Edukasi mengenai energi terbarukan dan perilaku konservasi listrik merupakan materi penting yang perlu ditanamkan sejak usia dini agar anak-anak memahami pentingnya menjaga bumi. Namun, penyampaian materi ini sering kali menghadapi hambatan karena media pembelajaran yang tersedia masih bersifat konvensional, monoton, dan kurang mampu menarik minat belajar anak-anak usia dini yang membutuhkan stimulus visual yang aktif. Sebagai solusi atas permasalahan tersebut, dirancang dan dikembangkan sebuah game edukasi interaktif berjudul "Pahlawan Energi" menggunakan Unity game engine. Game ini mengintegrasikan materi pengenalan sumber energi terbarukan (seperti matahari, angin, air, panas bumi, dan biomasa) serta langkah hemat listrik sehari-hari (seperti penggunaan lampu LED dan kendaraan listrik) ke dalam sebuah antarmuka (UI/UX) yang ramah, intuitif, dan sesuai dengan karakteristik perkembangan anak. Analisis kelayakan terhadap game edukasi ini dilakukan melalui dua tahap pengujian, yaitu pengujian fungsional sistem dan pengujian pengguna langsung (User Acceptance Testing / UAT) terhadap 9 responden anak usia dini. Hasil analisis Black-box Testing oleh validator ahli menunjukkan tingkat keberhasilan fungsional sebesar 100%, yang mengonfirmasi bahwa seluruh navigasi dan sistem kontrol sistem berjalan tanpa error. Selanjutnya, analisis data UAT menunjukkan respons yang sangat positif, di mana instrumen kuesioner respons langsung anak menghasilkan persentase kelayakan sebesar 89,63% (Sangat Layak) dan lembar observasi perilaku fungsional oleh peneliti mencapai 94,44% (Sangat Layak). Berdasarkan seluruh rangkaian analisis tersebut, game "Pahlawan Energi" terbukti sangat layak dan efektif digunakan sebagai media pembelajaran yang menyenangkan sekaligus edukatif bagi anak usia dini.

Rancang Bangun Sistem Deteksi Gempa Bumi Berbasis GIS, Iqsanul Ulum, E32231510, 2026, 36 hlm., Program Studi Teknik Komputer, Jurusan Teknologi Informasi, Politeknik Negeri Jember, Dr. Agus Purwadi, ST.MT (Pembimbing). Indonesia merupakan negara yang memiliki tingkat aktivitas gempa bumi yang tinggi karena berada pada pertemuan tiga lempeng tektonik utama. Kondisi tersebut menyebabkan perlunya sistem deteksi dan peringatan dini yang mampu memberikan informasi secara cepat, akurat, dan mudah dipahami oleh masyarakat. Pada penelitian ini dikembangkan sistem deteksi gempa bumi berbasis Geographic Information System (GIS) yang mampu mendeteksi getaran, menyimpan data secara terpusat, serta menampilkan informasi lokasi gempa secara real-time. Sistem yang dikembangkan menggunakan sensor accelerometer MPU6050 sebagai pendeteksi getaran, Arduino Uno sebagai pengolah data sensor, dan ESP32 sebagai media komunikasi data melalui jaringan WiFi. Data hasil pembacaan sensor dikirimkan ke database MySQL kemudian divisualisasikan pada website berbasis GIS. Selain itu, sistem dilengkapi perangkat penerima yang terdiri dari ESP32, LCD I2C, LED RGB, dan buzzer sebagai media peringatan dini yang menampilkan status gempa berdasarkan klasifikasi Aman, Waspada, dan Bahaya. Pengujian dilakukan terhadap kemampuan sensor accelerometer dalam mendeteksi getaran, pengiriman data ke database MySQL, respons perangkat peringatan, visualisasi GIS, serta klasifikasi status gempa berdasarkan nilai magnitudo. Hasil pengujian menunjukkan bahwa sistem mampu mendeteksi getaran, mengirimkan data secara real-time, menampilkan informasi lokasi gempa pada peta digital, serta mengaktifkan peringatan melalui LCD, LED, dan buzzer sesuai tingkat bahaya yang telah ditentukan. Berdasarkan hasil penelitian, sistem deteksi gempa bumi berbasis GIS yang dikembangkan berhasil bekerja sesuai dengan rancangan dan mampu memberikan informasi gempa secara cepat, akurat, dan berbasis lokasi. Sistem ini dapat mendukung upaya mitigasi bencana melalui monitoring secara real-time, penyimpanan data terpusat, dan visualisasi spasial yang lebih informatif dibandingkan sistem peringatan dini konvensional. Meskipun demikian, sistem masih memiliki keterbatasan pada ketergantungan terhadap koneksi internet dan penggunaan sensor accelerometer yang belum memiliki tingkat presisi setara sensor seismologi profesional.

Rancang Bangun Sistem Kontrol Akses Pintu Ruang Fiber Termination Management (FTM) PT. Telkom Akses Malang Berbasis Fingerprint Yang Terintegrasi Dengan Website Monitoring, Nur Hadi Imamuddin, E32230273, Tahun 2026, Teknologi Informasi, Politeknik Negeri Jember, Beni Widiawan, S,ST., MT (Pembimbing). Aktivitas keluar masuk pengguna di Ruang FTM Telkom Akses Malang cukup tinggi sehingga diperlukan sistem kontrol akses yang aman, efisien, dan mudah dipantau. Permasalahan yang muncul adalah proses pengawasan yang masih bersifat manual, sulitnya melacak riwayat akses, serta rendahnya integrasi antara perangkat akses fisik dan sistem data digital. Kegiatan ini bertujuan untuk merancang dan membangun sistem kontrol akses pintu berbasis fingerprint yang terintegrasi dengan website monitoring guna meningkatkan keamanan serta kemudahan dalam manajemen dan pengawasan akses ruangan. Metode kegiatan meliputi tahap perancangan perangkat keras, pengembangan perangkat lunak, integrasi sistem, dan pengujian fungsional. Perangkat keras yang digunakan terdiri dari Mikrokontroler ESP32 sebagai pusat kendali, sensor sidik jari sebagai media autentikasi, solenoid door lock sebagai aktuator pengunci pintu, layar monitor sentuh untuk antarmuka pengguna, serta catu daya dari listrik PLN. Website monitoring dikembangkan menggunakan platform berbasis web yang terhubung melalui jaringan WiFi untuk menampilkan status pintu secara real-time, data pengguna, serta log aktivitas akses. Setiap aktivitas akses tercatat pada basis data dan dapat dilihat melalui halaman website dalam bentuk tabel. Fitur registrasi sidik jari baru dapat dilakukan langsung pada perangkat melalui antarmuka layar sentuh, sementara pengelolaan data pengguna serta pemantauan kondisi pintu dapat diakses dari website administrator.

Chatbot Edukatif Untuk Informasi Budidaya dan Pengendalian Penyakit Bawang Merah Berbasis Flowise AI, Kurnia Imany Wiryawan, E31231614, Tahun 2026, Program Studi Manajemen Informatasi Kelas Internasional, Jurusan Teknologi Informasi, Politeknik Negeri Jember, Faisal Lutfi Afriansyah, S.Kom, M.T. (Dosen Pembimbing). Chatbot Edukatif berbasis Flowise AI merupakan sistem berbasis web yang menyediakan informasi mengenai budidaya dan pengendalian penyakit bawang merah secara cepat, akurat, dan interaktif. Sistem memanfaatkan Large Language Model (LLM) untuk memahami pertanyaan pengguna dan memberikan jawaban yang relevan. Informasi yang disediakan meliputi pemilihan bibit, penanaman, pemupukan, pengairan, perawatan, identifikasi, dan pengendalian penyakit bawang merah. Chatbot ini ditujukan untuk membantu petani, mahasiswa, penyuluh pertanian, dan masyarakat umum dalam memperoleh informasi pertanian secara mudah dan efisien.

SMART GREENHOUSE AUTOMATIC FARMING BERBASIS WEBSITE DENGAN SISTEM PREDIKSI PENYAKIT DAN REKOMENDASI PERAWATAN TANAMAN VANILI MENGGUNAKAN AI DI PT AGROFILIA PERMATA, Muhammad Hafiz Irawan, NIM E32231289, Tahun 2026, Teknik Komputer, Politeknik Negeri Jember, Mochammad Rifki Ulil Albaab S.T., M.Tr.T. (Pembimbing). Tanaman vanili merupakan komoditas perkebunan bernilai ekonomi tinggi yang memerlukan pengelolaan lingkungan tumbuh serta perawatan yang optimal guna menjaga kualitas dan produktivitas hasil panen. Dalam praktik budidayanya, masih ditemukan berbagai permasalahan, khususnya keterbatasan dalam pemantauan kondisi lingkungan greenhouse dan keterlambatan dalam mendeteksi penyakit tanaman. Di PT Agrofilia Permata, proses monitoring kondisi greenhouse dan identifikasi penyakit masih dilakukan secara manual sehingga membutuhkan waktu yang relatif lama dan berpotensi menyebabkan keterlambatan penanganan ketika tanaman mulai terserang penyakit, seperti leaf spot, leaf rot dan basal rot, yang merupakan penyakit yang sering ditemukan pada budidaya tanaman vanili. PT. Agrofilia Permata adalah anak Perusahaan dari PT. Permata Indo Sejahtera yang bergerak pada bidang tanaman vanili terdapat permasalahan yang bisa mengakibatkan kerugian karena adanya penyakit yg sulit di pahami oleh para petani dan membuat tumbuhan vanili menjadi gagal panen yang di akibatkan oleh penyakit pada tumbuhan vanili. Penelitian ini bertujuan untuk merancang dan membangun Smart Greenhouse Automatic Farming berbasis website yang dilengkapi dengan sistem prediksi penyakit dan rekomendasi perawatan tanaman vanili menggunakan Artificial Intelligence (AI) di PT Agrofilia Permata. Sistem yang dikembangkan memanfaatkan sensor Internet of Things (IoT) untuk memantau parameter lingkungan tanaman vanili secara real-time. Data hasil pemantauan tersebut ditampilkan melalui website sebagai sarana monitoring dan pendukung pengambilan keputusan. Data lingkungan yang diperoleh selanjutnya diolah menggunakan metode Artificial Intelligence untuk memprediksi potensi penyakit pada tanaman vanili. Berdasarkan hasil prediksi dan kondisi lingkungan yang terpantau, sistem akan memberikan rekomendasi perawatan yang sesuai guna mendukung tindakan pencegahan dan penanganan secara tepat.

Mebel Fauz masih mengelola persediaan barang secara manual, mencakup pencatatan stok, barang masuk, barang keluar, dan laporan persediaan. Kondisi ini berisiko menimbulkan kesalahan pencatatan, kehilangan data, ketidaksesuaian stok fisik dengan data, serta keterlambatan penyusunan laporan, sehingga pengelolaan persediaan menjadi kurang efektif dan menyulitkan pemilik usaha dalam pengawasan serta pengambilan keputusan. Oleh karena itu, dibangun Sistem Informasi Manajemen Stok berbasis website untuk mendukung pengelolaan persediaan secara terkomputerisasi, terintegrasi, dan efisien. Sistem ini memiliki fitur pengelolaan data pengguna, data barang, pencatatan barang masuk, barang keluar, dan barang hilang, laporan barang hilang, laporan serta rekap pembelian dan penjualan, dan dashboard stok real-time. Sistem menerapkan hak akses berbasis peran, yaitu admin dan owner, sesuai tugas masing masing. Sistem dikembangkan menggunakan metode Waterfall (analisis kebutuhan, perancangan, implementasi, pengujian, dan pemeliharaan) dengan framework Laravel, PHP, dan database MySQL, serta diuji menggunakan Black Box Testing. Hasil penelitian menunjukkan bahwa sistem ini membantu proses pengelolaan persediaan Mebel Fauz menjadi lebih terstruktur, akurat, dan efisien, mempermudah pencatatan transaksi, penyusunan laporan, pemantauan stok real time, serta mendukung pengambilan keputusan yang cepat dan tepat.

Penelitian ini membahas pengembangan aplikasi ConfiVoice untuk mengklasifikasikan tingkat percaya diri siswa berdasarkan analisis suara. Sistem ini dibuat berbasis mobile menggunakan Flutter, dengan backend FastAPI dan model machine learning Support Vector Machine (SVM). Data yang digunakan berupa rekaman suara siswa yang diberi label Percaya Diri (PD) dan Tidak Percaya Diri (TPD) dan filtering data kaggle, kemudian diproses melalui tahap preprocessing audio dan ekstraksi fitur seperti MFCC, pitch, energi suara, spectral features, serta jeda bicara. Model SVM dilatih menggunakan fitur suara yang telah diekstraksi untuk membedakan suara percaya diri dan tidak percaya diri. Hasil prediksi ditampilkan pada aplikasi mobile dalam bentuk label klasifikasi, confidence, probabilitas PD, probabilitas TPD, serta indikator suara seperti volume, intonasi, dan jeda bicara. Pengguna dapat melakukan login, memasukkan data siswa, merekam atau memilih audio, menjalankan prediksi, menyimpan hasil, dan melihat riwayat analisis. Selain aplikasi mobile, sistem ini juga dilengkapi dengan database MySQL/MariaDB dan admin web untuk memantau serta mengelola hasil analisis. Berdasarkan hasil pengujian model, sistem memperoleh accuracy sebesar 66,28?n F1 macro sebesar 66%. Dengan adanya sistem ini, proses analisis tingkat percaya diri siswa dapat dilakukan secara lebih praktis, terstruktur, dan terdokumentasi.

Cabai rawit (Capsicum frutescens) merupakan komoditas hortikultura bernilai ekonomis tinggi, namun produktivitasnya rentan menurun akibat serangan penyakit pada daun, seperti virus kuning (Gemini virus) dan bercak daun (Cercospora sp.). Identifikasi penyakit secara manual oleh petani masih lemah karena membutuhkan pengetahuan khusus, kurang efisien, dan rawan kesalahan. Penelitian ini bertujuan mengembangkan sistem identifikasi penyakit daun tanaman cabai rawit berbasis citra menggunakan metode Convolutional Neural Network (CNN) dengan tahapan image preprocessing, serta menguji akurasinya. Dataset yang digunakan berjumlah 510 citra yang terbagi ke dalam tiga kelas, yaitu Daun Sehat, Daun Kuning, dan Bercak Daun, dengan pembagian 408 citra data pelatihan, 51 citra data validasi, dan 51 citra data pengujian. Tahapan preprocessing meliputi resizing citra menjadi 224×224 piksel, normalisasi piksel, serta augmentasi data melalui rotasi, horizontal flip, dan cropping. Penelitian membandingkan tiga arsitektur, yaitu CNN Klasik, EfficientNetB0, dan MobileNetV3Large, pada beberapa ukuran input dan jumlah epoch. Hasil pelatihan menunjukkan EfficientNetB0 berukuran input 224×224 memperoleh akurasi pelatihan tertinggi sebesar 98,89%, sedangkan MobileNetV3Large dipilih untuk diterapkan pada aplikasi Android karena akurasi validasi lebih stabil (97,06%) dan efisien untuk perangkat bergerak. Pengujian confusion matrix pada model tersebut menghasilkan akurasi sebesar 92,16%, dengan F1-score tertinggi 0,97 pada kelas Daun Kuning. Hasil User Acceptance Testing (UAT) menunjukkan skor rata-rata 81,24%, yang menandakan aplikasi diterima dengan baik sebagai alat bantu identifikasi penyakit daun cabai rawit.