Whitepaper merupakan sumber informasi utama bagi calon investor untuk memahami isi dan arah pengembangan proyek cryptocurrency. Namun, kualitas whitepaper sangat beragam, mulai dari yang informatif hingga yang terlalu umum, mengandung plagiarisme, atau memiliki kualitas bahasa yang rendah. Penelitian ini bertujuan mengembangkan sistem yang dapat membantu menilai isi whitepaper secara lebih objektif sebagai bahan pertimbangan awal bagi investor. Sistem dibangun sebagai pipeline NLP berbasis Python yang mencakup ekstraksi PDF, segmentasi section, pre-processing teks, ekstraksi keyword, klasifikasi section dengan RoBERTa, deteksi kualitas linguistik, deteksi kemiripan antarwhitepaper, dan scoring kredibilitas. Data penelitian terdiri atas 45 whitepaper berbahasa Inggris yang dianotasi manual, dengan tambahan 6 whitepaper pada data latih untuk memperkaya label minoritas. Hasil penelitian menunjukkan bahwa model klasifikasi section terbaik, yaitu roberta-finetuned-v6-aug, mencapai accuracy 72,61%, macro F1-score 71,67%, dan weighted F1-score 72,85% pada data uji. Dalam penilaian kredibilitas, sinyal yang paling berpengaruh adalah content balance, diikuti plagiarism, profile-aware coverage, dan linguistic quality. Sistem akhirnya menghasilkan credibility score, label kualitas, red flags, dan ringkasan dokumen yang dapat membantu calon investor membaca whitepaper secara lebih cepat dan terarah.

Perancangan Sistem Website Layanan Masyarakat Desa Kincang Wetan Dengan Pendekatan Agile, Ilhan Abhitah Argo, NIM E41221524, Tahun 2026, 118 Halaman, Teknologi Informasi, Politeknik Negeri Jember PSDKU Nganjuk, Raditya Arief Pratama, S.Kom., M.Eng. (Dosen Pembimbing). Penelitian ini dilatarbelakangi oleh kebutuhan transformasi digital pada tingkat pemerintahan desa, khususnya di Desa Kincang Wetan, untuk mengatasi kendala pelayanan administrasi manual yang lambat, risiko kehilangan arsip, serta sulitnya masyarakat dalam memantau status permohonan surat. Tujuan utama penelitian ini adalah merancang dan membangun sistem informasi E-Surat yang mampu mempercepat alur birokrasi dan meningkatkan transparansi layanan publik bagi masyarakat desa. Proses pengembangan sistem menggunakan pendekatan Agile dengan kerangka kerja Scrum, yang memungkinkan pengembangan fitur dilakukan secara iteratif, adaptif, dan kolaboratif. Sistem dibangun menggunakan Framework Laravel dengan arsitektur Model-View-Controller (MVC), database MySQL, serta integrasi notifikasi otomatis melalui Telegram untuk mempercepat proses komunikasi antara perangkat desa dan warga. Hasil pengujian fungsionalitas menggunakan metode Black-Box Testing terhadap 38 test case menunjukkan tingkat keberhasilan sebesar 100%, yang menandakan sistem berjalan sesuai dengan kebutuhan fungsional. Selain itu, evaluasi pengalaman pengguna menggunakan metode System Usability Scale (SUS) menghasilkan skor rata-rata 83 yang termasuk dalam kategori "Excellent". Hasil penelitian ini membuktikan bahwa sistem E-Surat Desa Kincang Wetan efektif dalam mempersingkat waktu layanan administrasi dan sangat mudah digunakan oleh masyarakat, sehingga siap diimplementasikan untuk mendukung digitalisasi desa secara berkelanjutan.

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.

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.