Platform pemesanan makanan online semakin berkembang sejalan dengan meningkatnya kebutuhan masyarakat tentang layanan yang cepat dan praktis. Salah satu tantangan dalam platform ini adalah sistem pencarian yang belum optimal. DIKANTIN merupakan platform pemesanan makanan daring yang digunakan di Politeknik Negeri Jember. Saat ini sistem pencariannya masih menggunakan metode pencocokan sederhana yang kurang relevan dalam menampilkan menu yang sesuai dengan kebutuhan pengguna. Dalam hal ini maka diperlukan pendekatan yang lebih relevan dalam meningkatkan relevansi pencarian. Penelitian ini membandingkan dua metode dalam Information Retrieval yaitu Vector Space Model (VSM) dan BM25F untuk meningkatkan relevansi pencarian menu. VSM menggunakan pendekatan TF-IDF dan Cosine Similarity untuk menghitung kesamaan antara query dan dokumen sedangkan BM25F menerapkan model probabilistik dengan bobot pada berbagai atribut dokumen untuk meningkatkan kualitas hasil pencarian. Penelitian ini menggunakan data yang terdiri dari 205 data menu pada platform DIKANTIN. Evaluasi dilakukan dengan mengukur Mean Average Precision (MAP) untuk menilai efektivitas masing-masing metode. Hasil pengujian menunjukkan bahwa BM25F memiliki kinerja lebih baik dalam relevansi pencarian, dengan MAP sebesar 92,4%, dibandingkan VSM yang mencapai 78%. Pengujian lebih lanjut dilakukan survei kuesioner terhadap pengguna DIKANTIN dari 9 jurusan di Politeknik Negeri Jember. Hasil survei menunjukkan bahwa 76% responden lebih memilih metode BM25F sedangkan 22% memilih VSM. Berdasarkan hasil penelitian ini dapat disimpulkan bahwa BM25F lebih unggul dalam meningkatkan relevansi pencarian menu dibandingkan VSM

XYZ adalah platform financial technology yang berbasis di Singapura yang menyediakan berbagai layanan keuangan untuk pengguna. Platform ini bertujuan untuk meningkatkan inklusi keuangan dengan menyediakan akses mudah dan aman ke pinjaman, investasi, dan solusi perencanaan keuangan. XYZ memanfaatkan teknologi canggih untuk menawarkan pengalaman pengguna yang mulus dan memastikan transparansi serta efisiensi dalam setiap transaksi keuangan. Dengan fokus pada kebutuhan individu dan bisnis, platform ini menawarkan berbagai produk dan layanan yang dirancang untuk membantu pengguna mencapai tujuan keuangan mereka.

Deteksi kebuntingan pada domba merupakan aspek penting dalam manajemen reproduksi ternak. Metode ultrasonografi (USG) telah lama digunakan untuk mengidentifikasi kebuntingan secara visual, namun interpretasi citra USG membutuhkan keahlian khusus. Penelitian ini bertujuan untuk membangun sistem klasifikasi otomatis kebuntingan domba berdasarkan citra USG menggunakan metode deep learning dengan arsitektur EfficientNet-B1. Data citra dikumpulkan dari peternakan mitra, kemudian diproses melalui tahap augmentasi dan pelabelan. Model dilatih dan dievaluasi menggunakan metrik akurasi, presisi, recall, dan F1-score. Hasil menunjukkan bahwa EfficientNet-B1 mampu mengklasifikasikan citra dengan akurasi tinggi, sehingga sistem yang dibangun berpotensi untuk digunakan dalam praktik peternakan sebagai alat bantu diagnostik non-invasif. Temuan ini menunjukkan bahwa teknologi deep learning dapat berperan penting dalam mendukung digitalisasi sektor peternakan.

Proses penyusunan skripsi merupakan tahapan penting dalam perjalanan akademik mahasiswa Program Studi D4-Teknik Informatika di Jurusan Teknologi Informasi Politeknik Negeri Jember. Skripsi tidak hanya menjadi syarat kelulusan, tetapi juga kesempatan bagi mahasiswa untuk mengembangkan pemahaman mendalam tentang bidang studi mereka serta memberikan kontribusi dalam pengembangan ilmu pengetahuan. Faktor-faktor yang mempengaruhi termasuk kompleksitas topik penelitian, terbatasnya akses sumber daya, kesibukan di luar bidang akademik, dan kualitas bimbingan dosen. Saat ini, penentuan dosen pembimbing skripsi dilakukan secara manual dengan mempertimbangkan kuota bimbingan, keahlian, dan pengalaman riset penelitian. Proses ini seringkali mengalami kendala seperti kurangnya transparansi, ketidakpastian dalam pengambilan keputusan, serta kesulitan mahasiswa dalam mengidentifikasi dosen yang sesuai dengan topik penelitian. Untuk mengatasi masalah ini, penelitian ini mengusulkan penggunaan Sistem Pendukung Keputusan (SPK) dengan metode Profile Matching. Sistem ini dirancang untuk memudahkan pemilihan dosen pembimbing bagi mahasiswa, memastikan kesesuaian antara topik skripsi dan bidang keahlian dosen, serta menjaga keseimbangan jumlah bimbingan per dosen.

SISTEM PERAMALAN PENJUALAN TOKO ANNISA FASHION DENGAN KEAKURATAN MOVING AVERAGE BERBASIS WEBSITE, Nur Mita Upi Lestari, NIM E31220215, Tahun 2025, Teknologi Informasi, Politeknik Negeri Jember, Hendra Yufit Riskiawan, S.Kom,M.Cs. (Dosen Pembimbing). Toko Annisa Fashion merupakan salah satu toko yang bergerak di bidang fashion dan menjual berbagai jenis pakaian seperti baju anak-anak, dewasa, gamis, kemeja, dan tunik. Toko ini berlokasi di Karanganyar, Ambulu, Kabupaten Jember, Jawa Timur, dan melayani pembelian secara langsung maupun secara online melalui media sosial dan jaringan reseller. Namun, toko menghadapi permasalahan dalam manajemen stok yang menyebabkan ketidakseimbangan antara ketersediaan barang dengan permintaan pelanggan. Hal ini berdampak pada kehilangan peluang penjualan karena stok habis, serta kerugian akibat barang yang menumpuk dan tidak terjual. Penelitian ini bertujuan untuk membangun sebuah sistem peramalan penjualan berbasis website yang dapat membantu pemilik toko dalam menentukan jumlah stok yang tepat sesuai tren permintaan. Metode yang digunakan dalam sistem ini adalah metode Moving Average, yaitu metode peramalan yang menghitung rata-rata data penjualan dalam periode tertentu untuk memprediksi permintaan di masa mendatang. Sistem dirancang menggunakan bahasa pemrograman PHP dan database MySQL, serta menampilkan grafik hasil peramalan agar mudah dipahami oleh pengguna. Data yang digunakan dalam sistem ini adalah data penjualan historis Toko Annisa Fashion dari tahun-tahun sebelumnya. Data tersebut diolah dalam sistem dan dianalisis menggunakan metode Moving Average dengan pengujian akurasi berdasarkan nilai Mean Absolute Percentage Error (MAPE). Hasil dari pengujian menunjukkan bahwa sistem mampu memberikan prediksi penjualan yang cukup akurat dengan tingkat kesalahan yang rendah. Sistem ini dapat membantu toko Annisa Fashion dalam proses pengoptimalan penjualannya. Dibuktikan dari hasil pengujian sistem melalui dua metode, yaitu Black Box Testing dan User Acceptance Test (UAT). Berdasarkan Black Box Testing, seluruh fitur pada sistem berjalan sesuai dengan fungsinya, seperti input data penjualan, perhitungan moving average, grafik hasil peramalan, dan perhitungan nilai error. Ini menunjukkan bahwa sistem dapat digunakan dengan baik oleh admin toko. Hasil User Acceptance Test (UAT) menunjukkan nilai rata-rata sebesar 90%, yang diperoleh dari tanggapan pengguna terhadap fungsionalitas, kemudahan penggunaan, dan manfaat sistem.

MENGGALI SENTIMEN PENGGUNA SHOPEE PADA GOOGLE PLAYSTORE DENGAN MENGGUNAKAN NAIVE BAYES : LANDASAN UNTUK PENINGKATAN APLIKASI SHOPEE, Elsa Surya Agustin, NIME31220218, Tahun 2024, Teknologi Informasi, Politeknik Negeri Jember, Husin, S.Kom, M.MT (Dosen Pembimbing). Shopee adalah perusahaan e-commerce yang didirikan pada tahun 2015. Indonesia menjadi negara dengan jumlah kunjungan Shopee tertinggi, dengan rata-rata 124,9 juta kunjungan bulanan pada tahun 2023. Pengguna Shopee sering memberikan ulasan dan penilaian di Google Playstore, yang menunjukkan pengalaman mereka dengan aplikasi tersebut. Namun, jumlah ulasan yang meningkat membuat sulit bagi perusahaan untuk memahami semua komentar pengguna. Oleh karena itu, analisis sentimen ulasan pengguna terhadap aplikasi Shopee sangat penting karena akan membantu perusahaan mengetahui cara meningkatkan layanan dan produk. Metode yang digunakan dalam analisis sentimen ini menggunakan metode Naive Bayes Classifier. Penelitian ini bertujuan untuk menemukan sentimen pengguna terhadap aplikasi Shopee, menampilkan hasil analisis sentimen melalui visualisasi data yang menarik dan interaktif, dan memberikan saran pada Shopee untuk meningkatkan kualitas layanan. Sehingga, dapat membantu tim pengembang Shopee untuk memahami sentimen pengguna, memberikan data sentimen yang terorganisir dan divisualisasikan dengan baik sehingga memudahkan pengambilan keputusan, dan mempermudah interpretasi dan pemahaman data melalui visualisasi yang lebih mudah dipahami. Dengan penelitian ini, Shopee diharapkan dapat menangani keluhan dan kebutuhan pengguna dengan lebih baik. Ini akan membantu Shopee untuk meningkatkan pengalaman pelanggan secara keseluruhan.

Aksara Carakan merupakan aksara tradisional masyarakat Madura yang digunakan sebagai media komunikasi tertulis dan dalam berbagai upacara adat. Di era modern, pengajaran aksara ini menghadapi kendala signifikan akibat padatnya kurikulum pendidikan, yang menyebabkan marginalisasi penggunaannya dan mengancam identitas budaya Madura. Penelitian ini mengembangkan solusi pembelajaran Aksara Carakan untuk siswa Sekolah Dasar melalui aplikasi yang dikembangkan dengan metode MDLC (Multimedia Development Life Cycle). Aplikasi menyajikan enam materi aksara berbeda dengan tiga menu utama: belajar, kuis, dan pengaturan, memungkinkan pembelajaran yang fleksibel. Pengujian alpha testing menunjukkan tidak ada bug pada seluruh fungsionalitas aplikasi. Sementara beta testing dengan 36 responden menghasilkan tingkat penerimaan dalam kategori "sangat diterima" dengan indeks kualitas sistem 92,5%, kualitas informasi 88,51%, kualitas layanan 91,11%, dan kepuasan pengguna 89,72%. Hasil ini menunjukkan keberhasilan signifikan aplikasi dalam menyediakan solusi pembelajaran Aksara Carakan Madura yang efektif bagi generasi muda.

Penelitian ini bertujuan untuk mengembangkan sistem deteksi dini status stunting pada balita menggunakan metode Naïve Bayes. Penelitian ini memanfaatkan data sekunder dari platform Kaggle dan data validasi pakar yang dikumpulkan melalui wawancara dengan ahli gizi. Sistem yang dikembangkan berupa aplikasi mobile yang mampu memprediksi status stunting berdasarkan parameter umur, tinggi badan, jenis kelamin, dan riwayat menyusui. Dalam proses pengembangannya, peneliti menambahkan fitur Z-Score berdasarkan standar WHO untuk mengklasifikasikan status stunting. Data diproses menggunakan algoritma Naïve Bayes dengan pembagian data training dan testing dalam beberapa variasi persentase. Evaluasi sistem menggunakan confusion matrix menunjukkan hasil terbaik pada pembagian data 80:20 dengan akurasi sebesar 76,92%. Aplikasi yang dikembangkan tidak hanya ditujukan untuk tenaga medis namun juga dapat digunakan oleh orang tua untuk memantau tumbuh kembang anak sejak dini.