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.

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.

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.

Program magang merupakan bagian wajib dari kurikulum pendidikan di Politeknik Negeri Jember yang dilaksanakan pada semester tujuh. Program ini bertujuan untuk memberikan pengalaman kerja secara langsung kepada mahasiswa di lingkungan industri maupun instansi terkait. Melalui kegiatan magang, mahasiswa diharapkan mampu menerapkan ilmu dan keterampilan yang telah diperoleh selama perkuliahan ke dalam dunia kerja profesional. Pada pelaksanaan magang ini, kegiatan dilakukan di PT Hisamitsu Pharma Indonesia, sebuah perusahaan yang bergerak di bidang farmasi. Selama masa magang, mahasiswa ditempatkan di bagian IT yang posisinya berada didalam Departemen HRD & GA dan terlibat dalam kegiatan pengembangan sistem internal perusahaan, khususnya pada proses evaluasi kinerja karyawan. Sistem yang dikembangkan berupa modul evaluasi karyawan yang terintegrasi dengan sistem internal perusahaan. Modul ini digunakan untuk membantu proses penilaian kinerja karyawan yang sebelumnya masih dilakukan secara manual. Fitur utama dalam modul evaluasi meliputi pengisian data penilaian, penyimpanan hasil evaluasi, serta pengelolaan data karyawan oleh pihak HRD. Pengembangan modul ini bertujuan untuk mempermudah proses evaluasi, mengurangi kesalahan pencatatan, serta membantu perusahaan dalam mengelola data penilaian karyawan agar mudah diakses. Dengan adanya modul evaluasi ini, proses penilaian kinerja karyawan diharapkan dapat berjalan lebih efektif dan mendukung kelancaran operasional perusahaan.