Pengenalan suara merupakan salah satu teknologi yang semakin berkembang dalam bidang kecerdasan buatan, khususnya dalam interaksi manusia dan komputer. Penelitian ini bertujuan untuk mengembangkan model klasifikasi suara dalam bahasa Indonesia ke dalam dua kategori utama, yaitu ucapan positif dan ucapan negatif, menggunakan metode Mel-Frequency Cepstral Coefficient (MFCC) sebagai ekstraksi fitur suara dan Learning Vector Quantization (LVQ) sebagai algoritma klasifikasi. Metode penelitian dimulai dengan pengumpulan data suara dari 2 partisipan yang mengucapkan lima kata sifat dalam bahasa Indonesia, masing-masing diucapkan dalam intonasi berbeda. Seluruh data melalui proses preprocessing seperti normalisasi amplitudo, padding, dan noise reduction, sebelum diekstraksi fiturnya menggunakan MFCC. Selanjutnya, data digunakan untuk melatih model LVQ. Hasil pengujian menunjukkan bahwa kombinasi MFCC dan LVQ dapat mengklasifikasikan ucapan positif dan negatif dengan baik. Akurasi tertinggi dicapai sebesar 91.78% pada pembagian data 70:30, dan evaluasi menggunakan K-Fold Cross Validation (K=5) menghasilkan rata-rata akurasi sebesar 79.72%, yang menunjukkan generalisasi model yang stabil. Hasil ini menunjukkan bahwa pendekatan ini efektif untuk tugas klasifikasi ujaran berdasarkan ekspresi suara dalam bahasa Indonesia.

Klasifikasi Kelulusan Santri Berbasis Website Menggunakan Metode Naive Bayes Classifier: Studi Kasus Pondok Pesantren Mahasiswa (PPM) Syafi’ur Rohman Jember, Zhaqian Ro’uf Alfauzi, NIM E31221446, Tahun 2024, Manajemen Informatika, Politeknik Negeri Jember, Pramuditha Shinta Dewi P., S.Kom., M.Kom. (Pembimbing). Kelulusan santri di Pondok Pesantren Mahasiswa (PPM) Syafi’ur Rohman Jember menjadi salah satu aspek penting dalam menilai efektivitas sistem pendidikan pesantren. Namun, data menunjukkan bahwa hanya kurang dari 30% santri yang lulus tepat waktu, sehingga diperlukan sistem yang dapat membantu memonitor dan mengklasifikasi ketepatan waktu kelulusan santri. Penelitian ini menggunakan metode Naïve Bayes Classifier untuk melakukan klasifikasi kelulusan santri berdasarkan jumlah halaman tafsir Al-Qur’an dan Al Hadis yang telah diselesaikan dalam kurun waktu tiga tahun. Sistem ini dikembangkan dalam bentuk website berbasis Laravel, yang memungkinkan santri dan pengurus pondok untuk melakukan analisis prediktif mengenai kelulusan. Metode pengembangan yang digunakan adalah waterfall, dengan tahapan requirement, design, implementation, testing, dan maintenance. Selain itu, penelitian ini juga mencakup visualisasi hasil klasifikasi dalam bentuk dashboard untuk mempermudah pemantauan progres belajar santri dan mendukung pengambilan keputusan bagi pengurus pondok. Pengujian sistem dilakukan menggunakan black box testing dan mendapat hasil website berjalan sesuai dengan fungsinya. Serta User Acceptance Testing (UAT) untuk memastikan keakuratan dan kemudahan penggunaan sistem lalu mendapatkan hasil 95,66% untuk santri dan 84% untuk dewan guru, sehingga website ini dikategorikan sangat baik dalam skala likert. Dengan adanya sistem ini, pengurus pondok dapat lebih mudah me-monitoring dan mengevaluasi capaian santri untuk membantu meningkatkan persentase kelulusan tepat waktu di PPM Syafi’ur Rohman Jember.

Cyberbullying merupakan tindakan penggunaan teknologi digital untuk menyakiti atau merendahkan seseorang secara online. Fenomena ini semakin umum terjadi di media sosial termasuk TikTok, di mana komentar negatif dapat berdampak buruk pada kesehatan mental pengguna. Penelitian ini bertujuan menganalisis sentimen cyberbullying pada komentar TikTok menggunakan algoritma Naive Bayes Classifier untuk mengklasifikasikan sentimen positif dan negatif. Proses penelitian pengumpulan data sebanyak 1208 komentar TikTok, yang kemudian dibagi menjadi data training 80% dan data testing 20%. Tahapan analisis meliputi preprocessing, pembobotan kata menggunakan TF-IDF (Term Frequency-Inverse Document Frequency), dan pemilihan fitur. Evaluasi model yang digunakan yaitu Confusion Matrix yang menghasilkan nilai akurasi sebesar 88.43%, dengan presisi sebesar 90%, recall sebesar 86.5%, dan f1-score sebesar 88%. Hasil penelitian ini diharapkan dapat berkontribusi pada pencegahan cyberbullying dengan memberikan wawasan terkait pola komentar negatif dan mendukung pengembangan sistem deteksi dini.

ABSTRAK Kemiskinan merupakan tantangan utama dalam suatu pembangunan yang masih dihadapi banyak negara, termasuk Indonesia. Terjadi karena ketidakmampuan masyarakat dalam memenuhi kebutuhan dasar mereka. Pemerintah membuat beberapa program bantuan salah satunya Program Keluarga Harapan (PKH) guna menanggulangi kemiskinan. PKH merupakan program bantuan sosial yang diberikan kepada keluarga miskin dan rentan miskin. Namun, dalam proses pelaksanaannya perlu dibenahi, seperti sulitnya menentukan penerima bantuan PKH dan proses seleksi yang masih dilakukan secara manual atau tanpa adanya bantuan sistem sehingga membutuhkan waktu yang cukup lama. Untuk mengatasi masalah ini, diperlukan suatu sistem pendukung keputusan (SPK) dalam menentukan penerima bantuan PKH secara efisien dan lebih objektif. Metode yang digunakan adalah Techinique for Order Preference by Similarity to Ideal Solution (TOPSIS). Hasil implementasi menunjukkan bahwa sistem ini mampu memberikan rekomendasi penerima bantuan PKH sesuai dengan kriteria yang ditetapkan. Berdasarkan hasil analisa pengujian sistem menggunakan metode Blackbox testing sudah berjalan dengan baik dan hasil pengujian User Acceptance Testing (UAT) didapatkan rata-rata persentase mencapai 90% disimpulkan bahwa sistem sudah sesuai dengan harapan user.

Sistem Pendukung Keputusan Kelayakan Penerima Bantuan Pangan Beras dengan Metode Weighted Product (Studi Kasus Kecamatan Bondowoso), Elisa Febrian Sholeha, NIM E41212169, Tahun 2025, Teknik Informatika, Politeknik Negeri Jember, Syamsul Arifin, S.Kom, M.Cs (Dosen Pembimbing). Indonesia merupakan negara yang masih masuk dalam kategori negara berkembang karena perekonomian yang masih tergolong rendah, tingkat kemiskinan dari masa ke masa selalu diupayakan untuk mengurangi angka kemiskinan di Indonesia. Upaya yang dilakukan pemerintah untuk mengurangi hal tersebut yaitu dengan mengurangi beban pengeluaran penduduk kurang mampu dengan menyalurkan bantuan dalam bentuk pangan beras. Bantuan pangan merupakan bantuan pangan yang diberikan kepada masyarakat Keluarga Penerima Manfaat (KPM) berupa beras (natura) sebanyak 10 kg dengan kualitas medium tanpa dikenai biaya. Proses penyaluran bantuan disalurkan berdasarkan data atau kriteria pendukung untuk menentukan bantuan tersebut layak untuk diterima masyarakat tersebut, namun proses penyaluran bantuan dilakukan secara manual tanpa adanya pengurutan yang sistematis sehingga data yang diperoleh kurang maksimal atau tepat sasaran dan memberikan dampak kepada calon penerima bahwa proses seleksi tersebut menyebabkan ketidakadilan kepada masyarakat yang seharusnya sangat membutuhkan pangan tersebut untuk kehidupan sehari-hari tidak mendapat bantuan bahkan sebaliknya masyarakat yang memiliki kondisi tergolong mampu tersebut mendapat bantuan. Oleh karena itu, penelitian ini memberikan solusi dalam mengatasi permasalahan tersebut dengan melakukan perancangan sistem pendukung keputusan untuk membantu memerikan rekomendasi calon penerima yang layak untuk menerima bantuan pangan beras dengan penerapan metode weighted product. Sistem dikembangkan dengan mengacu pada 9 kriteria dan menggunakan 1205 data masyarakat, penerapan metode ini dinilai cukup dalam memberikan rekomendasi dengan memperoleh hasil akurasi 60% yang diperoleh dari perbandingan antara hasil sistem dan hasil seleksi secara manual tanpa perhitungan secara sistematis.

Pendahuluan: Pendidikan memainkan peran penting dalam pembangunan nasional, namun kendala finansial menghambat banyak lulusan SMA di Indonesia untuk melanjutkan pendidikan tinggi. Beasiswa KIP-K bertujuan untuk mengatasi masalah ini, tetapi proses seleksi manual di Politeknik Negeri Jember memakan waktu dan rentan terhadap kesalahan.Metode: Penelitian ini mengembangkan Sistem Pendukung Keputusan (SPK) berbasis web dengan menggunakan metode Analytical Hierarchy Process (AHP) untuk merangking calon penerima beasiswa berdasarkan lima kriteria utama: Status Kepemilikan Kartu KIP, Kepesertaan dalam Database Kesejahteraan Sosial (DTKS), Status Pendaftaran, Pendapatan Orang Tua, dan Prestasi Akademik Hasil: Sistem ini berhasil mengotomatisasi proses seleksi, memastikan keadilan dan efisiensi. Pengujian User Acceptance Testing menunjukkan tingkat persetujuan sebesar 88,5%, yang menandakan efektivitas yang tinggi. Kesimpulan: SPK berbasis AHP meningkatkan proses seleksi beasiswa dengan membuatnya lebih objektif, akurat, dan transparan, sehingga bantuan keuangan dapat diberikan kepada mahasiswa yang benar-benar membutuhkan.

Kakao (Theobroma cacao L.) merupakan salah satu komoditas perkebunan selain kopi yang cocok untuk perkebunan rakyat, karena tanaman ini dapat berproduksi sepanjang tahun, sehingga dapat menjadi sumber pendapatan harian atau mingguan bagi petani kakao. Salah satu faktor yang mempengaruhi penurunan produktivitas adalah hama dan penyakit. Perkembangan teknologi ditandai dengan menjamurnya perangkat teknologi yang digunakan dalam berbagai aspek kehidupan. Sistem identifikasi merupakan sistem untuk menentukan hasil identifikasi dengan hitungan yang ditentukan dengan bentuk aplikasi desktop maupun website. Untuk mengatasi permasalahan tersebut, maka dibuatlah sebuah sistem identifikasi untuk mengidentifikasi jenis penyakit dengan menggunakan metode K-NN dengan perhitungan parameter GLCM. Metode K-NN untuk mengitung jarak tedekat K dengan perhitungan Euclidean distance. Dan ekstraksi fitur GLCM untuk menghitung citra menentukan hasil identifikasi, sehinnga pencarian hasil dari identifikasi menggunakan ekstraksi fitur GLCM akan lebih akurat dengan adanya nilai kepastian dari metode K-NN. Dengan nilai n = 3 didapatkan akurasi model tertinggi yaitu 84.6%

Politeknik Negeri Jember melalui PINTU (Pusat Informasi dan Pelayanan Terpadu) menyediakan berbagai layanan informasi dan administrasi akademik bagi mahasiswa dan civitas akademika. Namun, sistem yang ada masih menghadapi kendala dalam memberikan respons yang cepat, terutama saat periode sibuk, karena ketergantungan pada ketersediaan admin. Penelitian ini bertujuan untuk mengembangkan solusi chatbot yang mengintegrasikan LangChain dengan algoritma Retrieval Augmented Generation (RAG) untuk meningkatkan efisiensi layanan informasi di PINTU POLIJE. Pengembangan sistem menggunakan metode Waterfall dengan implementasi teknologi modern seperti Next JS dan Shadcn untuk frontend, serta LangChain untuk backend. Sistem ini menerapkan teknik chunking untuk memecah informasi menjadi bagian-bagian kecil, melakukan embedding untuk mengubah teks menjadi vector, dan menggunakan semantic search untuk menemukan informasi yang relevan. Database sistem dibangun menggunakan Pinecone yang menyimpan data dari website resmi PINTU, informasi dosen, dan berbagai informasi umum dari POLIJE. Hasil pengujian menunjukkan chatbot berhasil menjawab 83,2?ri 745 pertanyaan, dengan rata-rata waktu respons 7,64 detik untuk pertanyaan ambigu dan 8,25 detik untuk pertanyaan terstruktur. Evaluasi responden menunjukkan tingkat kesesuaian jawaban sebesar 84% pada pertanyaan pertama, 68% pada pertanyaan kedua, dan 76% pada pertanyaan ketiga. Chatbot yang dikembangkan dirancang untuk memberikan layanan informasi 24/7 dengan kemampuan pemrosesan bahasa alami yang mudah dipahami. Sistem ini diharapkan dapat meningkatkan efisiensi pelayanan, dan dukungan standarisasi dalam pemberian informasi akademik.