Sistem Pendukung Keputusan Pemilihan Ekstrakurikuler Pada Siswa Di MAN 3 Banyuwangi Menggunakan Metode Simple Multy Attribute Rating Technique Exploiting Rank Berbasis Web, Ananda Zakia Syahfitri, Nim E31210529, Tahun 2024, 103 hlm., Jurusan Teknologi Informasi, Politeknik Negeri Jember, Nugroho Setyo Wibowo, S.T., M.T. (Dosen Pembimbing). Kegiatan ekstrakurikuler merupakan kegiatan yang diselenggarakan dengan tujuan untuk mengembangkan potensi, bakat, minat, kemampuan siswa. MAN 3 Banyuwangi mendukung kegiatan pengembangan potensi diri siswa melalui program Kelas Khusus Olahraga dan Seni (KKOS) untuk memfasilitasi siswa yang mengikuti kegiatan ekstrakurikuler di bidang tersebut untuk mengikuti perlombaan di luar sekolah dalam mengasah kemampuan mereka. Di MAN 3 Banyuwangi ekstrakurikuler menjadi salah satu bagian yang wajib diikuti minimal satu oleh setiap siswa untuk memaksimalkan kemampuan potensi yang mereka miliki. Keanekaragaman jenis kegiatan ekstrakurikuler membuat para siswa merasa bingung dan sulit dalam menentukan ekstrakurikuler yang sesuai dengan minat dan potensinya. Sehingga, siswa terkadang salah memilih ekstrakurikuler dan pada akhirnya siswa kurang berpartisipasi dalam mengikuti ekstrakurikuler atau hanya aktif di awal menjalankan kegiatan ekstrakurikuler tersebut. Berdasarkan permasalahan yang telah diuraikan tersebut, maka dibangun sebuah sistem pendukung keputusan yang dapat digunakan siswa untuk memilih ekstrakurikuler yang sesuai dengan minat dan potensi siswa. Ketika siswa terlibat dalam ekstrakurikuler yang sesuai dengan minat dan potensi mereka, mereka cenderung lebih termotivasi dan bersemangat dalam kegiatan tersebut sehingga dapat mendukung secara penuh dalam program Kelas Khusus Olahraga dan Seni (KKOS). Sistem ini dapat diakses oleh Wakil Kepala Kesiswaan selaku admin dan siswa. Admin dapat menginputkan alternatif ekstrakurikuler sedangkan siswa melakukan penilaian terhadap alternatif tersebut. Hasil akhir dari sistem ini adalah perangkingan yang disertai nilai persentase akhir, dimana nilai akhir tertinggi merupakan ekstrakurikuler yang direkomendasikan untuk siswa.

Tanaman padi memiliki peran yang sangat penting dalam sektor pertanian Indonesia sebagai salah satu komoditas utama dalam pemenuhan kebutuhan pangan. Namun, produksi padi sering kali mengalami hambatan akibat penyakit tanaman, yang dapat menyebabkan kerugian besar bagi petani. Penggunaan teknologi citra digital, khususnya metode Convolutional Neural Network (CNN), telah membuka peluang baru dalam mendeteksi penyakit daun pada tanaman padi dengan lebih cepat dan akurat. Penelitian ini difokuskan pada Kabupaten Tuban, yang merupakan salah satu daerah penghasil padi terbesar di Jawa Timur. Dalam penelitian ini, langkah-langkah yang dilakukan meliputi pengumpulan data citra daun padi yang sehat dan terserang penyakit, melakukan pre-processing data citra, melatih model CNN untuk mengklasifikasikan jenis penyakit pada daun padi, serta mengevaluasi akurasi model CNN. Hasil penelitian menunjukkan bahwa model CNN dengan arsitektur Xception mencapai akurasi sebesar 0.9853 atau 98.53% yang mampu mengidentifikasi beberapa jenis citra seperti Xanthomonas oryzae pv. oryzicola (penyakit leaf blight pada daun), Pyricularia oryzae Cav (penyakit blast pada daun), Brown Spot (Bercak Coklat),Healthy (Daun Sehat) dan Data acak. Implementasi teknologi image processing dengan metode ini diharapkan dapat membantu petugas dan petani dalam mengidentifikasi penyakit pada tanaman padi secara cepat dan akurat, sehingga dapat mengurangi dampak kerugian akibat serangan penyakit.

Pada awalnya, atlet Unit Kegiatan Mahasiswa Olahraga Politeknik Negeri Jember dipilih hanya berdasarkan sertifikat dan dilakukan secara manual, hal itu membuat muncul suatu permasalahan dari beberapa pihak yang dianggap tidak adil karena sertifikat tidak menjamin performa yang baik di masa depan. Akibatnya, penulis ingin mengatasi masalah ini dengan melakukan seleksi awal yang didasarkan pada kondisi fisik atlet dan membuat suatu sistem. Untuk mencapai prestasi yang optimal dalam olahraga, kondisi fisik harus diperbaiki sesuai dengan jenis olahraganya. Dibutuhkan sistem pendukung keputusan yang membantu pengurus dan pembina mengelola data pemilihan atlet berdasarkan kondisi fisik karena jumlah data yang besar dan keanekaragaman cabang olahraga. Penelitian ini akan memanfaatkan metode Simple Additive Weighting untuk menganalisis data kondisi fisik atlet. Hasilnya penelitian ini dapat membantu pengurus dan pembina mengatasi permasalahan sedang dihadapi.

Penelitian ini bertujuan untuk menganalisis sentimen dari Review pengunjung Desa Wisata Tirta Agung menggunakan metode klasifikasi Naive Bayes. Dalam era digital saat ini, Review pengunjung di platform daring menjadi sumber informasi yang penting dalam menilai kualitas dan kepuasan pengalaman wisata. Metode Naive Bayes Classifier dipilih sebagai alat analisis sentimen karena keefektifannya dalam mengklasifikasikan teks berdasarkan probabilitas dan keterkaitan antara kata-kata. Data Review pengunjung Desa Wisata Tirta Agung diambil dari platform daring yang mencakup beragam aspek, seperti pelayanan, kebersihan, fasilitas, dan keindahan alam. Proses analisis sentimen melibatkan tahap pra-pemrosesan data, pelatihan model Naive Bayes, dan evaluasi hasil klasifikasi. Pada analisis ini menghasilkan nilai akurasi 82.08%, precision sebesar 84.72%, Recall sebesar 82.08%, dan juga f1 – score sebesar 83.04?ngan pembagian data latih dan uji 85?n 15%. Algoritma ini memiliki tingkatan fair classification atau nilai diagnostik sedang atau cukup baik. Hasil penelitian diharapkan dapat memberikan wawasan yang mendalam mengenai persepsi dan sentimen pengunjung terhadap Desa Wisata Tirta Agung. Informasi ini dapat menjadi dasar bagi pihak terkait dalam meningkatkan kualitas layanan dan memperbaiki aspek-aspek yang dinilai kurang positif oleh pengunjung.

The focus of this research is to improve customer satisfaction through the implementation of a modern chatbot solution with Google Dialogflow at the Tax Center State Polytechnic Jember. This study describes the process of developing chatbots, which includes design, change, and distribution. These chatbots are designed to simplify processes, provide immediate support, and provide accurate information to clients by combining machine learning capabilities and natural language processing. In addition, this study looks at how chatbots affect customer interaction. The goal is to measure the quality of service, longer response times, and overall customer satisfaction. The study discusses how chatbot technology can transform customer service in specific areas such as tax administration, resulting in information and best practices that can be applied in similar serviceoriented organizations.

UD Restu Bunda adalah salah satu budidaya jamur di Malang, tidak hanya mengembangkan budidayanya tetapi juga menyediakan kuliner jamur yang dapat dinikmati di Warung Jamur Ayu. Pertumbuhan jamur mengalami fluktuasi selama musim hujan, hal tersebut berdampak besar pada produksi jamur di usahanya. Tingkat kelembaban udara yang tinggi terkadang membuat pertumbuhan jamur tidak stabil dan sulit diprediksi. Meskipun telah mengambil langkah-langkah untuk mengontrol lingkungan pertumbuhan jamur, seperti menggunakan perlengkapan penutup dan mengatur suhu, cuaca ekstrem selama musim hujan tetap menjadi tantangan besar. Hal ini dapat menyebabkan produksi jamur melebihi permintaan pasar, yang mengakibatkan surplus yang tidak diinginkan. Sehingga, peneliti mendapatkan sebuah solusi dalam mengembangkan sistem peramalan produksi jamur. Dengan memperhitungkan data historis untuk meramalkan produksi dimasa depan. Dari data 6 tahun terakhir, mendapatkan nilai akurasi peramalan menunjukkan nilai Mean Error sebesar -8.41, Mean Absolute Error (MAE) sebesar 20.55, Mean Squared Error (MSE) sebesar 726.70, Root Mean Squared Error (RMSE) sebesar 26.96, dan Mean Absolute Percentage Error (MAPE) sebesar 3.72%. Hal ini membantu untuk mengurangi risiko surplus yang tidak diinginkan dan kerugian finansial, serta meningkatkan efisiensi operasional secara keseluruhan. Dengan demikian, sistem peramalan produksi jamur yang dikembangkan oleh peneliti menjadi salah satu kunci keberhasilan dalam menjalankan usaha budidaya jamur mereka

Peran media pembelajaran sangatlah penting dalam menunjang kegiatan pembelajaran pada anak kelompok belajar, karena pada masa tersebut anak mengalami perkembangan yang sangat pesat. Penggunaan teknologi pada media pembelajaran juga berdampak positif bagi penyampaian materi pembelajaran serta peningkatan kualitas pembelajaran. Maka pada kegiatan ini dilakukan penerapan Deep Learning untuk pengenalan buah pada anak usia dini. Metode yang digunakan pada media pembelajaran ini yaitu Convolutional Neural Network dengan arsitektur DenseNet-121 agar mendapatkan kinerja sistem yang maksimal. Epoch yang digunakan ketika melakukan pelatihan data sebanyak 100 epoch sehingga dihasilkan tingkat akurasi sistem sebesar 98.5%. Selain itu media pembelajaran juga telah melalui pengujian sistem menggunakan confusion matrix, dan pengujian fungsionalitas secara langsung kepada anak usia dini di Pos PAUD Alamanda 105.

Buah naga merah adalah jenis yang memiliki kulit berwarna merah tua. Buah ini memiliki bentuk seperti bola dan terdiri dari beberapa sisik. Kulitnya berduri. Kulit buahnya tebal, dan kadang-kadang ujung sisiknya berwarna hijau. Buah naga merah di dalam kulitnya lebih manis dan sedikit lebih lembut daripada buah naga putih. Biji hitam kecil ditemukan dalam daging buah. Selama ini buah naga merah dipilih satu persatu menggunakan alat ukur manual untuk menentukan bobot kriteria yang diminta oleh pengimpor. Parameter yang dibutuhkan oleh pengimpor yaitu bobot buah naga dengan berat lebih dari sama dengan 3.5 ons, warna yang merah pekat dengan sisik buah naga kehijauan, dan buah naga yang tidak berpenyakit. Pemilihan manual memiliki banyak kelemahan. Salah satunya adalah waktu yang dibutuhkan yang relatif lama, dan kriteria untuk buah naga merah tidak relevan karena kelelahan, keterbatasan penglihatan manusia, dan perbedaan persepsi kualitas buah.. Berdasarkan permasalahan diatas, peneliti menerapkan sistem yang dapat mengklasifikasikan bobot buah naga merah secara efektif untuk memenuhi kriteria dari pengimpor. Untuk melakukan penelitian ini menggunakan metode ekstraksi fitur warna GLCM (Gray Level Co-occurrence Matix) dan metode Naïve Bayes classfier untuk klasifikasi citra buah naga merah. GLCM (Gray Level Co-occurrence Matix) dikenal sebagai keteraturan pola tertentu yang diciptakan oleh pengaturan piksel dalam gambar digital tingkat abu-abu. Fungsi GLCM (Gray Level Co-occurrence Matix) adalah untuk menghitung seberapa sering pasangan piksel dengan nilai tertentu dan hubungan spasial terjadi dalam gambar, kemudian mengekstraksi ukuran statistik dari matriks ini untuk menentukan tekstur gambar.. Hasil klasifikasi menggunakan metode Naïve Bayes Classifier menunjukkan tingkat akurasi sebesar 82% dengan menggunakan 800 data citra training atau data latih dan 200 data citra testing atau dat uji, yang terdiri dari 70 data citra buah naga merah kelas bagus, 70 data citra buah naga merah kelas jelek, dan 60 data citra buah naga merah kelas berpenyakit/cacar. Sistem ini diharapkan dapat membantu petani untuk mengetahui bobot buah naga merah yang diminta oleh pengimpor secara lebih akurat.