Sistem Pakar Berbasis Web Untuk Mendiagnosis Penyakit Pada Tanaman Cabai Menggunakan Metode Certainty Factor, Restu Aji Prasetyo Saputra, NIM E41210002, Tahun 2025, 93 hlm, Teknologi Informasi, Politeknik Negeri Jember, Nugroho Setyo Wibowo S.T., M.T (Pembimbing). Penyakit pada tanaman cabai merupakan masalah utama yang dapat mengurangi hasil dan kualitas produksi. Petani seringkali menghadapi kesulitan dalam mendiagnosis penyakit tanaman cabai karena keterbatasan pengetahuan dan sumber daya. Oleh karena itu, penelitian ini bertujuan untuk mengembangkan sistem pakar berbasis web yang dapat membantu petani dalam mendiagnosis penyakit pada tanaman cabai secara cepat dan akurat. Sistem yang dibangun menggunakan metode Certainty Factor (CF) untuk menghitung tingkat kepastian dari setiap diagnosis berdasarkan gejala yang dimasukkan oleh pengguna. Dengan sistem ini, petani hanya perlu memilih gejala yang diamati pada tanaman cabai dan memberikan nilai tingkat keyakinan mereka. Berdasarkan input tersebut, sistem akan memberikan diagnosis penyakit secara otomatis beserta tingkat kepastiannya. Hasil pengujian sistem menunjukkan bahwa dari 40 kali pengujian, 39 kali sistem berhasil memberikan diagnosis yang valid sesuai dengan data pakar, sementara 1 kali hasilnya tidak valid. Hal ini menunjukkan tingkat keberhasilan sistem mencapai 92%. Selain itu, pengujian menggunakan metode User Acceptance Test (UAT) menunjukkan hasil rata-rata sebesar 87,1%, yang menunjukkan bahwa sistem ini mudah digunakan dan memenuhi harapan pengguna. Dengan antarmuka yang sederhana, responsif, dan mudah digunakan, sistem ini mampu memberikan diagnosa penyakit pada tanaman cabai dengan cepat dan akurat. Sistem pakar berbasis web ini terbukti efektif dan layak digunakan oleh petani sebagai alat bantu untuk mendeteksi penyakit pada tanaman cabai dan meningkatkan hasil pertanian.

Indonesia menghadapi tantangan besar dalam menjaga ketahanan pangan akibat perubahan iklim dan keterbatasan pengetahuan petani dalam memilih tanaman yang sesuai dengan kondisi lahan. Penelitian ini mengembangkan sistem pakar menggunakan metode certainty factor untuk membantu penyuluh pertanian dan petani dalam menentukan jenis tanaman pangan yang sesuai berdasarkan kesesuaian lahan. Fokus penelitian adalah tanaman pangan dengan masa tanam 3 hingga 4 bulan, guna memudahkan petani beradaptasi dengan perubahan iklim. Hasil pengujian sistem menunjukkan akurasi 100% pada 10 data uji, dimana hasil penentuan sesuai dengan perhitungan manual dan telah divalidasi oleh pakar. Dengan demikian, sistem ini terbukti valid dan layak digunakan sebagai alat bantu dalam menentukan tanaman pangan yang tepat serta mendukung upaya ketahanan pangan nasional.

Penilaian mutu telur ayam negeri secara manual memiliki keterbatasan dari segi efisiensi dan konsistensi hasil. Penelitian ini bertujuan untuk mengembangkan sistem kalsifikasi mutu telur ayam negeri dengan menggunakan metode Convolutional Neural Network berbasis arsitektur MobileNetV2. Parameter yang digunakan mencakup warna, keretakan, dan kebersihan cangkangm yang nantinya akan dikategorikan dalam tiga kelas mutu yaitu Mutu I, Mutu II, Mutu III. Data citra yang digunakan berjumlah 2.207 citra yang diperoleh dari peternakan ayam petelur dan diproses melalui tahapan prepocessing, augmentasi data, serta ekstraksi fitur citra. Model dilatih dan dievaluasi dengan metrik akurasi, precision, recall, dan F1-score untuk menilai kinerja klasifikasi. Hasil pengujian menunjukkan bahwa model CNN dengan arsitektur MobileNetV2 mampu mengklasifikasikan mutu telur dengan akurasi sebesar 92%. Sistem ini diimplementasikan dengan bentuk aplikasi berbasis website menggunakan framework flask dan diharapkan dapat membantu proses klasifikasi mutu telur secara lebih objektif, cepat, dan efisien.

IMPLEMENTASI SISTEM RETUR OBAT DALAM APLIKASI SIMKES BERBASIS WEBSITE UNTUK FASILITAS KESEHATAN, Alif Imanullah Krisna Alam, NIM E41211111, Tahun 2024, Prodi Teknik Informatika Jurusan Teknologi Informasi Politeknik Negeri Jember, Nugroho Setyo Wibowo, ST. MT (Pembimbing Magang), CV Esolusindo, Gea Ayu W.S.Tr.Kom (Pembimbing Lapang). Teknik Informatika di Jurusan Teknologi Informasi Politeknik Negeri Jember (POLIJE) harus melakukan magang di perusahaan atau lembaga, yang sesuai dengan bidang studi mahasiswa. Sebagai bagian dari kurikulum, magang di semester 7 (tujuh) harus dilakukan agar mahasiswa memiliki pemahaman dan pengalaman tentang dunia kerja setelah kuliah berakhir. Penulis mahasiswa Politeknik Negeri Jember (POLIJE) Jurusan Teknologi Informasi melakukan Magang di CV Esolusindo untuk mempersiapkan diri dalam perkembangan teknologi dan menerapkan ilmu. Kegiatan Magang ini melibatkan pengembangan aplikasi SIMKES menggunakan CodeIgniter 4, dengan berfokus pada manajemen obat di fasilitas kesehatan memerlukan pengelolaan retur obat yang efektif untuk mencegah efek samping, Sistem Informasi Manajemen Kesehatan (SIMKES) berbasis web dapat meningkatkan efisiensi dan akurasi.

Krisis pangan global akibat perubahan iklim, konflik, dan guncangan ekonomi telah mempengaruhi ketahanan pangan di berbagai negara, termasuk Indonesia. Salah satu solusi strategis adalah menanam tanaman pangan yang sesuai dengan karakteristik lahan. Penelitian ini bertujuan untuk mengembangkan Sistem Pendukung Keputusan (SPK) berbasis web menggunakan metode Fuzzy Multi-Criteria Decision Making (FMCDM) untuk merekomendasikan tanaman pangan (padi, jagung, kedelai) berdasarkan parameter lahan seperti suhu, pH tanah, kelembaban udara, tekstur tanah, kandungan NPK, dan ketinggian tempat. Proses perhitungan dalam sistem dilakukan melalui tahapan konversi data ke bilangan fuzzy triangular (TFN), perkalian bobot, agregasi, dan perhitungan nilai integral. Hasil pengujian menunjukkan bahwa akurasi perhitungan sistem mencapai 100% dibandingkan dengan perhitungan manual, dan tingkat kesesuaian antara hasil rekomendasi dengan data produksi BPS aktual sebesar 66,67%. Selain itu, pengujian usability oleh pakar menunjukkan bahwa sistem mudah digunakan, dan hasil pengujian blackbox memastikan semua fitur sistem berjalan sesuai fungsinya. Sistem ini dinilai efektif dalam memberikan rekomendasi tanaman pangan yang sesuai dengan data karakteristik lahan, dan berpotensi mendukung ketahanan pangan melalui pengambilan keputusan berbasis data.

Penelitian ini mengatasi kurangnya media pembelajaran interaktif untuk aksara Jawa dengan mengembangkan game edukasi berbasis visi komputer menggunakan model YOLO v8. Metodologi meliputi perancangan sistem, pengumpulan tiga dataset—utama (3.000 sampel), sekunder (250 sampel), dan campuran (3.250 sampel)—dan pelatihan YOLO v8 secara terpisah untuk menganalisis pengaruh jenis data terhadap deteksi. Hasil menunjukkan YOLO v8 efektif mendeteksi aksara Jawa, dengan model pada dataset utama dan campuran menunjukkan performa terbaik (presisi, recall, mAP > 99%), sedangkan dataset sekunder sedikit lebih rendah (presisi 96%, recall 97%, mAP 98%), menegaskan pentingnya kuantitas dan distribusi data. Pengujian white-box menunjukkan aplikasi berjalan efisien (waktu eksekusi 0–2 detik tanpa kesalahan), pengujian black-box memastikan semua fungsi terpenuhi, dan UAT mencatat tingkat kepuasan pengguna rata-rata 90,71%. Disimpulkan implementasi YOLO v8 berhasil meningkatkan minat dan efektivitas pembelajaran aksara Jawa, dengan rekomendasi pengembangan dataset lebih luas, optimasi untuk perangkat mobile, dan penambahan fitur gamifikasi yang lebih kompleks.

XYZ merupakan sebuah platform teknologi finansial yang berbasis di Singapura, yang menyediakan berbagai layanan keuangan bagi para penggunanya. Platform ini bertujuan untuk mendorong inklusi keuangan dengan memberikan akses yang mudah, aman, dan terjangkau terhadap produk seperti pinjaman, investasi, serta perencanaan keuangan. Dengan memanfaatkan teknologi terkini, XYZ menghadirkan pengalaman pengguna yang lancar sekaligus memastikan transparansi dan efisiensi dalam setiap transaksi. Fokus utama platform ini adalah memenuhi kebutuhan individu maupun pelaku bisnis melalui beragam layanan yang dirancang untuk mendukung pencapaian tujuan finansial mereka.

Udang vannamei (Litopenaeus vannamei) merupakan salah satu komoditas unggulan Indonesia di sektor perikanan, yang memberikan kontribusi besar terhadap ekspor hasil laut nasional. Dengan produktivitas yang tinggi dan ketahanan terhadap perubahan lingkungan, udang vannamei menjadi pilihan utama dalam budidaya perikanan. Namun, industri ini menghadapi tantangan dalam proses pembenihan, terutama dalam hal penghitungan benur secara manual. Metode konvensional dinilai tidak efisien, memakan waktu, dan rentan terhadap kesalahan, yang dapat berdampak pada produktivitas secara keseluruhan. Selain itu, ketidakmampuan dalam mendeteksi kondisi kesehatan benur sejak dini meningkatkan risiko penyakit dan kematian. Untuk mengatasi permasalahan tersebut, integrasi kecerdasan buatan (AI) dan aplikasi mobile menawarkan solusi inovatif yang memungkinkan petambak udang mengotomatisasi proses penghitungan benur dan memantau kesehatannya secara real-time. Dengan dukungan teknologi analisis citra digital, aplikasi ini meningkatkan efisiensi dan akurasi sekaligus membantu petambak dalam mengambil keputusan dengan cepat dan tepat. Pengembangan teknologi ini diharapkan dapat mendukung keberlanjutan budidaya udang vannamei dan meningkatkan produktivitas sektor perikanan di Indonesia. Hasil pengujian menunjukkan bahwa sistem ini mampu mencapai akurasi sebesar 85% dalam mengklasifikasikan kondisi kesehatan benur dan menghitung jumlah benur secara efisien.