Tape ketan merupakan makanan tradisional Indonesia yang umumnya diproduksi secara manual dengan pengawasan berkelanjutan, sehingga memerlukan waktu lama dan tenaga kerja intensif. Proses manual yang mengharuskan membuka dan menutup wadah fermentasi secara berkala, berisiko menyebabkan kontaminasi dan menurunkan kualitas produk. Penelitian ini bertujuan mengimplementasikan Real Time Operating System (RTOS) pada sistem produksi tape ketan untuk merespons perubahan kondisi secara cepat dan memastikan parameter fermentasi tetap optimal. Perangkat keras yang digunakan terdiri dari sensor uap alkohol, sensor suhu, dan mikrokontroler ESP32, sedangkan perangkat lunak menggunakan firebase real time database dan antarmuka website. Pengujian dilakukan dengan membandingkan proses fermentasi tanpa RTOS dan dengan RTOS menggunakan waktu deadline 1000 ms dan interval pengambilan data setiap 1 jam. Komposisi tape ketan terdiri dari 100 gram beras ketan putih dan 1 gram ragi. Hasil pengujian menunjukkan persentase performa eksekusi dengan RTOS sebesar 98,53%, sedangkan tanpa RTOS sebesar 79,02%. Penerapan RTOS berhasil mempercepat proses fermentasi tape ketan hingga 12 jam lebih cepat. Implementasi RTOS terbukti efektif meningkatkan efisiensi produksi dan kualitas tape ketan.
 
Kata Kunci - Real Time Operating System (RTOS), Fermentasi, Tape Ketan, Persentase Performa Eksekusi

Abstract - The Directorate of Innovation and Business Incubator (DIIB) at Bina Darma University often receives emails from external sources, increasing the risk of phishing, spoofing, and malware threats. This study applies the Digital Forensic Research Workshop (DFRWS) framework comprising Identification, Preservation, Collection, Examination, Analysis, and Presentation to analyze suspicious emails using forensic tools such as MXToolbox, Whois Lookup, Talos Intelligence, Sucuri SiteCheck, and VirusTotal. Ten suspicious emails were examined. Most failed one or more authentication checks (SPF, DKIM, DMARC), indicating weak verification and potential spoofing. Domain and IP analyses showed public domains like Gmail and Yahoo were most exploited, while official domains such as Upj.ac.id and Maranatha.ac.id had moderate risk. Sucuri classified most domains as medium to high risk, and VirusTotal found no active malware. The study concludes that phishing and spoofing pose greater threats than direct malware, highlighting the importance of forensic email analysis to enhance cybersecurity awareness at DIIB.
 
Keywords – DIIB, Email, DFRWS, Malware, Tools

Tanaman nanas merupakan salah satu komoditas pertanian unggulan di Kota Prabumulih, Sumatera Selatan. Namun, produktivitasnya menurun akibat penyakit seperti fruit rot, root rot, dan mealybug wilt yang sulit dikenali dengan cepat oleh petani. Penelitian ini bertujuan mengembangkan sistem klasifikasi penyakit tanaman nanas berbasis citra digital dengan pendekatan transfer learning menggunakan arsitektur MobileNetV3-Large. Dataset terdiri dari citra primer hasil dokumentasi lapangan dan citra sekunder dari Roboflow, yang dikategorikan dalam empat kelas: sehat, fruit rot, root rot, dan mealybug wilt. Proses penelitian mencakup pra-pemrosesan data (resize, augmentasi, normalisasi), pelatihan model dalam dua tahap (ekstraksi fitur dan fine-tuning), serta evaluasi menggunakan akurasi, presisi, recall, dan F1-score. Hasil pengujian menunjukkan akurasi validasi sebesar 91% dan F1-score sebesar 90%, yang mencerminkan performa klasifikasi yang baik dan stabil. Model juga diimplementasikan ke dalam aplikasi berbasis Gradio untuk pengujian interaktif. Hasil penelitian ini menunjukkan bahwa pendekatan transfer learning dengan arsitektur MobileNetV3-Large efektif untuk klasifikasi penyakit tanaman nanas dan berpotensi diintegrasikan ke dalam sistem deteksi penyakit pertanian secara praktis.
Kata kunci: tanaman nanas, klasifikasi citra, MobileNetV3, transfer learning, deep learning

The advancement of CNC laser diode technology has transformed manufacturing by enabling high precision cutting and engraving of various materials, yet ensuring reliable operation requires accurate monitoring of electrical and mechanical parameters. This research focused on designing and implementing a real-time monitoring system that integrates the PZEM-004T sensor for electrical measurements and limit switches for safety boundaries in CNC laser diode machines. The system was developed using NodeMCU ESP8266 as the main controller, with results displayed on an LCD 16x2 and alarms generated through a buzzer and relay. Experimental evaluation demonstrated that the system effectively measured voltage, current, power, and energy, with the PZEM-004T showing an average error below 5% compared to reference instruments. The integration of limit switches functioned reliably, preventing mechanical failures and ensuring safe operation within defined limits. Monitoring data supported energy efficiency by identifying power usage patterns and reducing operational risks. Engraving tests confirmed stable performance, with improved detail observed during longer process durations. Overall, the implemented system provides a practical and reliable solution for operational monitoring and mechanical protection, making it particularly suitable for small-scale CNC laser diode applications in industrial, educational, and creative fields.

E-commerce platforms like Shopee generate massive volumes of user reviews that contain valuable insights about products, services, and user experiences. Aspect-Based Sentiment Analysis (ABSA) enables fine-grained sentiment classification by identifying sentiment polarity toward specific aspects such as product quality, pricing, delivery, and application performance. This study presents a comprehensive comparative analysis of different embedding techniques and classification models for ABSA on Indonesian Shopee reviews. We evaluate three embedding approaches: FastText, GloVe, and BERT embeddings, combined with four classification models: Support Vector Machine (SVM), Convolutional Neural Network (CNN), BERT, and IndoBERT. Our experiments focus on five key aspects: product, price, delivery, application, and general sentiment. The results demonstrate that FastText embeddings combined with IndoBERT classifier achieves the highest accuracy of 91.59%, while BERT embeddings show more balanced performance across different classifiers. The findings provide valuable insights for e-commerce platforms seeking to implement effective sentiment analysis systems for Indonesian market understanding.
Keywords - Aspect-Based Sentiment Analysis, FastText, GloVe, BERT, IndoBERT

Media sosial telah menjadi bagian penting dalam kehidupan sehari-hari, namun penggunaannya yang tidak terkendali dapat memengaruhi kesehatan mental. Penelitian ini bertujuan untuk menganalisis hubungan antara durasi dan pola penggunaan media sosial dengan kesehatan mental pengguna usia 18–35 tahun. Metode yang digunakan adalah Exploratory Data Analysis (EDA) terhadap data 281 responden yang diperoleh melalui survei daring, dengan fokus pada durasi penggunaan, jenis platform, konten yang dikonsumsi, respons emosional pasca-penggunaan, pengalaman cyberbullying, serta karakteristik demografis. Hasil menunjukkan bahwa mayoritas responden menggunakan media sosial 6–9 jam per hari, namun korelasi antara durasi dan tekanan mental hanya negatif lemah (r = –0,24). Dampak psikologis lebih banyak dipengaruhi oleh kualitas pengalaman digital, terutama karakteristik platform, jenis konten, dan pengalaman cyberbullying. TikTok memiliki korelasi negatif terbesar (r = –0,25), sedangkan pengguna yang mengalami cyberbullying menunjukkan tekanan mental lebih tinggi. Secara demografis, Millennial dan perempuan menunjukkan tingkat tekanan mental lebih tinggi dibandingkan Gen-Z dan laki-laki. Kesimpulannya, media sosial cenderung memperkuat kondisi psikologis yang telah dimiliki pengguna, sehingga strategi digital well-being perlu difokuskan pada keamanan interaksi dan regulasi emosi daripada pembatasan durasi penggunaan. Hasil penelitian ini dapat menjadi dasar untuk penggunaan media sosial yang lebih sehat dan bijak.
Kata kunci: Exploratory Data Analysis; kesehatan mental; media sosial; visualisasi data

Konsep vektor, khususnya terkait arah dan transformasi besaran dalam ruang 3D, menuntut kemampuan visualisasi spasial yang tinggi. Media pembelajaran konvensional dan aplikasi AR statis seringkali memiliki keterbatasan dalam merepresentasikan proses terjadinya operasi vektor secara nyata. Penelitian ini bertujuan mengimplementasikan teknik Visualisasi Vektor Dinamis (Dynamic Vector Visualization) berbasis Augmented Reality (AR) untuk mensimulasikan perilaku vektor secara real-time. Sistem dikembangkan menggunakan engine Unity 3D dengan menerapkan arsitektur Visualisasi Berbasis Status (State-Driven Visualization). Metode ini mengintegrasikan aset adaptif dari Blender (Keyframe Animation) dengan logika kontrol Finite State Machine (FSM) untuk menjamin presisi geometris dan efisiensi komputasi pada perangkat mobile. Validasi dilakukan oleh ahli materi dan media, serta uji usability terhadap 30 mahasiswa. Hasil pengujian menunjukkan bahwa teknik visualisasi dinamis memperoleh skor validasi ahli materi sebesar 86% dan ahli media sebesar 95%. Uji penerimaan pengguna menghasilkan skor System Usability Scale (SUS) sebesar 92,7 yang masuk dalam kategori "Best Imaginable". Temuan ini mengonfirmasi bahwa integrasi mekanisme animasi prosedural dalam lingkungan AR terbukti efektif dalam membantu mahasiswa memvisualisasikan konsep abstrak operasi vektor dibandingkan representasi statis.
 
Kata Kunci - Augmented Reality; Visualisasi Dinamis; Vektor; Finite State Machine; Unity 3D.

Research was conducted on the detection of batik wastewater in the batik industry of Pekalongan, which generates liquid waste containing synthetic dyes, heavy metals, and hazardous compounds that can potentially pollute the environment if not properly treated. This study aims to develop a simple detection method based on digital image analysis to identify the color characteristics of batik wastewater. Data were obtained by sampling liquid waste from several affected rivers, which were then analyzed using a digital camera and image processing software to determine the intensity values of the red, green, and blue (RGB) channels. The results show that variations in waste concentration significantly influence the distribution of RGB values, enabling faster, cheaper, and more practical identification of pollution patterns compared to conventional laboratory methods. These findings are expected to serve as the foundation for developing a digital technology-based batik wastewater quality monitoring system as part of efforts to mitigate environmental pollution in Pekalongan.
 
Keywords - Batik wastewater, Digital image analysis, RGB intensity, Environmental pollution, Image processing

Load balancing merupakan mekanisme penting dalam sistem layanan web untuk menjamin pemerataan beban kerja dan menjaga kestabilan performa layanan. Penelitian ini mengimplementasikan algoritma Round Robin dalam arsitektur sistem multi-agent dan multi-client yang dijalankan pada local area networking (LAN). Sistem dirancang menggunakan tiga komputer, di mana satu komputer berperan sebagai agent controller yang menjalankan logika Round Robin, dan dua komputer lainnya sebagai server backend. Beberapa client dalam jaringan mengirimkan permintaan secara simultan ke controller, yang kemudian secara bergiliran mendistribusikan permintaan tersebut ke server menggunakan konfigurasi load balancing berbasis NGINX. Pengujian dilakukan dalam tiga skenario beban, yaitu 50, 100, dan 200 permintaan. Hasil pengujian menunjukkan bahwa sistem mampu mendistribusikan permintaan secara merata antara dua server backend, serta menghasilkan waktu respons yang stabil pada skenario beban ringan hingga sedang. Kinerja sistem tetap berada dalam batas wajar meskipun jumlah permintaan meningkat. Sistem ini menunjukkan karakteristik modular, ringan, dan mudah diimplementasikan dalam lingkungan terbatas, serta memiliki potensi untuk dikembangkan lebih lanjut dengan integrasi algoritma adaptif dan sistem pemantauan otomatis.
Kata kunci - Load balancing, Round Robin, sistem multi-agent, multi-client, jaringan local

Perkembangan teknologi digital mendorong pemanfaatan media pembelajaran berbasis web. Pada mata kuliah Pemrograman Berorientasi Objek (PBO), mahasiswa sering kesulitan memahami konsep abstrak seperti enkapsulasi. Penelitian ini mengembangkan OOPedia, platform e-learning berbasis web dengan fitur Fill in the Blanks untuk mendukung pemahaman mahasiswa secara interaktif. Sistem dibangun menggunakan model Waterfall melalui tahapan analisis kebutuhan, perancangan, implementasi, dan pengujian. Evaluasi dilakukan menggunakan User Experience Questionnaire (UEQ) yang melibatkan 40 mahasiswa semester dua Program Studi Sistem Informasi Bisnis, Politeknik Negeri Malang. Hasil menunjukkan bahwa OOPedia memberikan pengalaman belajar positif pada seluruh aspek UEQ, dengan kategori Excellent pada Daya Tarik dan Stimulasi, serta Above Average pada aspek lainnya. Kebaruan penelitian ini terletak pada integrasi fitur Fill in the Blanks dalam materi enkapsulasi serta kombinasi evaluasi UEQ dengan pre/post-test, yang memberikan perspektif baru dalam mengukur efektivitas media pembelajaran interaktif.
 
Kata Kunci: E-learning, OOPedia, Enkapsulasi, Fill in the Blanks, UEQ