Laporan magang ini berfokus pada perancangan dan pengembangan sistem EduCourse Skill YEMI berbasis website di PT. Yamaha Electronics Manufacturing Indonesia (YEMI) sebagai platform pelatihan karyawan. Sistem ini dikembangkan untuk mendukung transformasi digital dalam proses pembelajaran internal perusahaan agar lebih efektif, terstruktur, dan mudah diakses. Dalam pelaksanaannya, dilakukan tahapan analisis kebutuhan, perancangan database dan alur sistem, implementasi fitur seperti login, dashboard, manajemen training, serta integrasi data karyawan melalui API. Selain itu, dilakukan juga pengujian sistem untuk memastikan seluruh fitur berjalan sesuai fungsinya bagi admin, pemateri, dan user. Hasil dari pengembangan ini menunjukkan bahwa sistem EduCourse mampu menjadi solusi pembelajaran digital yang membantu meningkatkan kompetensi karyawan secara lebih interaktif dan efisien, sekaligus menjadi implementasi nyata penerapan teknologi informasi di lingkungan industri.

Penelitian ini dilatarbelakangi oleh pengelolaan data posyandu bayi dan balita yang masih dilakukan secara manual, sehingga menimbulkan kesalahan pencatatan, kehilangan data serta keterlambatan penyajian informasi. Penelitian ini bertujuan untuk mengembangkan sistem informasi berbasis website menggunakan framework laravel untuk mendigitalisasi pencatatan data posyandu bayi dan balita agar dapat meningkatkan kualitas pelayanan dan kinerja posyandu di salah satu desa Mlandingan Kulon yaitu Posyandu Seruni. Tahapan yang dilakukan dalam penelitian yaitu studi literatur, pengumpulan data, perancangan sistem, evaluasi dan tindak lanjut,sosialisasi dan pelatihan penggunaan sistem, serta pengembangan dan pengujian sistem. Hasil penelitian menunjukkan bahwa sistem yang dikembangkan mampu mempermudah proses pencatatan, pengelolaan dan pelaporan data secara lebih cepat, terstruktur dan efisien. Hal ini didukung oleh hasil kueisioner yang diberikan kepada kader dan bidan posyandu dengan tingkat keberhasilan mencapai 100%.

Posyandu Seruni di Desa Mlandingan Kulon menghadapi kendala dalam pencatatan dan pengelolaan data kesehatan bayi dan balita yang masih manual, sehingga rawan kesalahan, duplikasi, dan kesulitan dalam penyusunan laporan. Untuk mengatasi hal ini, melalui kegiatan PKM-PM dirancang sistem informasi berbasis website dan mobile. Website ditujukan untuk membantu bidan dan kader Posyandu dalam pencatatan dan pengelolaan data, sedangkan mobile dirancang untuk memudahkan orang tua mengakses informasi kesehatan anak. Laporan Tugas Akhir Penghargaan ini memaparkan perancangan sistem dan desain antarmuka sebagai bagian utama dari pengembangan sistem. Metode kegiatan mencakup observasi dan wawancara sebagai dasar perancangan sistem dan desain UI/UX menggunakan Figma, sosialisasi dan pelatihan kepada bidan, kader Posyandu, dan orang tua, serta evaluasi kegiatan untuk menilai kepuasan dan usability sistem. Hasil evaluasi menunjukkan sistem mampu memenuhi kebutuhan pengguna, dibuktikan dengan tingkat kepuasan 100% pada bidan dan kader, serta nilai usability 99% pada orang tua. Temuan ini menunjukkan bahwa desain antarmuka yang dirancang mudah dipahami, mendukung akses informasi kesehatan secara real-time, serta meningkatkan efektivitas pengelolaan data dan partisipasi pengguna. Penerapan prinsip UI/UX pada sistem Posyandu ini memberikan pengalaman pengguna yang baik dan berpotensi menjadi solusi dalam digitalisasi pengelolaan data kesehatan anak di Posyandu Seruni.

Pembelajaran huruf hijaiyah di madrasah diniyah umumnya masih dilakukan melalui metode konvensional yang mengandalkan buku panduan dan latihan menulis secara berulang. Meskipun metode ini cukup efektif, proses pembelajaran cenderung kurang interaktif serta belum mampu memberikan umpan balik langsung terhadap hasil tulisan siswa. Untuk mengatasi keterbatasan tersebut, penelitian ini mengembangkan aplikasi pembelajaran berbasis Android untuk pengenalan huruf hijaiyah menggunakan metode Convolutional Neural Network (CNN) dengan arsitektur MobileNetV2. Dataset yang digunakan berjumlah 10.534 citra tulisan tangan huruf hijaiyah yang terbagi ke dalam 28 kelas. Proses pelatihan model dilakukan dalam dua tahap eksperimen dengan konfigurasi hyperparameter yang berbeda guna memperoleh performa optimal. Hasil pelatihan kedua menunjukkan kinerja yang lebih baik dengan akurasi keseluruhan sekitar 93%, rata-rata precision sebesar 0,94, recall 0,93, serta F1-score 0,93. Nilai validation loss juga lebih rendah dan stabil, yang menunjukkan kemampuan generalisasi model yang lebih baik. Pengujian kelayakan oleh ahli pelafalan dan ahli penulisan menghasilkan nilai rata-rata sebesar 82,78?ngan kriteria "Sangat Layak". Evaluasi sistem dilakukan menggunakan metode User Acceptance Testing (UAT) yang melibatkan 14 responden terdiri dari guru dan orang tua. Hasil UAT menunjukkan tingkat penerimaan sebesar 81,00%, sehingga aplikasi dinilai layak dan bermanfaat sebagai media pendukung pembelajaran.

Kesadaran anak-anak usia dini dalam mengenali dan memilah sampah masih tergolong rendah, yang sebagian besar disebabkan oleh metode pembelajaran konvensional yang bersifat monoton dan kurang interaktif. Penelitian ini bertujuan untuk merancang dan membangun media pembelajaran interaktif berbasis Android bernama "Sampah Asik" yang mampu mengklasifikasikan sampah ke dalam kategori organik, anorganik, dan B3. Metode yang digunakan adalah Convolutional Neural Network (CNN) dengan arsitektur MobileNetV2 yang dioptimalkan melalui konversi TensorFlow Lite (TFLite) INT8 agar efisien dijalankan pada perangkat mobile. Dataset yang digunakan terdiri dari 11.161 citra yang terbagi ke dalam 13 kelas objek sampah. Hasil pelatihan model menunjukkan performa yang sangat baik dengan akurasi pelatihan sebesar 95,92% dan akurasi validasi sebesar 93,46%. Pengujian akurasi sistem secara langsung melalui 260 percobaan menghasilkan tingkat keberhasilan sebesar 93,08%. Selain itu, hasil pengujian User Acceptance Test (UAT) yang melibatkan guru dan orang tua menunjukkan nilai rata-rata mencapai 93%. Dengan demikian, aplikasi ini sangat layak dan efektif digunakan sebagai media edukasi lingkungan yang interaktif serta menyenangkan bagi anak-anak untuk meningkatkan pemahaman mengenai pemilahan sampah sejak dini.

Keamanan siber pada sistem operasi Linux menjadi krusial karena dominasinya pada infrastruktur server global. Salah satu ancaman utama adalah privilege escalation, di mana penyerang meningkatkan hak akses pengguna biasa menjadi administrator melalui eksploitasi miskonfigurasi. Penelitian ini bertujuan untuk membangun sistem pakar diagnosa privilege escalation menggunakan metode Forward Chaining berdasarkan framework MITRE ATT&CK. Sistem dirancang untuk meniru penalaran pakar keamanan siber dalam menganalisis fakta teknis pada sistem target. Pengetahuan sistem dikembangkan dari 7 sub-teknik MITRE ATT&CK yang didekomposisi menjadi 9 jenis vulnerability spesifik Linux. Hasil penelitian menunjukkan bahwa sistem mampu melakukan akuisisi fakta secara otomatis, mencocokkan pola logika melalui 9 aturan (rule base), dan memberikan rekomendasi mitigasi yang tepat. Pengujian dilakukan melalui skenario serangan pada Debian 12, di mana sistem berhasil mendiagnosis celah keamanan dengan transparan atau menyatakan sistem aman jika tidak ada aturan yang terpenuhi.

Magang adalah salah satu bagian penting dari kurikulum di Politeknik Negeri Jember yang wajib dijalani oleh mahasiswa pada semester tujuh. Program ini bertujuan untuk memberikan pengalaman langsung di dunia kerja sekaligus melatih kemampuan mahasiswa dalam menerapkan ilmu yang sudah dipelajari selama kuliah. Kegiatan magang ini dilaksanakan di lembaga kursus bahasa Inggris BIE Plus, yang berlokasi di Pare, Kediri, Jawa Timur. BIE Plus dikenal sebagai salah satu lembaga populer di Pare karena memiliki metode pembelajaran yang intensif dan lingkungan camp yang mendorong peserta untuk berbicara bahasa Inggris setiap hari. Magang dilaksanakan selama lima bulan, mulai Juli hingga November 2025. Selama periode tersebut, penulis berkesempatan untuk berkontribusi dalam pengembangan Sistem Informasi Manajemen Insentif Tim Marketing Berbasis Web. Sistem ini dibuat untuk membantu proses penghitungan dan pencatatan insentif agar lebih akurat. Sebelumnya, seluruh proses tersebut masih dilakukan secara manual menggunakan spreadsheet, sehingga sering memakan waktu lama dan berisiko terjadi kesalahan. Dengan adanya sistem ini, semua data bisa tersimpan rapi, laporan bisa diakses kapan saja, dan kinerja tim pemasaran bisa dipantau dengan lebih transparan. Selain mendapatkan pengalaman teknis di bidang pengembangan sistem berbasis web, penulis juga belajar banyak hal tentang cara kerja di lingkungan profesional, seperti kerja sama tim, manajemen waktu, serta komunikasi dengan pihak lembaga. Pengalaman ini memberikan gambaran nyata tentang bagaimana dunia kerja berjalan dan bagaimana teknologi dapat diterapkan untuk mempermudah kegiatan operasional. Melalui kegiatan magang ini, penulis berharap hasil proyek yang telah dikerjakan dapat memberi manfaat bagi BIE Plus dalam mengelola data insentif dengan cara yang lebih mudah dan tertata.

Penelitian ini bertujuan untuk membandingkan kinerja metode Random Forest Regression dan Multiple Linear Regression dalam memprediksi hasil panen jagung sebagai dasar estimasi stok benih jagung di PT XYZ. Model prediksi menggunakan variabel pra-panen, meliputi luas lahan, varietas benih, curah hujan, suhu, tanggal tanam, dan kadar air, berdasarkan data historis produksi tahun 2021 hingga 2025. Metodologi penelitian meliputi preprocessing data, feature engineering, pelatihan model, serta evaluasi menggunakan metrik MAE, RMSE, MAPE, dan R². Hasil penelitian menunjukkan bahwa Random Forest Regression memiliki performa yang lebih baik dibandingkan Multiple Linear Regression dalam memprediksi hasil panen jagung. Random Forest menghasilkan nilai R² sebesar 0,9561 pada data uji, dengan MAE sebesar 112,06 kg, RMSE sebesar 189,79 kg, dan MAPE sebesar 12,54%, yang menunjukkan tingkat akurasi tinggi serta kemampuan generalisasi yang baik. Sementara itu, Multiple Linear Regression menghasilkan nilai R² sebesar 0,8657, dengan MAE sebesar 215,45 kg, RMSE sebesar 332,06 kg, dan MAPE sebesar 27,05%, yang menunjukkan tingkat kesalahan prediksi yang lebih tinggi. Selanjutnya, hasil prediksi panen dikonversi menjadi estimasi stok benih melalui proses pascapanen, meliputi sortasi, pengeringan, perontokan, dan grading, untuk memperoleh jumlah akhir benih siap kemas dalam ukuran 1 kg dan 5 kg. Sistem yang dikembangkan diimplementasikan dalam bentuk aplikasi berbasis web yang mendukung proses prediksi, monitoring, dan perencanaan stok. Sistem ini diharapkan dapat membantu perusahaan dalam meningkatkan pengambilan keputusan terkait perencanaan produksi dan manajemen persediaan.