Program magang di Politeknik Negeri Jember bertujuan memberikan pengalaman kerja kepada mahasiswa dengan fokus pada pengembangan keterampilan praktis. Magang dilaksanakan di CV Biru Indonesia Creative, sebuah perusahaan teknologi informasi yang menyediakan solusi perangkat lunak. Perusahaan ini berawal pada 1997 di Kota Batu dan kini berlokasi di Malang, Jawa Timur. Periode magang dimulai pada 16 September 2024 hingga 24 Januari 2025. Kegiatan magang mencakup observasi proses kerja, pengembangan aplikasi, dan kolaborasi tim. Penulis terlibat dalam beberapa proyek, termasuk perbaikan antarmuka pengguna dan copywriting pada website Pondok Seni dan Lazisnu, serta pengembangan aplikasi Klinik Sehat berbasis Laravel. Aplikasi Klinik Sehat dirancang untuk mempermudah pengelolaan data pasien dan pendaftaran pasien di klinik dengan fitur CRUD (Create, Read, Update, Delete). Selama magang, penulis memperoleh pengalaman dalam pengembangan aplikasi web, bekerja dalam tim dengan anggota yang memiliki keahlian berbeda, serta berinteraksi dengan stakeholder dari berbagai industri, yang memberikan wawasan yang berharga untuk karier di dunia kerja.

Teknologi informasi dan media sosial kini memegang peran penting dalam penyebaran informasi secara real-time, dengan jumlah pengguna global mencapai 4,95 miliar pada tahun 2023 atau sekitar 61,4?ri populasi dunia. Media sosial tidak hanya memfasilitasi interaksi dan penyampaian opini publik, tetapi juga rentan terhadap penyebaran informasi palsu dan ujaran kebencian. Buzzer akun yang menggerakkan opini publik sering digunakan untuk tujuan politik dengan narasi negatif yang dapat memicu intoleransi dan perpecahan sosial. Platform Twitter (X) menjadi wadah utama aktivitas buzzer, namun sulit untuk mengidentifikasi akun-akun tersebut secara otomatis. Penelitian ini menggunakan pendekatan Natural Language Processing (NLP) dan metode Support Vector Machine (SVM) untuk mengklasifikasi 1.510 postingan menjadi dua kelas, yaitu intoleran dan toleran, dengan data seimbang masing-masing 755 postingan. Proses data preprocessing meliputi normalisasi, pembersihan data, tokenisasi, penghilangan stopword, dan stemming, serta pembobotan menggunakan TF-IDF. Model SVM dengan kernel sigmoid dan pembagian data 80:20 menghasilkan performa terbaik dengan akurasi 97%, presisi 96%, recall 98%, dan f1-score 97%. Analisis lanjutan pada lima akun buzzer mengungkapkan tingkat intoleransi yang bervariasi, dengan nilai tertinggi mencapai 70,59%.

Proyek magang ini bertujuan untuk mengembangkan visualisasi grafik tanda-tanda vital pada aplikasi SIMETRIK (Sistem Informasi Manajemen Rekam Medik Elektronik) dengan memanfaatkan JavaScript. Visualisasi ini mencakup data seperti nadi dan suhu tubuh yang ditampilkan dalam bentuk grafik untuk memudahkan tenaga medis dalam memantau kondisi pasien secara real-time. Proyek ini dilaksanakan oleh Bachtiar Arya Habibie, mahasiswa Program Studi Teknologi Informasi, Politeknik Negeri Jember, di CV Esolusindo sebuah software house yang bergerak di bidang pengembangan aplikasi dan sistem informasi kesehatan. Selama pelaksanaan magang, penulis memperoleh pengalaman dalam pengembangan aplikasi rekam medis elektronik, khususnya dalam penerapan JavaScript untuk visualisasi data. Hasil dari proyek ini diharapkan dapat meningkatkan efisiensi pengambilan keputusan medis serta berkontribusi pada kemajuan sistem kesehatan digital di Indonesia.

Penelitian ini bertujuan untuk mengklasifikasikan kualitas udara pada lingkungan peternakan domba berdasarkan cemaran gas limbah seperti ammonia (NH?), metana (CH?), dan karbon dioksida (CO?) menggunakan metode Naïve Bayes. Penelitian ini dilatarbelakangi oleh pentingnya pemantauan kualitas udara di area peternakan yang dapat memengaruhi kesehatan hewan, lingkungan, serta manusia di sekitarnya. Data yang digunakan berasal dari pengukuran langsung menggunakan perangkat IoT berbasis ESP32 dan sensor gas, yang kemudian dilakukan labeling berdasarkan ambang batas gas dari referensi valid. Dataset yang digunakan terdiri dari 2000 data, dengan proporsi 90% sebagai data latih dan 10% data uji. Model klasifikasi dilatih menggunakan algoritma Naïve Bayes dan diuji menggunakan metrik evaluasi seperti confusion metrik. Hasil pengujian menunjukkan bahwa model mampu mengklasifikasikan kualitas udara dengan akurasi sebesar 99,75%, yang menunjukkan bahwa metode ini efektif dalam penerapannya. Dengan adanya sistem ini, diharapkan dapat membantu peternak dan pihak terkait dalam memantau dan mengelola kualitas udara di lingkungan peternakan secara lebih efisien dan responsif.

Budidaya udang vaname merupakan salah satu sektor strategis dalam perikanan Indonesia, namun proses penghitungan secara manual seringkali menjadi kendala dalam efisiensi dan akurasi produksi. Penelitian ini bertujuan untuk mengembangkan sistem deteksi dan penghitungan benur udang vaname secara otomatis menggunakan metode deep learning dengan model Convolutional Neural Network (CNN) dan arsitektur YOLOv8. Dataset yang digunakan adalah 757 citra hasil augmentasi dari 300 citra asli, dengan proses pelatihan yang dilakukan pada platform Roboflow sebanyak 260 epoch. Hasil pelatihan menunjukkan performa model yang baik dengan nilai mean average precision (mAP) sebesar 92%, precision sebesar 89.8%, recall sebesar 90.5%, dan rata-rata loss function sebesar 1.3. Pengujian model menghasilkan akurasi sebesar 85,2?rdasarkan confusion matrix. Model ini mampu mendeteksi dan menghitung benih udang vaname secara efisien dalam waktu kurang dari lima menit, sehingga menjadi solusi potensial dalam otomatisasi sistem pemantauan benih untuk mendukung transformasi digital di sektor akuakultur.

Analisis mengenai kualitas layanan di Puskesmas Tungjung-Randuangung dilakukan dengan memanfaatkan pendekatan Fuzzy Service Quality yang diukur melalui lima dimensi utama: bukti fisik (tangible), keandalan (reliability), daya tanggap (responsiveness), jaminan (assurance), dan empati (empathy). Berbagai tantangan yang dihadapi antara lain adalah kurangnya fasilitas, kekurangan tenaga medis, serta perbedaan antara harapan dan pandangan pasien. Pengumpulan data dilakukan melalui observasi, wawancara, dan penyebaran kuesioner kepada 286 responden. Dari total 20 item pernyataan dalam kuesioner, sebanyak 19 item terbukti valid setelah melewati uji validitas dan reliabilitas. Nilai GAP antara ekspektasi dan persepsi pasien dihitung serta dianalisis melalui pendekatan fuzzy untuk menangani unsur ketidakpastian dan bias subjektif. Hasil evaluasi menunjukkan bahwa dimensi empathy memiliki nilai GAP tertinggi (0,135), diikuti oleh assurance (0,066) dan reliability (0,057). Sementara itu, dimensi tangible (-0,046) dan responsiveness (-0,029) menunjukkan nilai GAP negatif, yang menandakan perlunya perbaikan. Saran diarahkan pada peningkatan di dimensi yang menunjukkan GAP negatif serta penguatan pada dimensi yang telah memenuhi ekspektasi pasien.

IMPLEMENTASI IOT UNTUK PENYIRAMAN OTOMATIS DAN PENGATURAN PENCAHAYAAN PADA TANAMAN KRISAN MENGGUNAKAN LOGIKA FUZZY MAMDANI, Husnul Putri Candra Buana, NIM E41232538, Tahun 2025, Teknologi Informasi, Politeknik Negeri Jember, Trismayanti Dwi P, S.Kom, M.Cs (Pembimbing). Budidaya tanaman krisan di greenhouse memerlukan sistem yang dapat memantau dan mengendalikan kondisi lingkungan secara optimal. Permasalahan seperti ketidaktepatan waktu penyiraman, pemborosan air, serta pengaturan pencahayaan yang tidak presisi menjadi tantangan utama dalam budidaya modern. Penelitian ini merancang sistem monitoring dan kontrol otomatis berbasis Internet of Things (IoT) yang mampu memantau parameter lingkungan dan mengatur penyiraman serta pencahayaan secara real-time melalui aplikasi mobile. Sistem ini memanfaatkan mikrokontroler NodeMCU ESP8266 yang terintegrasi dengan berbagai sensor lingkungan dan mengirimkan data ke Firebase Realtime Database. Untuk optimasi pengambilan keputusan, diterapkan metode logika fuzzy Mamdani yang mengolah parameter lingkungan sebagai variabel input guna menentukan durasi penyiraman secara otomatis. Sistem ini juga mampu mengatur pencahayaan sesuai kebutuhan tanaman. Dengan implementasi ini, petani dapat mengelola kondisi greenhouse secara lebih efisien dan presisi.

Tujuan dari penulisan Laporan Magang ini adalah untuk mendeskripsikan aktivitas yang dilakukan selama pelaksanaan magang di Elecomp Indonesia, yang berfokus pada penerapan Search Engine Optimization (SEO) pada website Petal Paradise. Kegiatan ini mencakup serangkaian proses optimalisasi website, mulai dari riset kata kunci, penyesuaian struktur konten, pengelolaan metadata, peningkatan performa kecepatan website, hingga pemantauan trafik menggunakan alat bantu seperti Google Search Console dan Google Analytics. Selama masa magang, penulis secara langsung terlibat dalam pengembangan strategi SEO on-page dan off-page yang bertujuan untuk meningkatkan jumlah kunjungan organik ke website serta memperkuat brand awareness Petal Paradise di ranah digital. Implementasi SEO ini dilakukan berdasarkan praktik terbaik yang umum digunakan dalam industri digital marketing, serta disesuaikan dengan kebutuhan dan target pasar dari website yang dioptimasi. Dengan adanya kegiatan ini, website diharapkan menjadi lebih kompetitif di hasil pencarian dan mampu menjangkau audiens yang lebih luas secara efektif.