Ikan koi merupakan salah satu jenis ikan hias yang memiliki nilai ekonomi tinggi dan banyak diminati di Indonesia. Keberhasilan budidaya ikan koi sangat bergantung pada kualitas air kolam tempat hidupnya. Kualitas air ini dapat ditentukan melalui beberapa parameter, seperti keasaman tingkat kekeruhan, dan suhu air. Namun, pemeriksaan dan pembersihan air secara manual dinilai kurang efisien dan rawan kesalahan. Penelitian ini dilakukan untuk mengembangkan sistem pengendalian kualitas air kolam ikan koi berbasis IoT dengan algoritma Decision Tree. Sistem IoT mengintegrasikan berbagai sensor yakni sensor pH, sensor TDS serta sensor suhu DS18B20 dengan mikrokontroler ESP32. Data yang diklasifikasikan ke dalam kategori optimal, baik, dan buruk, serta ditampilkan melalui website. Hasil pengujian menunjukkan bahwa sistem memiliki akurasi klasifikasi hingga 100%, dengan tingkat error perangkat sensor 0% untuk TDS, 2,30% untuk pH serta 1,77% untuk suhu. Pengujian perangkat lunak website menggunakan metode BlackBox juga menunjukkan validitas 100%. Dengan demikian, sistem ini terbukti efektif dan akurat dalam memantau serta mengklasifikasikan kualitas air kolam ikan koi secara otomatis

Infeksi Saluran Pernapasan Akut (ISPA) tetap menjadi masalah kesehatan global yang utama, dengan angka morbiditas dan mortalitas yang signifikan, terutama di negara-negara seperti Indonesia. Studi ini berfokus pada klasifikasi patogen bakteri penyebab ISPA, termasuk Mycobacterium tuberculosis, Corynebacterium diphtheriae, Pharyngitis, Staphylococcus aureus, dan Streptococcus pneumoniae, dengan menggunakan sistem berbasis visi komputer. Metode yang diusulkan menerapkan Convolutional Neural Network (CNN) dengan arsitektur InceptionResNetV2, yang dikenal dengan akurasinya yang tinggi dalam pengenalan citra medis. Melalui kombinasi praproses gambar, augmentasi data, dan penyesuaian lapisan model, sistem ini berhasil dilatih dan diimplementasikan pada platform web responsif yang memungkinkan klasifikasi gambar secara real-time. Model ini mencapai akurasi klasifikasi yang tinggi sebesar 98,91%, dengan nilai presisi, recall, dan F1-score melebihi 98,9%, yang menunjukkan efektivitas dan keandalannya dalam mengidentifikasi bakteri penyebab ISPA dari citra digital.

Pengembabangan Bot Virtual Assistant Llm Meta Llama DI WhatsApp untuk Otomatisasi Layanan TAGID, Abdullah Ali, NIM E41212217, Tahun 2024, 62 hlm., Teknologi Informasi, Politeknik Negeri Jember, Zilvanhisna Emka Fitri ST, MT. (Dosen Pembimbing Magang), Albertus Christian (Pembimbing Lapang). Transformasi digital membawa perubahan besar dalam ekonomi dan bisnis, termasuk melalui teknologi AI seperti bot virtual assistant berbasis Large Language Model (LLM). Bot ini mampu berinteraksi secara cerdas dan efisien, serta berguna di berbagai sektor seperti pendidikan dan layanan kesehatan. TAGID, produk digital dari PT. Digital Netwerk Venture Indonesia, menghadapi tantangan dalam memberikan layanan cepat dan efisien akibat masih digunakannya metode manual. Untuk mengatasi hal ini, TAGID mengembangkan Bot Virtual Assistant berbasis LLM Meta Llama di WhatsApp guna meningkatkan respons layanan, mempermudah interaksi pengguna, serta mendukung registrasi dan transaksi. Dengan otomatisasi ini, layanan TAGID menjadi lebih cepat, tersedia 24/7, dan mengurangi beban tim customer service, memungkinkan fokus pada tugas strategis.. Program magang berlangsung selama 6 bulan, dari 5 Agustus 2024 hingga 7 Februari 2025, secara onsite di PT. Digital Netwerk Venture Indonesia, Kota Malang, dengan fokus pada pengalaman langsung dalam lingkungan kerja untuk mempersiapkan karir mahasiswa. Pengembangan bot virtual assistant berbasis Meta LLaMA di WhatsApp untuk layanan otomatisasi TAGID meliputi beberapa tahap: perencanaan kebutuhan melalui meeting, pembuatan flow layanan, dan implementasi dasar seperti integrasi dengan Midtrans untuk pembayaran. Setelah itu, dilakukan testing awal untuk memeriksa fungsi utama, seperti registrasi dan pengelolaan akun, diikuti penyempurnaan dengan debugging, peningkatan keamanan, dan perbaikan prompt sistem. Tahap lanjutan mencakup penambahan fitur seperti registrasi untuk orang lain, upgrade plan, dan pengelolaan data akun. Testing menyeluruh memastikan kompatibilitas fitur baru, diakhiri dengan finalisasi untuk menghadirkan bot yang andal, efisien, dan mudah digunakan.

Kompetensi kerja merupakan suatu kemampuan keterampilan atau kecakapan yang dimiliki oleh sesorang yang sesuai dengan pekerjaan (Anggita et al., 2021). Magang merupakan pelatihan atau praktek dengan tujuan untuk menguasai kompetensi tertentu dibawah bimbingan serta pengawasan dari pelatih yang berpengalaman (Azwar, 2019). Tujuan umum magang secara umum yaitu meningkatkan keterampilan, pengetahuan, serta pengalaman kerja untuk mahasiswa tentang kegiatan perusahaan dan unit bisnis strategi lainnya yang bak untuk dijadikan sebagai tempat magang. Magang dilaksanakan sebagai salah satu syarat lulus dari Politeknik Negeri Jember yang diadakan di semester VII pada Diploma IV. Politeknik Negeri Jember diusun untuk membekali mahasiswa dengan pengalaman praktis melalui simulasi kerja, kerjasama bersama pihak yang terkait, serta program magang. Melalui program magag ini, setiap mahasiswa diharapkan dapat mengasah kemampuan dan keterampilan yang dimiliki, meningkatkan kedisiplinan dalam bekerja, dan mendapatkan pengalaman serta wawasan yang bermanfaat mengenai dunia kerja. CV Biru Indonesia Creative berlokasi di Malang, Jawa Timur berdiri sejak tahun 1991. CV Biru Indonesia Creative merupakan perusahaan yang bergerak di bidang teknologi informasi yang menyedikan solusi perangkat lunak untuk berbagai industri. Di bidang infrastruktur, Perusahaan ini menyediakan layanan seperti server internet, pendaftaran domain, jaringan komputrisasi, serta pembuatan mesin robot dan otomasi.

Media sosial telah menjadi ruang untuk interaksi utama dalam era digital, namun kemunculan teknologi AI generatif menimbulkan banyak kekhawatiran terhadap penyalahgunaan teknologi ini dengan membuat citra wajah palsu konten media sosial. Deteksi terhadap keaslian citra menjadi tantangan utama karena perkembangan teknologi generatif AI yang cukup pesat dan memiliki kemiripan visual tinggi dengan citra asli. Perlunya sistem untuk mengenali pola yang dibuat dari teknologi ini dengan mengembangkan sistem deteksi berbasis deep learning yang memanfaatkan CNN dan transfer learning VGG-16, serta pemanfaatan fitur LBP sebagai preprocessing. Jumlah dataset pada penelitian ini berjumlah 8300 citra wajah yang diperoleh melalui augmentasi dari data awal sebesar 2358 data citra. Metode pelatihan dilakukan dengan dua pendekatan, yakni dengan data citra fitur LBP dan tanpa LBP. Hasil eksperimen menunjukan bahwa model dengan citra tanpa LBP mencapai akurasi sebesar 99% lebih baik dibandingkan dengan model yang menggunakan citra LBP yang mencapai akurasi 98% yang mengindikasikan kemampuan model dalam mengenali pola pada citra tanpa LBP lebih baik.

Rancang Bangun Sistem E-Booking Kamar Kos Berbasis Web (Studi Kasus Kos Calista), Siti Putri Diana, Tahun 2025, Program Studi Manajemen Informatika, Jurusan Teknologi Informasi, Dwi Putro Sarwo Setyohadi, S.Kom, M.Kom. (Dosen Pembimbing). Seiring berkembangnya teknologi informasi, sektor penyewaan kamar kos semakin terdorong untuk bertransformasi secara digital. Kos Calista, sebagai salah satu penyedia jasa kamar indekos, menghadapi tantangan dalam hal promosi dan proses pemesanan yang masih dilakukan secara manual, sehingga kurang efisien dan menyulitkan baik calon penyewa maupun pihak pengelola. Untuk mengatasi permasalahan tersebut, dirancanglah sebuah sistem e-booking kamar kos berbasis web. Sistem ini dikembangkan menggunakan framework Laravel dan bertujuan untuk mempermudah calon penyewa dalam mencara informasi ketersediaan kamar, melihat fasilitas, denah, dan harga, serta melakukan pemesanan dan pembayaran secara online. Selain itu, sistem juga memfasilitasi admin kos dalam mengelola data kamar, transaksi, booking, serta laporan keuangan secara terintegrasi dan rel-time. Website ini telah melalui proses pengujian menggunakan metode Blackbox dan User Acceptance Test (UAT). UAT dilakukan terhadap 22 responden dengan menilai lima aspek utama: usability, fungsionalitas, manfaat, informasi, dan efisiensi. Hasil UAT menunjukan bahwa sistem memperoleh rata-rata skor 94%, yang dikategorikan dalam kriteria “Sangat Baik” berdasarkan skala likert. Hal ini menunjukan bahwa sistem siap untuk digunakan dalam operasional Kos Calista. Dengan demikian, sistem e-booking mampu meningkatkan efektivitas layanan penyewaan kamar kos dan memberikan pengalaman pengguna yang praktis, cepat, dan efisien.

Indonesia merupakan salah satu produsen karet alam terbesar di dunia, dengan mayoritas produksinya berasal dari perkebunan rakyat. Kualitas mutu hasil olah getah karet menjadi aspek penting karena menentukan kelayakan ekspor dan pemanfaatannya di industri. Namun, proses penentuan mutu di pabrik pengolahan masih dilakukan secara manual dan subjektif. Hal ini menimbulkan risiko ketidakkonsistenan dalam klasifikasi mutu. Oleh karena itu, penelitian ini bertujuan untuk mengembangkan sistem klasifikasi mutu hasil olah getah karet menggunakan metode Convolutional Neural Network (CNN) dengan arsitektur MobileNetV2. Data citra karet yang digunakan berasal dari pengambilan citra secara langsung, yang sample crepe nya di dapat secara langsung di salah satu pabrik di Jember, kemudian dilakukan tahapan preprocessing sebelum memasuki pelatihan. Model CNN yang dibangun berhasil mencapai akurasi pelatihan hingga 99?n akurasi validasi terbaik sebesar 96% pada epoch ke-35, dengan nilai validation loss terendah sebesar 0.2799. Akurasi pengujian menggunakan data uji mencapai 92%, menunjukkan performa model yang cukup baik meskipun terdapat indikasi overfitting ringan. Model kemudian diintegrasikan ke dalam aplikasi mobile berbasis Android untuk mempermudah proses klasifikasi secara real-time. Sistem ini diharapkan dapat menjadi solusi efisien dan akurat dalam mendukung penentuan kualitas mutu getah karet secara otomatis

Demam Berdarah Dengue (DBD) masih menjadi masalah kesehatan masyarakat yang serius di Indonesia, terutama akibat tempat penampungan air (TPA) yang tidak terpantau dan menjadi lokasi berkembang biaknya nyamuk Aedes aegypti. Penelitian ini mengembangkan sistem monitoring berbasis Internet of Things (IoT) untuk mendeteksi potensi kemunculan larva nyamuk berdasarkan parameter kualitas air seperti suhu, pH, dan Total Dissolved Solids (TDS). Arduino Nano digunakan untuk membaca data dari sensor DS18B20 (suhu), sensor pH 4502C, dan sensor TDS. Data dikirim ke ESP32 melalui komunikasi serial, lalu diteruskan ke server menggunakan protokol HTTP. Server backend dibangun dengan bahasa pemrograman Python menggunakan framework Flask, dan data disimpan dalam database MySQL. Data yang dikumpulkan divisualisasikan secara real-time melalui website bernama Jumantik. Untuk menentukan potensi tempat berkembang biaknya larva, sistem ini menggunakan metode logika fuzzy Sugeno yang diimplementasikan langsung pada Arduino Nano. Sistem memproses data dan mengklasifikasikan lingkungan menjadi dua kategori berpotensi dan tidak berpotensi. Hasil pengujian menunjukkan bahwa sistem mampu memantau kondisi air secara efisien dan akurat secara real-time, serta memberikan informasi yang relevan untuk mendukung pencegahan dini penyebaran DBD.