Pada perkembangan teknologi saat ini, berbagai macam aplikasi maupun alat telah dirancang untuk memudahkan kehidupan masyarakat. Diantara banyaknya teknologi yang beredar di masyarakat, kita sering menemukan fitur login yang digunakan pengguna sebelum dapat mengakses fitur dari aplikasi/alat yang akan digunakan. Prosedur yang saat ini banyak digunakan untuk proses autentikasi login tersebut adalah menggunakan password dan kartu Radio Frequency Identification (RFID), namun banyak kekurangannya. Kekurangan menggunakan password yaitu pengguna sering lupa terhadap password itu sendiri, sedangkan pada penggunaan kartu RFID pengguna sering lupa membawa kartu sehingga tidak bisa melakukan login. Biometrik adalah sesuatu hal yang unik yang dimiliki oleh setiap individu dan dapat digunakan dalam proses login pada sebuah sistem. Wajah merupakan salah satu contoh biometrik yang saat ini semakin penting dalam aplikasi seperti keamanan sistem, identifikasi penjahat, kontrol akses kehadiran, verifikasi identitas, pengenalan emosi dan lain-lain. Pada proyek akhir ini, penulis mengembangkan sebuah sistem pengenalan wajah pengguna dengan menerapkan metode Deep Learning sebagai metode autentikasi pada alat Healthcare Kiosk. Hasil pada sistem ini adalah penggunaan 4 jenis model arsitektur yang berbeda dari Convolutional Neural Network (CNN). Model tersebut diantaranya yaitu VGG16, ResNet50, Xception, dan MobileNet. Pada proses pengujian akurasi yang dilakukan pada platform desktop, VGG16 mendapat akurasi total sebesar 33.33%, ResNet50 mendapat akurasi total sebesar 98.09%, Xception mendapat akurasi total sebesar 17.62%, dan MobileNet mendapat akurasi total sebesar 35.5%. Sistem pengenalan wajah juga dibangun pada platform Android dengan menggunakan flutter. Pada platform Android, model dikonversi dari .h5 menjadi berformat .tflite. Dari 4 model yang digunakan, model MobileFaceNet dapat digunakan untuk pengenalan wajah pada platform Android. Model MobileFaceNet mendapat akurasi 75.53%. Sedangkan pada model MobileNet, ResNet50, dan Xception tidak dapat dilakukan pengenalan wajah pada pada platform Android.

Arc Flash merupakan ledakan panas dan cahaya yang disebabkan oleh lompatan arus secara tiba-tiba dan tidak terkendali. Gangguan Arc Flash terjadi karena terdapat kabel yang tidak terhubung secara sempurna. Arc Flash terjadi karena beberapa faktor yaitu usia kabel yang sudah tua serta pemasangan instalasi yang buruk. Jika gangguan ini tidak segera ditangani, dapat mengakibatkan ledakan api yang besar. Berdasarkan permasalahan tersebut, dibuatlah sebuah alat pendeteksi arc flash pada kabel JTR (NFA2X-T dengan diameter 35 mm2), dengan harapan alat ini dapat mendeteksi gangguan secara cepat dan mengamankan sistem serta pengguna dari bahaya arc flash. Alat ini bekerja dengan cara mendeteksi cahaya akibat arc flash. Apabila terjadi gangguan, sensor cahaya (photodioda) akan bekerja dan mengirimkan perintah kepada mikrokontroller dan mematikan sistem secara langsung melalui relay SSR. Proyek akhir ini dibuat untuk mendeteksi dan mengamankan gangguan arc flash sehingga PLN dapat menangani gangguan tersebut lebih cepat agar tidak mengalami kerugian.

Data in-situ memiliki peranan penting sebagai sumber data primer maupun data penguat pada metode ex-situ. Perolehan data in-situ bawah air yang berkualitas masih merupakan ha1 yang sulit dilakukan di Indonesia. Faktor tingginya biaya riset, kelangkaan teknologi dan sumber daya manusia, pengoperasian alat yang rumit dan berat serta faktor alam masih menjadi kendala yang umum dijumpai. Perkembangan ilmu kelautan Indonesia sangat membutuhkan teknologi bawah air yang mampu melakukan pengukuran, mampu mengambil berbagai parameter secara real time secara terintegrasi dan simultan serta handal untuk mobilisasi vertikal maupun horizontal. Wahana ROV (Remotely Operated Vehicle) sebagai salah satu wahana bawah air yang berkembang pesat di dunia kelautan saat ini tampaknya sedikit banyak mampu menjawab kebutuhan tersebut. Pengembangan wahana ROV bawah air merupakan ha1 yang penting saat ini tidak saja bagi bidang riset kelautan namun juga merambah pada bidang lain sepelrti militer dan industri. Perintisan wahana ROV bawah air diharapkan akan membuka kesempatan yang lebih luas bagi eksplorasi laut di Indonesia. Dari hasil penelitian diperoleh beberapa data mengenai kinerja video sender, yakni jarak ideal kamera dengan objek 60 cm. Dalam kondisi LOS (Line Of Sight) video sender mampu bekerja dengan jarak 200 meter. Untuk Kedalaman Video sender hanya mampu mengirim informasi pada kedalaman 50 cm.

Stimulasi adalah kegiatan merangsang kemampuan dasar anak umur 0-6 tahun agar anak tumbuh dan berkembang secara optimal. Stimulasi merupakan suatu hal yang dapat memberikan perkembangan yang baik terhadap pertumbuhan otak anak. Hal ini disebabkan perkembangan otak anak merupakan fondasi yang dapat menentukan terhadap masa depan dan kecerdasannya, baik emosional maupun intelektual. Masalah kesehatan yang sering terjadi pada masa balita adalah berkaitan dengan masalah tumbuh kembang. Hal ini terjadi karena pertumbuhan dan perkembangan mengalami peningkatan yang pesat pada usia dini, dimana anak mulai peka untuk menerima berbagai rangsangan. Tingginya jumlah balita yang ada di Indonesia sebagai calon generasi penerus bangsa, perlu mendapatkan perhatian agar kualitas tumbuh kembangnya tetap terjaga. Namun, tidak jarang orang tua terlambat menyadari keterlambatan anaknya. Maka dari itu penulis memilih judul PEMBUATAN VIDEO EXPLAINER TUMBUH KEMBANG ANAK USIA 12-24 BULAN yang dapat digunakan sebagai media edukasi terhadap masyarakat agar lebih paham mengenai tumbuh kembang anak dan bagaimana cara menstimulasi balita, serta sebagai media yang membantu Rumah Sakit Bersalin Lombok Dua Dua - Surabaya dalam melakukan penyuluhan terhadap para orang tua.

Pemanfaatan teknologi pengolahan citra saat ini semakin banyak dalam berbagai bidang. Pengolahan citra (image processing) dapat berguna untuk memperbaiki kualitas pada citra, menghilangkan cacat pada citra, menggabungkan citra yang satu dengan yang lain serta pengidentifikasian obyek. Dengan memanfaatkan kamera dan teknologi image processing penelitian ini menggunakan metode motion detection dan metode motion templates. Jika terjadi pergerakan pada obyek, maka obyek akan ditandai menggunakan contour (kontur). Selanjutnya obyek akan dihitung jumlahnya. Penelitian ini bertujuan membandingkan sebuah pendeteksi gerakan obyek dengan metode motion detection dan metode motion templates dengan cara melakukan perhitungan jumlah obyek.Hasil proyek akhir ini berupa aplikasi yang dapat melakukan pendeteksian dan perhitungan obyek dari suatu rekaman video. Secara keseluruhan nilai prosentase keberhasilan rata-rata dari dua metode dengan kamera yang sama pada beberapa keadaan, metode motion templates lebih tinggi ±10% dibanding metode motion detection dengan nilai prosentase keberhasilan rata-rata total sebesar 71.672%.Sedangkan Prosentase keberhasilan rata-rata terbesar berdasarkan spesifikasi pixel kamera diperoleh menggunakan kamera 1 yang memiliki nilai pixel tertinggi, yaitu 14.1 megapixel dengan prosentase keberhasilan 61.88%.