Laporan ini membahas pengembangan sistem backend berbasis Large Language Model (LLM) untuk layanan konseling chatbot yang mampu menghasilkan respons personal, kontekstual, dan berkelanjutan bagi mahasiswa. Sistem dikembangkan melalui basis pengetahuan, prompt engineering, RAG, memory, dan evaluasi pengguna. Hasil pengujian menunjukkan peningkatan performa model serta tingkat penerimaan pengguna sebesar 87,38%, sehingga sistem berpotensi menjadi solusi konseling digital yang mudah diakses, anonim, dan adaptif.

Laporan ini membahas pengembangan sistem Document Enhancement berbasis AI di PT Inspigo Inovasi Indonesia untuk meningkatkan kualitas dokumen sebagai basis pengetahuan layanan AI Mentor. Sistem ini mengoptimalkan proses Retrieval-Augmented Generation (RAG) melalui ekstraksi dokumen PDF, peningkatan akurasi OCR, pengayaan konteks, penyisipan catatan kaki, serta vektorisasi dokumen ke Pinecone. Hasil pengembangan menunjukkan bahwa sistem mampu memperbaiki kualitas dokumen agar lebih terstruktur, kontekstual, dan siap digunakan dalam pencarian semantik berbasis AI.

OPTIMASI USER INTERFACE DAN USER EXPERIENCE PADA APLIKASI EZSIGN BERBASIS WEBSITE DAN MOBILE, Ageng Puji Pangestu, NIM E41221811, Tahun 2025, Teknik Informatika, Teknologi Informasi, Politeknik Negeri Jember, Rifqi Aji Widarso, S.T., M.T. (Dosen Pembimbing), PT Solusi Identitas Global Net, Arijal Ibnu Jati, S.T., M.Kom. (Pembimbing Lapang). Magang merupakan salah satu program pendidikan wajib di Politeknik Negeri Jember yang bertujuan untuk menjembatani kesenjangan antara teori akademik dan praktik dunia industri. Kegiatan ini dirancang untuk mempersiapkan mahasiswa menghadapi dinamika profesional dengan mengaplikasikan ilmu yang diperoleh selama perkuliahan secara langsung di lapangan. PT Solusi Identitas Global Net (SIGN) yang berlokasi di Sidoarjo dipilih sebagai tempat magang karena relevansinya yang kuat dengan bidang teknologi informasi, khususnya dalam pengembangan sistem keamanan digital. Selama lima bulan pelaksanaan magang, mahasiswa berkesempatan untuk terlibat langsung dalam ekosistem kerja profesional, berkontribusi dalam pemeliharaan sistem, serta merancang solusi desain antarmuka (UI/UX) untuk meningkatkan kualitas produk digital perusahaan. PT Solusi Identitas Global Net (SIGN) adalah anak perusahaan dari PT Jasuindo Tiga Perkasa Tbk yang bergerak di bidang teknologi keamanan digital. Produk unggulannya, ezSign, merupakan platform Tanda Tangan Digital dan e-Meterai yang berstatus sebagai Penyelenggara Sertifikasi Elektronik (PSrE) terdaftar di Kementerian Komunikasi dan Digital (KOMDIGI). Sebagai perusahaan yang berfokus pada legalitas dan integritas dokumen elektronik, PT SIGN menuntut standar keamanan dan profesionalisme tinggi dalam setiap aspek produknya, termasuk pada tampilan antarmuka pengguna. Lingkungan kerja di PT SIGN memberikan ruang bagi mahasiswa untuk berkolaborasi dengan divisi *System Analyst* dan *Developer* dalam mengembangkan solusi teknologi yang patuh terhadap regulasi pemerintah. Selama kegiatan magang berlangsung, fokus utama mahasiswa adalah pengembangan antarmuka pada platform ezSign (Website dan Mobile). Kegiatan diawali dengan pengerjaan tiket penugasan (ticketing) rutin terkait pemeliharaan dan penambahan fitur, seperti implementasi fitur Face Matching. Dalam proses tersebut, diidentifikasi adanya masalah inkonsistensi visual pada elemen desain eksisting yang berpotensi menurunkan kredibilitas aplikasi. Sebagai solusi strategis, mahasiswa menyusun dokumen Brand Guideline yang mencakup standardisasi sistem warna, tipografi, dan ikonografi menggunakan pustaka Iconly. Dokumen ini kemudian diimplementasikan melalui simulasi perbaikan visual (visual refinement) pada antarmuka Website Dashboard dan aplikasi Mobile fitur Retail. Hasil dari perancangan ini bertujuan untuk menciptakan identitas visual yang baku, konsisten, dan mampu meningkatkan citra profesional ezSign sebagai penyedia layanan keamanan digital tepercaya.

Penelitian ini bertujuan untuk menganalisis sentimen opini publik terhadap Program Makan Bergizi Gratis (MBG) di media sosial X sekaligus mengevaluasi performa algoritma Support Vector Machine (SVM) dalam mengklasifikasikan opini tersebut. Data penelitian dikumpulkan melalui metode crawling menggunakan keyword "MBG", "Makan Bergizi Gratis", dan "Makan Siang Gratis" pada periode 06 Juli hingga 06 Desember 2025. Dari total data yang dikumpulkan, diperoleh 1.906 tweet valid yang telah melalui proses validasi pakar bahasa. Tahapan analisis meliputi text preprocessing (pembersihan data, case folding, tokenisasi, normalisasi, stopword removal, dan stemming), pembobotan kata menggunakan TF-IDF, serta klasifikasi menggunakan metode SVM dengan kernel Radial Basis Function (RBF). Optimasi hyperparameter dilakukan menggunakan Grid Search dengan nilai optimal C = 10 dan gamma = 0,1. Evaluasi model menggunakan K-Fold Cross validation (K=5) dengan rasio data 80:20 menghasilkan rata-rata akurasi 93,29% ± 1.15%, presisi 93,33% ± 1.15%, recall 93,29% ± 1.15%, dan F1-Score 93,28% ± 1.16%. Sistem diimplementasikan dalam bentuk dashboard berbasis web menggunakan Streamlit dan memperoleh skor System Usability Scale (SUS) sebesar 75 (kategori "Good"). Distribusi sentimen menunjukkan dominasi opini negatif sebesar 58,4% (1.113 data) terkait isu keamanan pangan, pengelolaan anggaran, dan tata kelola program, sementara opini positif sebesar 41,6% (793 data) mendukung peningkatan gizi nasional, dampak ekonomi, dan investasi SDM jangka panjang.

Pertumbuhan populasi dan anomali iklim mengharuskan penerapan pertanian presisi untuk menjamin ketahanan pangan. Platform JejakPadi mendukung penelusuran rantai pasokan, namun tidak dilengkapi dengan fitur prediksi hasil panen, sehingga perkiraan yang dilakukan masih bersifat manual dan rentan terhadap kesalahan. Penelitian ini membandingkan enam algoritma kecerdasan buatan, diantaranya tiga model pembelajaran mesin berbasis ensembel pohon (Random Forest, Gradient Boosting, Bagging Regressor) dan tiga arsitektur pembelajaran mendalam (LSTM, GRU, SimpleRNN) untuk memprediksi hasil panen 10 komoditas utama. Kumpulan data terdiri dari 28.242 baris data historis global dari FAO dan Bank Dunia. Hasil menunjukkan bahwa model ensembel berbasis pohon secara konsisten unggul dibandingkan deep learning, dengan Bagging Regressor mencapai R² di atas 0,90 (beras 0,9209; jagung 0,9360) dan Random Forest mencatat MAE terendah sebesar 0,063. Analisis pentingnya fitur menunjukkan bahwa hasil panen historis (rolling_yield_mean3) mendominasi (>95%), sementara faktor lingkungan memiliki pengaruh minimal. Model dengan kinerja terbaik diintegrasikan ke dalam platform JejakPadi sebagai Sistem Pendukung Keputusan berbasis cloud untuk memberikan rekomendasi prediktif dan memitigasi risiko kegagalan panen.

Perkembangan Ilmu Pengetahuan dan Teknologi (IPTEK) menuntut sumber daya manusia yang memiliki kompetensi sesuai kebutuhan dunia kerja, sehingga kegiatan magang menjadi sarana bagi mahasiswa untuk mengaplikasikan pengetahuan teoritis ke dalam praktik nyata, khususnya di bidang teknologi informasi. Kegiatan magang ini dilaksanakan selama kurang lebih empat bulan, mulai 4 Agustus 2025 hingga 5 Desember 2025 di PT Empat Inti Nukleon dengan sistem kerja kantor. Selama magang, mahasiswa terlibat dalam pengembangan Website Customer Relationship Management (CRM) Lilly ISP yang bertujuan mendukung pengelolaan data pengguna dan transaksi secara terintegrasi, dengan fokus pada fitur User Management untuk pengaturan hak akses pengguna serta penyempurnaan fitur Transaction untuk pencatatan transaksi keuangan. Hasil pengembangan menunjukkan bahwa sistem berbasis website ini mampu meningkatkan keteraturan, akurasi, dan efisiensi pengelolaan data sehingga mendukung produktivitas dan efektivitas operasional perusahaan.

Sistem presensi merupakan komponen penting dalam mendukung efektivitas pembelajaran. Namun, absensi manual masih menimbulkan berbagai masalah seperti ketidakefisienan, kesalahan pencatatan, serta potensi kecurangan seperti titip absen. Oleh karena itu, diperlukan sistem presensi otomatis yang lebih akurat dan efisien. Penelitian ini bertujuan untuk merancang dan mengembangkan sistem presensi berbasis pengenalan wajah yang mampu berjalan secara soft real-time menggunakan metode ArcFace dengan cosine similarity pada perangkat Raspberry Pi 5. Sistem dikembangkan dengan mengintegrasikan proses registrasi wajah, ekstraksi embedding menggunakan model berbasis deep learning (InsightFace), serta pencocokan wajah untuk identifikasi pengguna. Hasil pengujian menunjukkan bahwa sistem mampu mencapai akurasi sebesar 97,50%, dengan nilai False Acceptance Rate (FAR) sebesar 0,08?n False Rejection Rate (FRR) sebesar 2,50%. Pada implementasi real-time, sistem menghasilkan similarity rata-rata 60%–80%. Dari sisi kinerja, model buffalo_l menghasilkan 0,5–0,6 FPS, sedangkan buffalo_s mencapai 1,83–2,40 FPS pada kondisi multi-wajah. Berdasarkan hasil tersebut, sistem yang dikembangkan mampu berjalan dalam kategori soft real-time pada perangkat dengan keterbatasan sumber daya serta dapat meningkatkan efisiensi dan akurasi presensi di lingkungan sekolah.

PT Bank Pembangunan Daerah Jawa Timur Tbk (Bank Jatim) merupakan lembaga perbankan daerah yang berperan penting dalam mendukung pertumbuhan ekonomi regional Jawa Timur. Seiring meningkatnya volume dan kompleksitas data perbankan, kebutuhan akan tata kelola data (Data Governance) yang terstruktur menjadi semakin penting untuk menjamin kualitas, keamanan, konsistensi, dan kepatuhan terhadap regulasi Otoritas Jasa Keuangan (OJK) serta Bank Indonesia (BI). Laporan magang ini berfokus pada analisis kesenjangan (gap analysis) implementasi Data Governance dengan mengacu pada framework DAMA-DMBOK2. Selama pelaksanaan magang, penulis terlibat langsung dalam proses observasi alur permintaan data, pengolahan data melalui ETL menggunakan Pentaho, pengelolaan data warehouse berbasis PostgreSQL, serta penyajian dashboard menggunakan Tableau. Analisis dilakukan melalui wawancara dengan staf dan pimpinan unit, studi literatur terhadap 11 Knowledge Areas DAMA-DMBOK2, serta evaluasi terhadap kebijakan, peran dan tanggung jawab data, pengelolaan metadata, kualitas data, dan keamanan akses data.