Penelitian ini menggunakan Multinomial Naïve Bayes untuk melakukan analisis sentimen pada layanan pengaduan masyarakat di aplikasi JAKI. Data dikumpulkan menggunakan Google Colab dan Python, menghasilkan 2.695 entri yang valid, termasuk 1.622 sentimen negatif, 142 netral, dan 1.201 sentimen positif. Hasil klasifikasi menunjukkan akurasi sebesar 40.5% untuk sentimen positif, 54,7% untuk sentimen negatif, dan 4,8% untuk sentimen netral. Dengan menggabungkan fitur Chi- square, akurasi meningkat dari 81,14% menjadi 82,41%. Temuan menunjukkan bahwa metode ini efektif dalam mengklasifikasikan sentimen positif dan negatif; namun, ketidakseimbangan data netral mempengaruhi akurasi. Secara keseluruhan, kombinasi Chi-square dan Multinomial Naïve Bayes terbukti cukup akurat untuk analisis sentimen dan evaluasi layanan di JAKI.

Pengembangan Website Sistem Monitoring Progres Proyek untuk PT INKA Multi Solusi Consulting di PT Industri Kereta Api (Persero), Lusy Damayanti, NIM E41211266, Tahun 2024, Teknologi Informasi, Politeknik Negeri Jember, Nugroho Setyo Wibowo, ST. MT. (Pembimbing Magang). Kegiatan magang di PT INKA (Persero) berfokus pada pengembangan website sistem monitoring progres proyek untuk anak perusahaannya, PT IMSC. Program magang ini merupakan bagian dari Magang dan Studi Independen Bersertifikat (MSIB). Tujuan utama dari magang ini adalah untuk memberikan mahasiswa pengalaman praktis dalam menerapkan keterampilan yang diperoleh selama perkuliahan, khususnya dalam pengembangan sistem informasi berbasis web menggunakan framework Laravel. Dalam laporan ini, dijelaskan profil perusahaan, latar belakang, tujuan program magang, serta manfaat yang diperoleh baik oleh mahasiswa maupun perusahaan. Website yang dikembangkan sebagai hasil dari program magang ini bertujuan untuk mempermudah pemantauan progres proyek secara real-time, memungkinkan PT IMSC untuk mengambil tindakan cepat jika terjadi kendala dalam proyek. Selain itu, program ini juga bertujuan untuk meningkatkan keterampilan komunikasi dan kolaborasi mahasiswa di lingkungan kerja.

Program magang ini bertujuan untuk memperluas wawasan dan keterampilan mahasiswa dalam penerapan Quality Assurance (QA), khususnya dalam pengujian perangkat lunak. Magang berlangsung selama 4 bulan, dimulai pada 30 September 2024 hingga 31 Januari 2025, di PT. Multi Power Abadi (MPA), yang berlokasi di Surabaya, Jawa Timur, Indonesia. Selama magang, mahasiswa melakukan pengujian sistem informasi absensi menggunakan PHP Unit dan Selenium untuk memastikan keandalan dan ketepatan sistem. Hasil dari program magang ini adalah diterapkannya pengujian otomatis pada sistem informasi absensi yang dapat membantu mendeteksi kesalahan lebih cepat dibandingkan pengujian manual. Pengujian mencakup fitur-fitur utama, seperti login, absensi, perizinan, laporan kehadiran, dan monitoring karyawan. Dengan pengujian otomatis ini, perusahaan dapat meningkatkan efisiensi operasional dan mengurangi risiko kesalahan dalam pencatatan data absensi karyawan. Pelaksanaan magang ini memberikan pengalaman berharga bagi mahasiswa dalam memahami proses pengujian perangkat lunak, pelaporan bug, serta implementasi perbaikan sistem. Selain itu, mahasiswa juga memperoleh keterampilan dalam bekerja secara profesional, berkolaborasi dengan tim pengembang, serta mengembangkan pemikiran analitis dalam menyelesaikan masalah teknis di dunia kerja. Ke depan, diharapkan perusahaan dapat terus mengembangkan metode pengujian otomatisasi untuk meningkatkan keandalan sistem informasi yang digunakan.

Sistem Isyarat Bahasa Indonesia (SIBI) digunakan sebagai alat komunikasi bagi penyandang tunarungu, namun masih terdapat keterbatasan dalam pemahamannya di masyarakat. Penelitian ini bertujuan untuk mengembangkan sistem pengenalan abjad SIBI secara real-time menggunakan metode Long Short Term Memory (LSTM). Sistem bekerja dengan menangkap gerakan tangan melalui kamera, mengekstraksi titik referensi menggunakan MediaPipe, dan mengklasifikasikannya dengan model deep learning. Selain itu, sistem dilengkapi dengan fitur kuis untuk melatih pemahaman pengguna terhadap abjad SIBI. Pengujian dilakukan dalam berbagai kondisi pencahayaan untuk mengevaluasi performa sistem. Hasil pengujian menunjukkan bahwa sistem mampu mengenali abjad dengan akurasi yang sangat baik. Pencahayaan minimal 120 lux direkomendasikan agar sistem dapat bekerja secara optimal. Dengan adanya penelitian ini, diharapkan sistem dapat terus dikembangkan agar lebih akurat dan interaktif dalam mendukung pembelajaran abjad SIBI.

PERANCANGAN SISTEM PENGISIAN KENDARAAN LISTRIK DENGAN IMPLEMENTASI OCPP, Restu Fahimuroid, NIM E41210602, Tahun 2024, Program Studi Teknik Informatika Jurusan Teknologi Informasi, Politeknik Negeri Jember, Bapak Moh. Munih Dian Widianta, S.Kom., M.T. (Dosen Pembimbing Magang), Johanes Tjatur P. (Pembimbing Lapangan). Penulis melaksanakan magang selama empat bulan di PT. Santinilestari Energi Indonesia, perusahaan manufaktur energi terbarukan yang bergerak di bidang Solar Charge Controller, Smart Communication Gateway, Solar Panel, Battery Pack, serta sistem penerangan tenaga surya dan konvensional. Selama magang, penulis mempelajari proses penelitian, pengembangan, pengujian, dan produksi produk, serta merancang sistem pengisian kendaraan listrik berbasis OCPP. Tim magang yang terdiri dari empat orang mendapat proyek untuk mempelajari, merekayasa balik, dan mendokumentasikan stasiun pengisian kendaraan listrik. Penulis bertanggung jawab dalam perancangan sistem pengisian AC dan DC. Dalam prosesnya, penulis mempelajari cara kerja pengisian kendaraan listrik dan diberikan PCBA pengisi daya AC 1 fasa dan 2 fasa untuk dianalisis. Setelah dua bulan, penulis melanjutkan dengan pengisi daya DC untuk memahami cara kerjanya lebih dalam. Kedua sistem pengisian daya diuji langsung pada kendaraan listrik untuk memastikan kinerjanya.

Produktivitas merupakan salah satu indikator dalam keberhasilan peternak memelihara ayam ras petelur. Produktivitas tersebut dipengaruhi oleh berbagai faktor seperti faktor infeksius maupun non-infeksius seperti nutrisi pakan dan minum serta lingkungan kandang. Memanajemen pemeliharaan faktor non-infeksius tersebut secara manual membutuhkan banyak waktu dan energi, sehingga pemanfaatan teknologi menjadi solusi untuk mempermudah proses tersebut. Melalui penerapan sistem Internet of Things pada kandang, aplikasi mobile dikembangkan sebagai alat bantu pemantauan dan pengendalian berbagai faktor produktivitas yang ada pada kandang ayam ras petelur. Faktor tersebut meliputi pemberian pakan otomatis, pemantauan kualitas air minum yang terdiri atas kadar pH, kejernihan serta jumlah air wadah serta kondisi lingkungan kandang yang terdiri atas suhu dan kelembapan udara serta kadar amonia. Seluruh faktor tersebut dapat dipantau secara real-time melalui aplikasi mobile yang telah dikembangkan menggunakan framework Flutter. Aplikasi tersebut juga telah diuji fungsionalitasnya dengan hasil 100% fitur yang ada telah berfungsi dengan baik sehingga dapat dimanfaatkan secara optimal dalam membantu peternak.

Badan Siber dan Sandi Negara (BSSN) adalah sebuah lembaga pemerintah yang bertugas melaksanakan keamanan siber nasional. Badan Siber dan Sandi Negara memiliki peran penting dan dalam melindungi infrastruktur informasi kritis dan menjaga keamanan data serta informasi strategis di Indonesia. Keamanan jaringan merupakan aspek penting dalam melindungi sistem dari berbagai ancaman siber. Pengujian keamanan jaringan dengan mengeksploitasi kerentanan pada layanan FTP, seperti ProFTPD 1.3.3c, menunjukkan bagaimana celah keamanan dapat dimanfaatkan oleh penyerang untuk mendapatkan akses tidak sah ke dalam sistem.

Penelitian ini bertujuan untuk mengetahui opini masyarakat terhadap Hasil Keputusan Pemilihan Umum Tahun 2024 di microblogging X sebagai platform penelitian, dikarenakan keterkaitan dengan opini publik dan kemudahan akses dalam pengumpulan data. Penelitian ini menggunakan metode Naïve Bayes dan penggunaan seleksi fitur Chi-Square. Hasil penelitian ini menunjukkan bahwa lebih cenderung menghasilkan sentimen negatif dibandingkan dengan sentimen positif dan netral dengan diperoleh keseluruhan data sebanyak 2.299 data tweet, kemudian dilakukan proses remove duplicate sehingga menghasilkan 1.721 data tweet dengan masing-masing sentimen positif berjumlah 530 data, dan sentimen netral berjumlah 565 data, sentimen negatif berjumlah 626. Berdasarkan evaluasi confusion matrix menunjukkan hasil akurasi dengan perbandingan 90:10 tanpa chi-square sebesar 76% sedangkan menggunakan chi-square dengan alpha 0.05 menghasilkan akurasi sebesar 75%, dan alpha 0.01 menghasilkan akurasi sebesar 76%, SelectPercentile dengan memilih 35% dari keseluruhan fitur menghasilkan akurasi sebesar 76%, dan dengan SelectKBest (pemilihan fitur terbaik) dengan 2.200 fitur menghasilkan akurasi sebesar 77%.