Penulisan ilmiah memegang peranan penting dalam peningkatan mutu pendidikan di Indonesia. Salah satu cara untuk menilai kualitas karya ilmiah adalah melalui analisis kalimat kutipan. Namun, proses klasifikasi kalimat kutipan masih menjadi tantangan tersendiri. Penelitian ini bertujuan untuk membangun model klasifikasi kalimat kutipan menggunakan algoritma Support Vector Machine (SVM) dengan ekstraksi fitur TF-IDF. Model yang dikembangkan mampu mengklasifikasikan kalimat kutipan ke dalam tiga kelas: background, method, dan result. Hasil pengujian menunjukkan bahwa model mencapai akurasi sebesar 81,69%, dengan rata-rata presisi 82,54%, dan recall 75,7%. Selain itu, skor F1 untuk masing masing label adalah background (85,65%), method (75,11%), dan result (73,92%). Penelitian ini berhasil mengembangkan sebuah website yang dapat digunakan untuk mengklasifikasikan kalimat sitasi menggunkaan metode SVM. Hasil penelitian ini diharapkan dapat membantu penulis dalam menyusun karya ilmiah yang lebih berkualitas dan dapat membantu untuk meningkatkan reputasi dari penulisnya.

SEAL (Sosial Ekonomi Akselerator Lab) merupakan salah satu pusat pengembangan digital yang bekerja sama dengan Profile Image Studio untuk mendorong transformasi digital di berbagai sektor. Dalam upaya ini, Profile Image Studio berkolaborasi dengan One Terrace untuk membangun suatu platform kursus bahasa jepang sekaligus sebagai penyaluran tenaga kerja. Platform ini dikembangkan menggunakan AdonisJS, sebuah framework backend modern untuk efesiensi dan performa tinggi. Selain itu, platform ini dirancang untuk memberikan manfaat nyata bagi calon tenaga kerja, pelajar, maupun profesional yang ingin meningkatkan keterampilan bahasa Jepang sekaligus mendapatkan peluang untuk bekerja di Jepang. Dengan adanya paltform ini diharapkan dapat mempercepat proses adaptasi budaya dan kompetensi tenaga kerja di Jepang.

PERANCANGAN USER INTERFACE PADA APLIKASI PITY CASH BERBASIS MOBILE DI CV MAMORASOFT. Restu Aji Prasetyo Saputra, NIM E41210002, Tahun 2024, 46 hlm. Teknologi Informasi, Politeknik Negeri Jember, Prawidya Destarianto, S.Kom M.T (Dosen Pembimbing) dan Muhammad Alfin Khoiri, S.Kom (Pembimbing Lapang). Magang adalah program pendidikan yang memberikan kesempatan kepada mahasiswa untuk menerapkan teori yang dipelajari di lingkungan kerja nyata, mengembangkan keterampilan praktis, dan memahami dunia kerja secara langsung. Politeknik Negeri Jember menjadikan program magang sebagai bagian integral dari kurikulum, memastikan lulusan tidak hanya memiliki pemahaman teoritis yang kuat tetapi juga keterampilan praktis yang relevan dengan kebutuhan industri. Kerja sama dengan berbagai perusahaan dan industri memperkuat relevansi kurikulum dengan pasar kerja, memberikan pengalaman langsung bagi mahasiswa. Penulis memilih CV. Mamorasoft sebagai tempat magang, sebuah software house yang berkembang pesat di Surabaya. Perusahaan ini menggunakan metode kerja SCRUM dan berfokus pada pengembangan sistem informasi berbasis web, desktop, dan mobile. Selama magang, penulis bertugas merancang antarmuka pengguna (UI) untuk aplikasi Pitycash, sebuah platform keuangan untuk memantau aliran kas. Fokus desain adalah menciptakan UI/UX yang memudahkan pengguna dalam memantau pemasukan, pengeluaran, serta mengelola keuangan dengan aman dan efisien. Dengan fitur seperti laporan keuangan, notifikasi, dan keamanan data, aplikasi ini diharapkan mendukung pengelolaan keuangan yang lebih efektif.

ANALISIS SENTIMEN MASYARAKAT TERHADAP KOLABORASI ANTARA TIKTOKSHOP DAN TOKOPEDIA: PEMBENTUKAN REGULASI BARU UNTUK (SOCIAL E-COMMERCE) DI INDONESIA, Firda Ulfa Unsilah, NIM. E41232547, Tahun 2025, Teknik Informatika, Teknologi Informasi, Politeknik Negeri Jember, Bapak Aji Seto Arifianto, S.ST., M.T. (Dosen Pembimbing). Penelitian ini bertujuan untuk menganalisis sentimen masyarakat terhadap kolaborasi antara TiktokShop dan Tokopedia yang melatarbelakangi munculnya regulasi baru dalam bidang social e-commerce di Indonesia. Kolaborasi ini merupakan respons terhadap pelarangan operasional TiktokShop sebelumnya oleh pemerintah karena dinilai merugikan pelaku UMKM lokal. Dalam penelitian ini, sebanyak 1955 komentar dari berbagai platform media sosial dikumpulkan menggunakan bahasa pemrograman Python, lalu dianalisis menggunakan algoritma Learning Vector Quantization (LVQ). Proses analisis dimulai dari tahapan preprocessing teks untuk membersihkan data, dilanjutkan dengan ekstraksi fitur menggunakan metode Term Frequency-Inverse Document Frequency (TF-IDF) dan Bag of words (BoW). Untuk mengatasi ketidakseimbangan data, digunakan teknik Random Over Sampler (ROS). Selanjutnya, sistem klasifikasi sentimen diimplementasikan dalam bentuk aplikasi web-based guna menguji kemampuan klasifikasi otomatis terhadap komentar masyarakat. Hasil dari penelitian ini menunjukkan bahwa model klasifikasi yang dikembangkan mampu mencapai akurasi sebesar 78,77% dengan nilai loss sebesar 91,78, yang menunjukkan performa cukup baik dalam mengklasifikasikan sentimen masyarakat. Diharapkan hasil ini dapat menjadi acuan dalam memahami opini publik terhadap fenomena integrasi dua platform besar dalam ekosistem digital Indonesia serta memberikan kontribusi dalam perumusan kebijakan yang adaptif terhadap perkembangan e-commerce, khususnya dalam ranah social commerce yang terus berkembang.

Pengembangan Sistem Informasi PT Spicesindo Agritama Berbasis Website Menggunakan Framework Laravel Pada CV Biru Indonesia Creative. Daffa Fauzi Rahman, NIM E41211408, Tahun 2025, Teknologi Informasi, Politeknik Negeri Jember, Lukman Hakim, S. Kom, M. Kom (Dosen Pembimbing), Usman Arif (Pembimbing Lapang). Penguasaan kompetensi di dunia kerja merupakan kunci untuk mencapai kesuksesan dan relevansi dalam pasar tenaga kerja yang kompetitif. Salah satu upaya yang bisa dilakukan untuk memenuhi penguasaan kompetensi dunia kerja bagi mahasiswa dengan mengadakan program magang. Sejalan dengan posisi Politeknik Negeri Jember sebagai Perguruan Tinggi Vokasi yang memiliki fokus pada aspek praktik, maka Politeknik Negeri Jember juga mewajibkan seluruh mahasiswanya untuk mengikuti program Magang. Oleh karena itu penulis yang juga sebagai mahasiswa Politeknik Negeri Jember mengikuti program magang. Program magang yang diikuti penulis bertempat pada CV Biru Indonesia Creative di Kota Malang. CV Biru Indonesia Creative dipilih sebagai tempat magang karena arah gerak CV tersebut sejalan dengan kompetensi pada jurusan penulis. Periode magang tersebut dilakukan selama 4 bulan, yang dimulai pada tanggal 16 September 2024 hingga berakhir pada tanggal 24 Januari 2025. Salah satu projek yang dikerjakan oleh penulis dalam program magang tersebut adalah pengembangan website perusahaan Spicesindo Agritama. Website perusahaan Spicendo Agritama merupakan website yang menggambarkan profil perusahaan dalam hal ini Spicesindo Agritama. Dalam website tersebut menampilkan visi misi perusahaan, arah gerak perusahaan, tim inti perusahaan, dan juga produk rempah-rempah sebagai komoditas utama perusahaan. Selain itu pada website tersebut pihak perusahaan dapat mengelola data produknya dan juga mengelola data tim inti pada perusahaan tersebut.

X merupakan salah satu platform media sosial yang populer di Indonesia, di mana masyarakat sering menyampaikan opini dan pandangannya terhadap berbagai isu, termasuk kebijakan ekonomi. Kenaikan suku bunga Bank Indonesia adalah salah satu kebijakan yang mendapatkan banyak perhatian, karena dampaknya terhadap perekonomian masyarakat. Penelitian ini bertujuan untuk menganalisis sentimen pengguna Twitter terhadap kebijakan kenaikan suku bunga dengan menggunakan metode Naïve Bayes dan Support Vector Machine (SVM). Dataset yang digunakan terdiri dari 1.010 tweet yang dianalisis dan diklasifikasikan menjadi sentimen positif dan negatif. Hasil penelitian menunjukkan bahwa model Naïve Bayes menghasilkan akurasi sebesar 69%, sementara SVM menghasilkan akurasi yang lebih tinggi, yaitu 71%. Meskipun kedua metode cukup efektif, SVM sedikit lebih unggul dalam menganalisis sentimen masyarakat terhadap kebijakan kenaikan suku bunga Bank Indonesia. Penelitian ini memberikan gambaran yang lebih jelas mengenai opini masyarakat dan dapat digunakan untuk membantu pengambil kebijakan dalam merancang komunikasi yang lebih efektif mengenai kebijakan suku bunga.

RINGKASAN Analisis Sentimen Pada Pengguna Twitter Terhadap Hasil Pengumuman Pasca Pilpres 2024 Menggunakan Metode Naïve Bayes Classifer, Adelia Ayu Avista, NIM E41212068, Tahun 2025, 94 hlm., Teknologi Informasi, Politeknik Negeri Jember, Elly Antika, ST, M.Kom Penelitian ini dilatarbelakangi oleh maraknya opini publik yang tersebar di media sosial, khususnya Twitter. Twitter menjadi salah satu platform yang paling banyak digunakan masyarakat untuk mengekspresikan pandangan politiknya secara langsung. Oleh karena itu, penelitian ini bertujuan untuk menganalisis sentimen masyarakat terhadap hasil pengumuman pasca Pilpres 2024 menggunakan metode Naïve Bayes Classifier. Penelitian difokuskan pada klasifikasi sentimen tweet ke dalam dua kategori utama, yaitu positif dan negatif. Dalam penelitian ini, data yang digunakan sebanyak 1115 data yang dikumpulkan dari twitter dengan total data positif 589 dan data negatif 526. Tahapan pengolahan data dilakukan melalui proses preprocessing, yaitu pembersihan data teks (cleansing), konversi huruf kecil (case folding), filtering, normalisasi, penghapusan kata tidak penting (stopword removal), stemming, dan tokenizing. Kemudian dilakukan pembobotan kata menggunakan metode TF-IDF untuk mengukur pentingnya setiap kata dalam dokumen. Selanjutnya, data diklasifikasikan menggunakan algoritma Naïve Bayes Classifier. Kemudian dilakukan rasio pembagian data untuk data training 85?n data latih 15%, selanjutnya dilakukan proses klasifikasi menggunakan metode Naïve Bayes Classifier. Hasil evaluasi menunjukkan bahwa model memiliki akurasi sebesar 81%, yang berarti 81?ri data uji berhasil diklasifikasikan dengan benar. Selain itu, model juga menghasilkan nilai precision sebesar 81%, recall 80%, dan f1-score 81%, yang menandakan bahwa model mampu mempertahankan keseimbangan antara kemampuan mengenali data positif maupun negatif secara akurat dan menghindari kesalahan klasifikasi yang tinggi.

Kondisi lingkungan yang fluktuatif, seperti suhu, kelembapan, dan pH tanah, dapat menghambat pertumbuhan optimal tanaman melon. Penelitian ini mengimplementasikan metode Fuzzy Mamdani dalam sistem pendukung keputusan (SPK) untuk mengoptimalkan budidaya melon di greenhouse. Sistem memantau kondisi secara real-time menggunakan sensor suhu, kelembapan, dan pH tanah, lalu memberikan rekomendasi otomatis melalui indikator LED dan antarmuka website. Hasil defuzzifikasi dikirim ke Firebase untuk mengatur respons sesuai kondisi. Pengujian menunjukkan bahwa sistem mampu memberikan rekomendasi dengan tingkat kesesuaian tinggi terhadap pakar, dengan nilai MSE rendah: blower 0,00648, spray 0,00462, dan pupuk 0,02028. Akurasi sensor setelah kalibrasi juga tinggi: suhu ruangan 98,80 persen, kelembapan tanah 94,6 persen, dan pH tanah 95,17 persen. Berdasarkan Blackbox Testing, seluruh fungsi sistem berjalan sesuai skenario dengan tingkat keberhasilan seratus persen (100%), membuktikan kestabilan dan keandalan sistem dalam merespons berbagai kondisi lingkungan. Sistem ini efektif mendukung pengambilan keputusan secara cepat dan akurat, serta berpotensi dikembangkan lebih lanjut.