Pengembangan Front End Document Management System pada Add On Accounting Plus di PT Global Sukses Solusi Tbk, Muhammad Rizal Fahlevi, NIM E41253329, Tahun 2026, Teknik Informatika, Politeknik Negeri Jember, Arvita Agus Kurniasari, S.ST., M.Tr.Kom., (Pembimbing Utama), Ainun Kusumawati, S.Ak., (Pembimbing Lapang). Kegiatan magang di PT Global Sukses Solusi Tbk (RUN System) difokuskan pada pengembangan front-end aplikasi Document Management System (Paperless) terintegrasi pada add-on Accounting Plus. Proyek ini bertujuan menghadirkan sistem informasi kearsipan berbasis web guna mentransformasi dan mengelola tata kelola dokumen digital perusahaan secara efisien. Kegiatan ini memberikan kontribusi nyata dalam digitalisasi administrasi sekaligus menjadi sarana bagi penulis untuk menerapkan teori akademik, mengasah pemikiran kritis dalam pemecahan masalah teknis, dan beradaptasi di lingkungan profesional industri. Dalam pelaksanaannya, teknologi utama yang digunakan adalah React dan Next.js untuk memastikan performa aplikasi tetap optimal serta efisien dalam menangani kompleksitas manajemen data dokumen. Hasil dari kegiatan ini adalah tersedianya aplikasi manajemen dokumen yang fungsional untuk mengakomodasi berbagai alur kearsipan digital, meliputi pengelolaan dokumen masuk, dokumen keluar, hingga pencatatan nota dinas.

Implementasi Algoritma Naïve Bayes pada Sistem Rekomendasi Jurusan Kuliah di Politeknik Negeri Jember dengan Dukungan Fitur Chatbot untuk Konseling, Kaka Patria Firnandes, NIM E31230745, Tahun 2026, Jurusan Teknologi Informasi, Politeknik Negeri Jember, Ika Widiastuti, S.ST., M.T., Ph.D. (Dosen Pembimbing). Pemilihan jurusan kuliah merupakan keputusan penting bagi siswa sekolah menengah atas karena dapat memengaruhi arah pendidikan dan karier di masa mendatang. Namun, masih banyak siswa mengalami kesulitan dalam menentukan jurusan yang sesuai akibat kurangnya pemahaman terhadap minat, potensi diri, serta keterbatasan layanan bimbingan konseling di sekolah. Kondisi tersebut menyebabkan pemilihan jurusan sering dipengaruhi faktor eksternal seperti keluarga atau teman sehingga keputusan yang diambil kurang optimal. Untuk mengatasi permasalahan tersebut, dikembangkan sistem rekomendasi jurusan kuliah menggunakan algoritma Naïve Bayes dengan dukungan fitur chatbot sebagai media konseling digital. Sistem memanfaatkan data siswa berupa nilai akademik, minat, preferensi studi, cita-cita, dan prestasi sebagai dasar proses rekomendasi. Selain itu, metode Rank Order Centroid (ROC) digunakan untuk memberikan bobot pada atribut agar tingkat kepentingan tiap kriteria dapat dipertimbangkan dalam proses klasifikasi. Pengembangan sistem menggunakan metode Waterfall yang meliputi tahap requirement, design, implementation, verification, dan maintenance. Sistem dibangun menggunakan framework Laravel, basis data MySQL, serta terintegrasi dengan API Gemini untuk mendukung layanan chatbot interaktif. Selain itu, pengujian sistem dilakukan menggunakan Blackbox Testing dan User Acceptance Testing (UAT) untuk memastikan sistem berjalan sesuai kebutuhan pengguna. Sistem yang dikembangkan mampu memberikan rekomendasi jurusan berdasarkan karakteristik siswa serta menyediakan layanan konsultasi digital secara interaktif. Dengan adanya sistem ini diharapkan dapat membantu siswa menentukan jurusan yang lebih sesuai dengan potensi dan minatnya.

Indonesia merupakan negara produsen kopi keempat terbesar di dunia, dengan kopi Arabika sebagai salah satu komoditas premium yang sangat diminati karena cita rasanya yang kompleks. Karakteristik cita rasa kopi ini sangat ditentukan oleh metode pengolahan pasca panen di tahap hilir, yang terbagi menjadi tiga jenis utama: proses kering (natural), basah (washed), dan madu (honey). Namun, identifikasi proses pasca panen di lapangan seringkali menjadi permasalahan karena masih sangat bergantung pada penilaian visual manual oleh ahli yang bersifat subjektif, memakan waktu, dan sulit diterapkan dalam skala industri besar. Penelitian ini bertujuan untuk mengatasi kelemahan metode konvensional tersebut dengan membangun sebuah sistem klasifikasi otomatis berbasis kecerdasan buatan. Sistem ini dirancang untuk membedakan proses pasca panen (natural, washed, dan honey) berdasarkan fitur visual citra green bean (biji hijau) kopi menggunakan arsitektur Convolutional Neural Network (CNN). Model klasifikasi yang telah dilatih kemudian diimplementasikan ke dalam sebuah aplikasi antarmuka berbasis web agar mudah diakses dan digunakan secara praktis oleh pengguna. Berdasarkan hasil pengujian pada penelitian, penerapan arsitektur MobileNetV2 berhasil mencatatkan akurasi klasifikasi sebesar 95% secara andal. Sistem klasifikasi berbasis web ini diharapkan dapat menjadi alat bantu operasional untuk membantu pengusaha, importir, maupun petani dalam meningkatkan konsistensi bahan, mempercepat kontrol kualitas (quality control), serta menstandarisasi rantai pasok produksi kopi di Indonesia.

Kualitas air sangat penting untuk membudidayakan kepiting bakau, tetapi petani tambak sering menghadapi kesulitan dikarena kurangnya alat yang dapat memonitoring kualitas air dengan lebih spesifik. Tujuan penelitian ini adalah untuk membuat sistem berbasis Internet of Things (IoT) yang dapat memantau kualitas air tambak dengan menggunakan logika Fuzzy Tsukamoto untuk klasifikasi kondisi air dan metode algoritma regresi linier untuk meningkatkan akurasi sensor. Alat yang digunakan yaitu Mikrokontroler ESP32, sensor DS18B20 untuk memantau suhu, sensor pH-4502C untuk memantau tingkat keasaman air, dan sensor TDS SEN0244 untuk memantau salinitas air tambak. Pada sensor TDS/salinitas digunakan metode pengenceran (Dilution Method) untuk mengatasi limitasi pembacaan sensor. Berdasarkan hasil perhitungan nilai akurasi alat IoT, peneliti mendapatkan nilai akurasi alat IoT sebesar 99,73%.

Selada keriting merupakan komoditas hortikultura yang banyak dibudidayakan karena memiliki nilai ekonomi yang tinggi. Namun, proses pemantauan kondisi tanaman, seperti identifikasi fase pertumbuhan, kesiapan panen, dan kerusakan daun masih banyak dilakukan secara manual sehingga kurang efisien. Penelitian ini bertujuan mengembangkan sistem deteksi tumbuh kembang daun selada keriting berbasis website menggunakan algoritma YOLO untuk klasifikasi kondisi tanaman dan Mask R-CNN untuk segmentasi area kerusakan daun. Dataset yang digunakan terdiri dari 460 citra, meliputi 405 citra primer dan 55 citra sekunder. Untuk pelatihan Mask R-CNN digunakan 170 citra yang terdiri dari 121 citra daun rusak dan 49 citra penyakit mata kodok. Tahapan penelitian meliputi preprocessing, anotasi data, augmentasi citra, pelatihan model, evaluasi performa, dan implementasi sistem berbasis website menggunakan Laravel, React, Inertia.js, Flask, dan Docker. Hasil penelitian menunjukkan bahwa model YOLO terbaik diperoleh pada Test 7 dengan nilai F1-score sebesar 0,92, recall sebesar 0,921, precision sebesar 0,862, dan mAP50 sebesar 0,963. Model Mask R-CNN terbaik diperoleh pada Test 6 dengan nilai AP segmentasi sebesar 43,779 dan AP50 sebesar 70,474. Hasil validasi oleh pakar menunjukkan bahwa sistem mampu mendeteksi kondisi tanaman sesuai dengan kondisi sebenarnya dilapangan. Berdasarkan hasil penelitian, kombinasi YOLO dan Mask R-CNN mampu mendeteksi kondisi tanaman selada keriting serta melakukan segmentasi area kerusakan daun dengan baik. Sistem yang dikembangkan berpotensi membantu petani dalam melakukan monitoring tanaman secara lebih efektif dan efisien.

Penelitian ini mengembangkan sistem informasi berbasis web untuk mendukung rekomendasi gizi balita di posyandu. Sistem ini dibangun untuk mengatasi keterbatasan pencatatan manual dan pembacaan grafik pertumbuhan secara visual yang dapat menjadi tidak konsisten pada batas kategori tertentu. Aplikasi menyimpan data balita, menghitung status gizi dari data antropometri sesuai standar WHO, dan menghasilkan rekomendasi gizi melalui alur hybrid yang dikendalikan backend. Dalam alur ini, backend melakukan perhitungan status gizi, target kebutuhan, berat bahan, total makro, dan validasi rekomendasi, sedangkan Small Language Model (SLM) hanya membantu memilih kandidat bahan pangan dan menyusun narasi rekomendasi singkat. Pada pengujian perbandingan konfigurasi, mode hybrid memperoleh rata-rata best fit 2,16, lebih baik dibandingkan rule-only sebesar 3,15 dan SLM-only sebesar 99,92. Hasil penelitian menunjukkan bahwa pendekatan hybrid layak digunakan untuk menyajikan rekomendasi gizi balita tanpa menggantikan penilaian tenaga kesehatan.

Aplikasi Mobile untuk Monitoring Kesehatan Ibu Hamil dan Balita sebagai Upaya Dukungan Pencegahan Stunting dan Kekurangan Gizi, Lailatul Zilillah, NIM E31230549, Tahun 2026, Manajemen Informatika, Teknologi Informasi, Politeknik Negeri Jember, Pramuditha Shinta Dewi Puspitasari, S.Kom., M.Kom. (Dosen Pembimbing). Kesehatan ibu dan anak pada periode 1.000 Hari Pertama Kehidupan (HPK) merupakan aspek krusial dalam pencegahan stunting dan kekurangan gizi. Di Desa Mentor, Kabupaten Probolinggo, proses pencatatan dan pemantauan data kesehatan ibu hamil dan balita saat ini masih mengandalkan Buku KIA fisik dan buku besar posyandu yang dilakukan secara manual. Cara manual ini memicu berbagai masalah, seperti antrean pelayanan yang lama, risiko kehilangan atau kerusakan data, sulitnya mendata kehadiran peserta, serta kurangnya pemahaman ibu terhadap grafik pertumbuhan anak di buku KIA. Penelitian Tugas Akhir ini bertujuan untuk merancang dan membangun aplikasi mobile (m-posyandu) sebagai solusi digital yang efisien, akurat, dan terstruktur untuk mendukung monitoring kesehatan ibu hamil dan balita. Pengembangan sistem ini menerapkan metode Waterfall (Pressman, 2015) yang terdiri dari lima tahapan Communication, Planning, Modeling, Construction, dan Deployment. Aplikasi dibangun menggunakan bahasa Dart dan framework Flutter, bahasa pemrograman PHP Native untuk penyusunan API di sisi server, serta database MySQL sebagai pusat penyimpanan datanya. Sistem ini dirancang secara terintegrasi dengan membagi hak akses ke dalam empat peran utama diantaranya admin (manajemen data petugas dan data desa/dusun), kader (pendaftaran digital peserta, absensi, dan input pemeriksaan fisik balita), bidan (manajemen jadwal posyandu/ANC, pemeriksaan medis kehamilan, rekapitulasi gizi, dan ekspor laporan PDF resmi), serta ibu (memantau riwayat medis ANC/balita, menerima notifikasi jadwal, dan membaca konten edukasi kesehatan). Salah satu fitur unggulan sistem ini adalah otomatisasi kalkulasi status gizi anak berbasis Z-Score sesuai standar antropometri WHO dan Kemenkes RI (BB/U, TB/U, BB/TB) yang dikonversikan secara dinamis ke dalam bentuk grafik kurva interaktif lengkap dengan panduan membacanya. Pengujian fungsionalitas aplikasi menggunakan metode Blackbox Testing menunjukkan seluruh skenario sistem berjalan sukses dan bebas dari kesalahan logika. Berdasarkan pengujian User Acceptance Testing (UAT) yang melibatkan para pengguna di lapangan, aplikasi m-posyandu ini memperoleh persentase skor total sebesar 80% yang menempatkannya pada kategori "Layak". Hasil implementasi membuktikan aplikasi ini mudah digunakan (user-friendly), mampu memotong durasi antrean pelayanan di posyandu, dan berhasil mendukung efektivitas pengawasan kesehatan mandiri masyarakat dalam upaya penekanan angka stunting.

Program Magang atau Praktik Kerja Lapangan (PKL) di PT. Sarana Insan Muda Selaras (Life Media) memberikan kesempatan kepada mahasiswa untuk menerapkan ilmu yang telah diperoleh selama perkuliahan ke dalam dunia kerja profesional. Melalui kegiatan ini, mahasiswa tidak hanya mengembangkan kemampuan teknis, tetapi juga meningkatkan keterampilan profesional, tanggung jawab, kedisiplinan, serta kemampuan beradaptasi dengan lingkungan kerja dan kebutuhan industri teknologi informasi. Selama pelaksanaan magang pada divisi Cleon – Pengembangan Aplikasi, penulis terlibat dalam proyek pengembangan aplikasi Cleon Tracking (C-Track), yaitu sistem monitoring karyawan onsite berbasis web dan mobile. Penulis berperan dalam pengembangan frontend aplikasi mobile menggunakan React Native dengan metode Rapid Application Development (RAD), yang memungkinkan proses pengembangan dilakukan secara cepat melalui tahapan analisis kebutuhan, perancangan, implementasi, serta evaluasi yang dilakukan secara berulang. Hasil pengembangan aplikasi C-Track berhasil menghadirkan berbagai fitur pendukung aktivitas teknisi lapangan, seperti autentikasi pengguna, manajemen tugas, pelacakan lokasi berbasis GPS, pelaporan pekerjaan, dokumentasi foto, notifikasi real-time, dan tampilan peta. Selain memberikan manfaat bagi perusahaan dalam meningkatkan efektivitas monitoring karyawan, kegiatan magang ini juga memberikan pengalaman berharga bagi penulis dalam pengembangan aplikasi mobile, kerja tim, serta penerapan proses pengembangan perangkat lunak sesuai kebutuhan pengguna dan industri.