GIS. Hasil penelitian menunjukkan bahwa algoritma K-Means berhasil diterapkan secara otomatis melalui sistem berbasis web, yang memudahkan integrasi data dengan peta wilayah. Berdasarkan analisis Sum of Squared Errors (SSE), nilai k optimal untuk kedua jenis data adalah k = 3, ditunjukkan oleh penurunan SSE yang signifikan antara k = 2 dan k = 3. Visualisasi peta interaktif berhasil menampilkan klaster aman, sedang, dan rawan untuk masing-masing kecamatan. Hasil klastering menunjukkan bahwa kasus curas memiliki distribusi: 1 kecamatan rawan, 4 sedang, dan 19 aman, sedangkan kasus curanmor terdiri dari: 1 kecamatan rawan, 6 sedang, dan 17 aman. Perbedaan ini menunjukkan bahwa setiap jenis kejahatan memiliki pola kerawanan yang berbeda, sehingga diperlukan pemetaan dan penanganan yang spesifik. Sistem ini diharapkan dapat menjadi alat bantu pengambilan keputusan bagi pihak berwenang dalam upaya pencegahan kejahatan yang lebih efektif.