Nama Penulis 1 / Program Studi : Aprilian Tantra Luhur Achmad / Ilmu Komputer Nama Penulis 2 / Program Studi : Muhammad Hanif Anggawi / Ilmu Komputer Judul : Layanan Back-End dan Basis Data untuk Automatic Indonesian News Generation System Pembimbing : Adila Alfa Krisnadhi, S.Kom., M.Sc., Ph.D Ari Wibisono, S.Kom, M.Kom Tujuan dari pengembangan proyek Automatic Indonesian News Generation System (AINGS) adalah untuk mengoptimalkan proses penyuntingan dan pengiriman berita di era digital, dengan fokus khusus pada aspek usability layanan web dan efisiensi basis data. Proses pengembangan dimulai dengan pemetaan kebutuhan fungsional sistem dengan fitur yang akan diimplementasi. Kebutuhan fungsional sistem mencakup pengelolaan draf berita, pembuatan draf berita dan validasi draf berita secara otomatis serta komunikasi antara redaktur dan wartawan. Implementasi fitur diwujudkan dengan layanan web berupa REST API yang terintegrasi dengan basis data serta layanan web machine learning. Perancangan basis data dilakukan dengan melibatkan identifikasi empat entitas utama dan identifikasi hubungan antar entitas. Pengembangan basis data dilanjutkan dengan melakukan normalisasi hingga Third Normal Form (3NF) untuk memastikan konsistensi dari data yang disimpan serta efisiensi dalam waktu pemrosesan. Selain itu, dilakukan implementasi Elasticsearch dan performanya dibandingkan dengan PostgreSQL dalam hal waktu pemrosesan untuk pencarian draf berita. Evaluasi layanan web dilakukan dengan melakukan integration testing dan evaluasi usability menggunakan heuristik. Hasil integration testing menunjukan layanan web lulus semua skenario tes dan mampu memenuhi seleuruh kebutuhan fungsional sistem. Berdasarkan hasil evaluasi heuristik, layanan web yang dikembangkan mencapai nilai metrik knowability (96.49%) dan robustness (100.00%) yang baik namun untuk metrik operability (84.07%) dan efficiency (83.33%) dapat ditingkatkan dengan memberikan opsi format data pada request dan menerapkan caching. Hasil evaluasi basis data menunjukan bahwa normalisasi pada tahap Second Normal Form (2NF) memberikan waktu pemrosesan yang lebih optimal dengan tetap memastikan konsistensi data yang terjaga. Rata-rata waktu pemrosesan yang dihasilkan oleh tahap 2NF adalah 1,712ms, sedangkan pada tahap 3NF mencapai 3,363ms. Sementara itu, penerapan Elasticsearch meningkatkan kinerja pencarian sehingga menghasilkan waktu pemrosesan yang lebih cepat. Menggunakan kata kunci pencarian ”Jakarta”, Elasticsearch dapat memproses permintaan hanya dalam waktu 8ms, sementara PostgreSQL membutuhkan waktu hingga 142,943ms. Kata kunci: Basis Data, Normalisasi, Elasticsearch, Layanan Web, REST API