“Implementasi Metode Kiss (Keep It Simple Stupid) Dalam Redesain UI/UX Aplikasi Rumah Sakit Permata Cibubur” adalah laporan magang yang disusun oleh Maulita Mila Rosaidah (E41212301) pada tahun 2025 dari Program Studi Teknik Informatika, Jurusan Teknologi Informasi, Politeknik Negeri Jember, Program Studi Di Luar Kampus Utama (PSDKU) Kab. Nganjuk. Program magang akan berlangsung selama lima bulan, dimulai pada 1 Agustus sampai dengan 30 Desember 2024. Selama periode tersebut, program magang akan dilakukan di kantor Maxximum Digital Content Consultant, dengan jadwal sebagai berikut: Jam kerja dari pukul 9:00 pagi hingga 17:00 sore pada hari Senin sampai Jumat. Tujuan diadakannya PKL adalah untuk membantu mahasiswa mengembangkan keterampilan teknis dan praktis yang relevan dengan bidang studi, memberikan wawasan tentang budaya dan dinamika kerja profesional, serta mendorong penerapan teori ke dalam praktik nyata. Program ini juga mendukung visi Politeknik Negeri Jember dalam mencetak lulusan yang unggul, profesional, dan berintegritas.

IMPLEMENTASI FRAMEWORK LARAVEL PADA PENGEMBANGAN WEBSITE VISITOR MANAGEMENT SYSTEM PLN ICON PLUS SBU REGIONAL JAWA BAGIAN TENGAH. Oleh Lukas Raden Arya Jatayu, NIM. E41212218, Tahun 2024, Program Studi Teknik Informatika, Jurusan Teknologi Informasi, Politeknik Negerti Jember. Dibimbing oleh Bapak Raditya Arief Pratama, S.Kom., M.Eng. (Dosen Pembimbing) dan Bapak Luqman Arumanadi (Pembimbing Lapangan) dari PLN Icon Plus. Magang merupakan bagian penting dari pendidikan akademik yang dirancang untuk memenuhi kebutuhan industri. Di Politeknik Negeri Jember, program magang menjadi syarat wajib kelulusan, bertujuan untuk memberikan pengalaman kerja dan keahlian yang relevan bagi mahasiswa agar dapat bersaing di dunia kerja. Program ini memungkinkan mahasiswa untuk mempraktikkan ilmu yang diperoleh selama perkuliahan dalam menyelesaikan tugas-tugas di tempat magang. PLN Icon Plus SBU Regional Jawa Bagian Tengah dipilih sebagai lokasi magang karena bidang pekerjaannya yang berkaitan dengan teknologi informasi, sesuai dengan jurusan yang diambil mahasiswa. PLN Icon Plus, sebagai anak perusahaan subholding dari PT PLN (Persero), bergerak di bidang penyediaan jaringan, jasa, dan konten telekomunikasi berbasis serat optik. Perusahaan ini berkomitmen mendukung teknologi dan sistem informasi, baik untuk kebutuhan internal PT PLN (Persero) maupun masyarakat umum, dengan terus berinovasi untuk meningkatkan kualitas layanan melalui teknologi terkini. Selama magang, penulis diberi kepercayaan untuk berkontribusi dalam pengembangan Website Visitor Management System yang dirancang untuk mendukung efisiensi kerja dan penghematan waktu di kantor melalui modernisasi sistem manajemen pengunjung.

Penelitian ini bertujuan mengembangkan sistem identifikasi tingkat kesegaran buah stroberi berdasarkan warna dan tekstur menggunakan metode K-Nearest Neighbor (KNN) dan Laplacian Filter, diimplementasikan dalam aplikasi mobile berbasis Flutter. Sistem ini dirancang untuk mengatasi permasalahan klasifikasi kesegaran stroberi yang dilakukan secara manual. Dataset terdiri dari 500 citra stroberi (250 segar, 250 busuk) dari Kaggle, dengan pembagian 80% data latih dan 20% data uji. Proses pengolahan citra mencakup penghapusan latar belakang, konversi RGB ke grayscale, serta ekstraksi fitur warna RGB, tekstur (Gray Level Co-Occurrence Matrix), dan deteksi tepi dengan Laplacian Filter. Klasifikasi menggunakan algoritma KNN dengan parameter k=5 menghasilkan akurasi 94% berdasarkan confusion matrix sistem dan 97% berdasarkan confusion matrix perhitungan manual. Aplikasi memungkinkan pengguna mengunggah atau mengambil gambar stroberi untuk diidentifikasi kesegarannya. Pengujian sistem menggunakan metode blackbox testing menunjukkan bahwa sistem berfungsi sesuai spesifikasi yang ditetapkan. Meskipun demikian, sistem memiliki keterbatasan pada jumlah dataset yang terbatas dan proses penghapusan latar belakang yang kurang optimal untuk citra bertangkai. Penelitian ini diharapkan dapat membantu petani dan masyarakat dalam mengidentifikasi kesegaran stroberi secara otomatis, cepat, dan akurat.

Penelitian ini bertujuan mengembangkan sistem klasifikasi tingkat kesegaran buah jeruk Sunkist berdasarkan fitur warna dan tekstur menggunakan metode Convolutional Neural Network (CNN). Sistem memanfaatkan ekstraksi fitur warna RGB dan tekstur Gray Level Co-Occurrence Matrix (GLCM) untuk membedakan buah jeruk segar dan busuk. Dataset terdiri dari 950 citra buah jeruk yang bersumber dari Kaggle, dengan 900 citra untuk pelatihan (450 segar dan 450 busuk) dan 50 citra untuk pengujian. Proses pengolahan citra mencakup tahap preprocessing, ekstraksi fitur, pelatihan model CNN, dan pengembangan aplikasi mobile berbasis framework Flutter. Pengujian sistem dilakukan menggunakan metode blackbox testing. Hasil pelatihan model pada 15 epoch mencapai akurasi 97,72%, sedangkan pengujian pada data uji menghasilkan akurasi 96%, presisi 100%, dan recall 92,59%. Penelitian ini menunjukkan efektivitas metode CNN dalam klasifikasi kesegaran buah jeruk, meskipun memiliki keterbatasan dalam mendeteksi citra dengan latar belakang kompleks dan variasi dataset yang terbatas. Penelitian ini diharapkan dapat membantu petani dan masyarakat dalam mengklasifikasikan kesegaran buah jeruk secara cepat dan akurat.

Politeknik Negeri Jember (Polije) adalah institusi pendidikan tinggi vokasi yang berfokus pada penguasaan keahlian, keterampilan, dan standar kompetensi di bidang ilmu terapan yang relevan dengan kebutuhan dunia industri. Salah satu program akademik yang mendukung pendidikan vokasi ini adalah magang, yang juga menjadi syarat kelulusan di Polije. Program magang dirancang untuk memberikan mahasiswa pengalaman kerja serta keahlian yang relevan, sehingga mereka dapat bersaing di dunia profesional. Mahasiswa diberi kesempatan untuk mempraktikkan ilmu yang diperoleh selama perkuliahan dalam menyelesaikan berbagai tugas di tempat magang. Penulis memilih PLN Icon Plus SBU Regional Jawa Bagian Tengah sebagai lokasi magang karena bidang pekerjaannya yang relevan dengan teknologi informasi, sesuai dengan jurusan yang diambil. PLN Icon Plus, sebagai anak perusahaan subholding dari PT PLN (Persero), bergerak di sektor jaringan, jasa, dan konten telekomunikasi berbasis serat optik. Perusahaan ini berkomitmen untuk mendukung teknologi dan sistem informasi, baik untuk kebutuhan internal PT PLN (Persero) maupun masyarakat umum, melalui inovasi berkelanjutan demi meningkatkan kualitas layanan dengan teknologi modern. Selama magang di PLN Icon Plus, penulis bersama tim dipercaya untuk berkontribusi dalam pengembangan website, tim mengembangkan aplikasi e-RPT Aset yang bertujuan untuk membantu tim aset dalam memanajemen tiket gangguan. Proyek ini dirancang untuk membantu perusahaan dalam manajemen yang lebih baik sekaligus menyebarkan informasi secara efektif.

PERANCANGAN UI/UX PADA APLIKASI WISATA BERBASIS MOBILE DAN WEBSITE SERTA APLIKASI AREAKERJA.COM BERBASIS MOBILE DI SEVEN INC YOGYAKARTA. Oleh Ahmad Edzam Prasetya, NIM. E41211384, Tahun 2024, Program Studi Teknik Informatika, Jurusan Teknologi Informasi, Politeknik Negeri Jember. Dibimbing oleh Ibu Ulfa Emi Rahmawati, S.Kom., M.Kom. (Pembimbing Utama) dan Bapak Rekario Danny Sanjaya, S.Kom. (Pembimbing Lapang) dari Seven Inc. Magang merupakan bagian integral dari program pendidikan di Politeknik Negeri Jember, yang bertujuan untuk mempersiapkan mahasiswa menghadapi dunia kerja. Program ini menjadi salah satu syarat kelulusan, dirancang agar mahasiswa dapat menerapkan ilmu yang diperoleh selama kuliah dalam lingkungan industri nyata. Seven Inc., yang berbasis di Yogyakarta, dipilih sebagai tempat magang karena relevansi bidang kerjanya dengan teknologi informasi. Selama empat bulan, mahasiswa berkesempatan terlibat dalam berbagai proyek nyata, seperti pengembangan desain UI/UX untuk aplikasi Wisata dan aplikasi Areakerja.com, guna meningkatkan pengalaman pengguna dalam merencanakan perjalanan wisata dan mencari pekerjaan. Seven Inc. adalah perusahaan digital yang awalnya bergerak di bidang fashion dan apparel pria, namun kini telah berkembang ke berbagai sektor, termasuk konveksi dan pengembangan aplikasi. Dengan visi menjadi salah satu perusahaan digital terkemuka di Indonesia, Seven Inc. berkomitmen pada kepuasan pelanggan melalui layanan terbaik. Selain itu, perusahaan ini juga menjadi tempat belajar bagi mahasiswa dan siswa SMK untuk mengasah keterampilan kerja mereka, dengan divisi-divisi seperti UI/UX designer, frontend dan backend developer, serta desainer grafis. Melalui program magang di Seven Inc., mahasiswa tidak hanya memperoleh pengalaman praktis, tetapi juga dapat berkontribusi dalam proyek-proyek yang sesuai dengan kebutuhan industri. Selama magang, mahasiswa mengerjakan dua proyek utama, yaitu aplikasi Wisata dan aplikasi Areakerja.com. Aplikasi Wisata dikembangkan untuk melayani tiga jenis pengguna, yaitu customer, admin, dan super admin, dengan desain antarmuka yang disesuaikan untuk setiap peran, Sementara itu, Aplikasi Areakerja.com dirancang untuk mempermudah pencari kerja dalam menemukan lowongan pekerjaan sekaligus meningkatkan kompetensi diri. Pengembangan proyek ini meliputi fitur login, register, lupa password, beranda, lowongan kerja, daftar kandidat, notifikasi dan transaksi user pelamar. Tujuan utamanya adalah menciptakan pengalaman pengguna yang intuitif sekaligus mendukung operasional aplikasi secara menyeluruh. Kedua proyek ini tidak hanya memberikan pengalaman berharga bagi mahasiswa, tetapi juga menghasilkan solusi digital yang relevan dan bermanfaat bagi masyarakat.

Kualitas dan tingkat kematangan tomat menjadi faktor penting dalam industri pertanian karena berpengaruh langsung terhadap nilai jual dan potensi kerugian. Proses identifikasi kematangan tomat yang masih dilakukan secara manual rentan terhadap ketidakkonsistenan dan kesalahan dalam klasifikasi. Tomat memiliki ciri visual seperti warna kulit, tekstur permukaan, dan bentuk yang dapat dimanfaatkan sebagai parameter dalam proses identifikasi kematangan dan kualitas. Parameter parameter tersebut dapat dianalisis menggunakan pendekatan pembelajaran Machine Learning, khususnya pada permasalahan klasifikasi citra. Dalam penelitian ini, digunakan metode Deep Learning dengan arsitektur Convolutional Neural Network (CNN) yang dioptimalkan menggunakan model MobileNetV2 karena memiliki kinerja yang baik dalam klasifikasi objek dengan efisiensi tinggi. Dataset terdiri dari 12.000 citra tomat. Seluruh data melalui tahap preprocessing, augmentasi, dan pelatihan menggunakan framework TensorFlow. Hasil penelitian menunjukkan bahwa dengan metode CNN dan model MobileNetV2 diperoleh tingkat akurasi hingga 99,78% dalam mengklasifikasikan kematangan dan kualitas tomat yang diimplementasikan dalam bentuk aplikasi berbasis website.

Penelitian ini menyajikan analisis perbandingan performa web server menggunakan platform kontainer Docker dan Podman pada berbagai tingkat beban. Eksperimen dilakukan dengan menerapkan layanan web WordPress di dua lingkungan berbeda (Lokal VM dan VPS) yang menjalankan sistem operasi Debian 12, kemudian diuji dengan beban rendah, sedang, dan ekstrem menggunakan Apache JMeter. Evaluasi performa mencakup waktu respons, throughput, tingkat kesalahan (error rate), serta konsumsi sumber daya CPU dan memori, dengan pemantauan melalui Grafana Stack. Hasil pengujian menunjukkan bahwa Podman secara konsisten memiliki performa lebih baik dibanding Docker pada kondisi beban tinggi. Pada beban ekstrem di Lokal VM, Podman mencatat waktu respons rata-rata lebih rendah (26.418,99 ms), throughput lebih tinggi (23,57 permintaan/detik), dan tingkat kesalahan lebih kecil (3,06%) dibanding Docker. Meski demikian, Docker mencatat efisiensi CPU yang sedikit lebih baik pada beberapa skenario. Secara keseluruhan, Podman direkomendasikan untuk lingkungan yang membutuhkan respons cepat dan efisiensi sumber daya, sedangkan Docker tetap menjadi pilihan layak untuk beban kerja sedang yang menekankan stabilitas dan dukungan ekosistem.