Penelitian ini difokuskan pada pengembangan sistem deteksi dini penyakit Parkinson melalui gambar spiral dan gelombang yang bertujuan untuk mendukung skrining awal sebelum dilakukan pengecekan lebih lanjut ke Dokter Spesialis Saraf. Penelitian ini bertujuan untuk mengembangkan sebuah sistem deteksi dini penyakit Parkinson melalui gambar spiral dan gelombang. Metode yang digunakan melibatkan penggunaan Convolutional Neural Network (CNN) dengan arsitektur DenseNet-169 untuk mengklasifikasikan tulisan tangan sebagai tremor atau non tremor. Pada penelitian ini menggunakan tulisan tangan spiral dan gelombang untuk mengklasifikasi tulisan tangan pada suatu citra dengan pembagian kelas yaitu tremor dan non tremor. Sebelum proses klasifikasi dilakukan citra tulisan tangan melalui serangkaian tahapan preprocessing termasuk Gaussian blur, konversi ke grayscale, erosi, Otsu Thresholding dan resize citra. Hasil dari beberapa uji coba yang telah dilakukan menunjukkan bahwa learning rate 0.0001 mencapai nilai akurasi 93.13%. Untuk menilai keberhasilan dari website deteksi dini penyakit Parkinson melalui gambar spiral dan gelombang, maka dilakukan User Acceptance Testing (UAT) yang menunjukkan tingkat keberhasilan sebesar 91.8% yang menandakan bahwa pengguna menerima dengan cukup baik website deteksi dini penyakit Parkinson.

Talent Recruitment, juga dikenal sebagai akuisisi bakat, adalah proses penting bagi organisasi yang ingin menarik dan merekrut individu yang paling berkualifikasi untuk bekerja di perusahaan mereka. Ini melibatkan mengidentifikasi, mencari, dan memilih individu berbakat yang memiliki keterampilan, pengalaman, dan potensi untuk memberikan kontribusi bagi kesuksesan perusahaan. Namun, dengan berkembangnya platform online seperti situs web pekerjaan dan jejaring sosial profesional, jumlah pelamar yang harus ditinjau oleh Perusahaan meningkat secara drastis. Proses manual tradisional dalam membaca dan mengevaluasi setiap CV dan surat lamaran menjadi tidak efisien dan memakan waktu. Perusahaan harus menyortir, membandingkan, dan mengevaluasi ribuan data pelamar secara manual, yang rentan terhadap kesalahan dan dapat mengurangi akurasi dalam memilih karyawan yang tepat. Oleh karena itu, penelitian ini bertujuan untuk meningkatkan akurasi dalam proses talent recruitment dengan menerapkan teknologi terbaru, yaitu model BERT, yang dapat melakukan analisis kecocokan profil pelamar kerja. Model BERT terbukti memiliki kemampuan memproses data teks dengan akurasi tinggi dan cocok digunakan dalam seleksi karyawan. Hasil dari penelitian ini yaitu CV yang dievaluasi menggunakan model BERT menghasilkan Tingkat akurasi sebesar 0,8 atau 80% yang dapat mengkategorikan pelamar berdasarkan pengalaman kerja, deskripsi dan ketertarikan.

Transportasi ojek online adalah layanan transportasi yang memungkinkan pengguna untuk memesan ojek melalui aplikasi di smartphone. Layanan ini awalnya hanya menawarkan layanan ojek, namun seiring dengan waktu, telah berkembang menjadi layanan transportasi yang lebih luas seperti taksi online, mobil rental, dan lain-lain. Yakurir (Ojek Lokal Probolinggo) merupakan salah satu layanan transportasi ojek online yang berada di Jl. KH. Wahid Hasyim No.1, Jrebeng Lor, Kec. Kanigaran, Kota Probolinggo, Jawa Timur 67213, Indonesia yang berdiri sejak tahun 2020. Website Yakurir saat ini sedang berkembang dan berusaha untuk maju dengan berbagai strategi pemasarannya, namun dengan sistem yang berjalan sekarang, terdapat beberapa permasalahan seperti tampilan website yang monoton dan kurang menarik. Kemudian tidak dapat melayani pemesanan melalui website Yakurir sehingga pemesanan dilakukan dari website Yakurir kemudian diarahkan ke WhatsApp Admin Yakurir. Selain itu, kurir membutuhkan google maps karena terkadang titik lokasi tidak sesuai dengan alamat yang dituju. Berdasarkan permasalahan tersebut direkomendasikan beberapa solusi pengembangan website dengan pembaruan beberapa fitur seperti fitur katalog produk, detail produk, order tracking, fitur ongkir, metode pembayaran, dan informasi harga beserta promo yang tersedia. Metode penelitian yang digunakan dalam penelitian ini adalah Design Thinking. Metode Design Thinking memiliki 5 tahapan, yaitu emphatize, define, ideate, prototype, dan test. Lalu diakhir menggunakan metode System Usability Scale (SUS) untuk mengevaluasi usability atau kemudahan penggunaan sistem atau produk. Hasil pengujian menggunakan metode SUS menunjukkan bahwa user interface website Yakurir memperoleh jumlah skor 11152,5 dengan total responden 128 dengan skor rata rata sebesar 87,12 dan masuk kedalam Grade Skala B yang menunjukkan kinerja baik. Skala Adjective “Excellent” menunjukkan bahwa prototype yang dibuat “sangat bagus”. Dan Acceptability Ranges dalam kategori “Acceptable” yang artinya diterima. Sedangkan hasil pengujian menggunakan maze menunjukkan sebagian besar partisipan mengalami kemudahan dalam menavigasi website dan menemukan fitur-fitur yang relevan dengan Usability Score yang dihasilkan sebesar 90. Dengan demikian dapat disimpulkan bahwa website Yakurir memiliki antarmuka pengguna yang menarik, intuitif, dan sesuai dengan kebutuhan serta harapan pengguna, sehingga dapat meningkatkan penggunaan layanan ojek lokal di Probolinggo.

Pendidikan di Indonesia terbagi antara sekolah negeri dan sekolah swasta, masing-masing dengan kelebihan dan kekurangannya. Sekolah Dasar Al-Baitul Amien di Jember, Jawa Timur, adalah salah satu sekolah swasta yang melakukan penilaian kinerja guru secara manual, menimbulkan potensi subjektivitas dan kecemburuan sosial. Sistem Pendukung Keputusan (SPK) diperlukan untuk memastikan penilaian yang akurat dan objektif. Melalui serangkaian pengujian, implementasi SPK menggunakan Simple Additive Weighting (SAW) berhasil mencapai tingkat akurasi sebesar 80% dalam penilaian kinerja guru. Penelitian ini diharapkan dapat memberikan solusi yang efektif dalam mengatasi permasalahan penilaian kinerja guru yang efisien dan objektif, serta berkontribusi pada peningkatan kualitas pendidikan di SD Al-Baitul Amien Jember.

Penelitian ini bertujuan untuk menganalisis sentimen review pengunjung terhadap Usaha Mikro, Kecil, dan Menengah (UMKM) Seblak Preanger menggunakan metode klasifikasi Naive Bayes. Review pengunjung diambil dari platform Google Maps sebagai sumber data untuk mengevaluasi respons pelanggan terhadap produk dan layanan UMKM Seblak Preanger. Metode Naive Bayes Classifier dipilih sebagai alat analisis sentimen karena metode ini cenderung efektif pada dataset dengan jumlah fitur yang tinggi. Hal ini membuatnya cocok untuk aplikasi di mana jumlah atribut (fitur) dalam data sangat besar, seperti dalam analisis teks atau klasifikasi dokumen. Proses analisis sentimen melibatkan tahap pra-pemrosesan data, di mana ulasan diekstrak dan diubah menjadi format yang dapat diolah. Selanjutnya, model Naive Bayes Classifier dilatih dengan menggunakan data latih yang mencakup 80% dari total data, dan diuji dengan data uji yang mencakup 20% sisanya. Evaluasi dilakukan dengan memeriksa akurasi, Precision, Recall, dan f1-score sebagai metrik kinerja model. Hasil penelitian menunjukkan bahwa metode Naive Bayes Classifier dapat menghasilkan nilai akurasi sebesar 89.09%, Precision sebesar 89%, Recall sebesar 89%, dan f1-score sebesar 89%. Pembagian data latih dan uji sebesar 80% dan 20% memberikan kontribusi positif terhadap performa model dalam mengklasifikasikan sentimen pengunjung.

Penggunaan teknologi smart home saat ini semakin berkembang pesat, terutama di Indonesia. Terlebih lagi terobosan terobosan yang digunakan salah satunya yaitu pengenalan biometrik berupa suara. Namun, terobosan tersebut memiliki resiko keamanan, seperti kesalahan identifikasi suara atau speech misidentification. Berbagai penelitian yang mengkombinasikan berbagai metode ekstraksi ciri suara dan algoritma klasifikasi suara dengan metode MFCC dan Supervised Learning. Hasil dari penelitian ini menunjukkan bahwa pada pengujian manual yang menggunakan model SVM Multiclass dapat mencapai tingkat akurasi 98,7 pada pengujian confusion matrix. Sedangkan pada penggunaan model Backpropagation tingkat akurasi yang didapatkan bisa mencapai 98,3%. Kemudian dari hasil implementasi sistem kedalam prototype diperoleh waktu response time pada perangkat terhadap suara mendapatkan rata-rata 319.95 ms dalam keadaan online yang tersambung pada firebase. Sedangkan untuk response time pada proses pengenalan sistem dapat mencapai rata-rata 1.31 ms.

Fokus utama dalam meningkatkan kepuasan pelanggan dan kualitas pelayanan yaitu pada sistem deteksi kepuasan pelanggan. Penelitian ini bertujuan untuk mengembangkan sebuah sistem deteksi kepuasan pelanggan menggunakan Convolutional Neural Network (CCN). Metode ini memungkinkan untuk deteksi ekspresi wajah pelanggan secara real-time untuk menilai tingkat kepuasan mereka. Tiga jenis dataset digunakan dalam penelitian ini untuk melatih model CNN yang berbeda-beda yaitu dataset primer, sekunder dan campuran. Hasil dari beberapa uji coba yang dilakukan menunjukkan bahwa Model CNN FS 3 dengan dataset campuran dengan pembagian dataset pada perbandingan 80:20, dimana data dibagi menjadi 80% sebagai data latih dan 20% sebagai data uji mencapai akurasi yaitu 90,43% untuk pelatihan dan 90,46% pengujian. Uji coba menggunakan User Acceptance Testing (UAT) website deteksi ekspresi wajah pelanggan menunjukkan tingkat keberhasilan sebesar 88% yang menandakan bahwa pengguna dapat menerima dengan cukup baik website deteksi ekpresi pelanggan. Waktu yang digunakan untuk mendeteksi ekspresi wajah pelanggan yaitu selama 30 detik hal ini sudah di uji pada toko secara langsung.

Di negara-negara berkembang, kekurangan gizi merupakan faktor utama penyebab kematian anak. Menurut World Health Organization (WHO), sekitar 27,7% anak di bawah usia lima tahun di Indonesia mengalami masalah gizi. Data dari Kementerian Kesehatan Indonesia pada tahun 2019 menunjukkan bahwa 10,7?ri seluruh kematian anak di bawah lima tahun disebabkan oleh gizi buruk atau gizi kurang. Untuk menjaga stabilitas status gizi, penilaian dan pemantauan terhadap balita sangat penting. Penelitian ini bertujuan untuk membangun sebuah sistem pendukung keputusan dalam menentukan status gizi balita dengan menggunakan metode Simple Additive Weighting. Berdasarkan hasil perhitungan yang dilakukan oleh sistem dengan metode tersebut, tingkat akurasi mencapai 76?ri total 25 data yang diuji. Pada pengujian Uji Penerimaan Pengguna (UAT), sistem mencapai akurasi sebesar 89,5?ngan melibatkan 4 responden.