Pada Sekolah Dasar, terutama dalam pelajaran Bahasa Indonesia anak seringkali dituntut untuk mampu menyusun cerita. Dapat dilihat dari buku pelajaran anak, banyak ditemukan perintah soal untuk membuat atau menyusun cerita. Namun masih banyak anak yang merasa kesulitan dan bosan saat harus membuat cerita. Kurangnya perbendaharaan kata, kesulitan dalam mengutarakan apa yang ada di pikirannya serta belum paham betul dengan konsep cerita, sehingga membuat anak kesulitan dan tidak terbiasa menyusun cerita. Selama ini anak hanya belajar menyusun cerita dengan media buku. Dibutuhkan sebuah media pembelajaran baru yang lebih menarik dan inovatif salah satunya media interaktif. Menjawab persoalan diatas pada penelitian kali ini akan dikembangkan sebuah media interaktif berbasis komputer (desktop) yaitu Aplikasi Story Maker “Ini Ceritaku”. Aplikasi ini merupakan aplikasi yang dapat menuntun anak dalam proses pembuatan cerita (Story Making) dengan bantuan pertanyaan dan gambar. Diharapkan dengan aplikasi ini, dapat digunakan sebagai sarana berlatih membuat cerita bagi anak-anak terutama kelas 2 SD dengan cara yang lebih menarik dan menyenangkan

Energi baru dan terbarukan mulai mendapat perhatian sejak terjadinya krisis energi dunia yaitu pada tahun 70-an dan salah satu energi itu adalah energi surya. Cahaya matahari jumlahnya melimpah untuk negara tropis, karena penyinaran matahari hampir sepanjang tahun. Oleh karena itu energi surya sangat cocok untuk diaplikasikan di Indonesia. Pemanfaatan tenaga surya dapat diaplikasikan pada peralatan rumah tangga, salah satunya untuk sumber energi pada kolam ikan. Pada sistem ini digunakan dua sumber, yaitu energi surya dan PLN untuk suplai aerator, pompa air DC dan lampu DC pada kolam ikan. Panel surya merupakan sumber energi listrik utama yang akan disimpan pada baterai lead acid melalui buck converter untuk menurunkan tegangan panel surya, dan dikontrol oleh proportional-Integral (PI) untuk menstabilkan tegangannya. proses switching dari panel surya ke PLN, dan sebaliknya menggunakan parameter tegangan baterai. Pada sistem ini menggunakan STM32F7 sebagai pengolah sistem. Setelah dilakukan pengujian, tegangan daya maksimum panel surya mencapai 65 Watt jika iradiasi diatas 1000 Wb/m2. Dimana tegangan output buck converter yang digunakan untuk charging adalah konstan sebesar 13.44 V, pemutusan proses charging terjadi bila arus kurang dari 1.5 A . Ketika tegangan baterai lebih dari 12.6 V maka sumber yang digunakan adalah sumber panel surya, namun ketika baterai discharging hingga tegangan mencapai 12 V maka sumber akan berganti ke PLN. Pengaktifan beban diatur oleh real time clock (RTC) dimana proses aktif beban bergantian setelah 2 jam, dilengkapi dengan buzzer untuk mengetahui bila beban terjadi masalah.

Semakin berkembangnya teknologi maka tingkat mobilitas dan cara berpikir manusia semakin meningkat pula. Oleh karena itu, manusia dituntut untuk dapat melakukan berbagai aktifitas dalam durasi waktu yang relatif singkat dan efisien. Sebagai contoh dalam kehidupan sehari-hari ketika menonton televisi sering ditemukan gambar yang agak buram maupun keluaran suara yang bercampur noise yang diakibatkan penerimaan sinyal oleh antena penerima yang kurang bagus atau design antenna yang tidak sesuai dan untuk itu tidak jarang kita mengganti-ganti arah antenna secara manual. Untuk menjawab persoalan di atas akan dirancang dan di bangun suatu sistem tracking posisi antena televisi yang dintegrasikan dengan motor stepper dan dikontrol oleh suatu aplikasi pada komputer dengan metoda PID melalui sebuah mikrokontroler sehingga antenna tersebut dapat tracking pada setiap pergerakan antenna untuk pergerakan pada sudut azhimuth dan elevasi.

Deteksi kondisi oli sangat penting untuk kendaraan bermotor, termasuk sepeda motor. Deteksi ini adalah untuk mengetahui apakah oli sepeda motor masih dalam kondisi baik sehingga belum perlu diganti atau oli harus diganti, karena oli berfungsi untuk mengoptimalkan kerja mesin agar sepeda motor melaju secara normal. Namun masyarakat masih kesulitan untuk menentukan kapan penggantian oli harus dilakukan, sehingga pemilik sepeda motor kemudian mengganti oli hanya berpatokan pada jarak tempuh atau angka yang tertera pada odometer saja. Pada penelitian ini, telah dibuat sebuah sistem pendeteksi kondisi oli pada sepeda motor dengan menggunakan sensor suara dimana sensor suara digunakan untuk merekam suara yang dihasilkan dari sepeda motor dengan dua kondisi, yaitu sepeda motor dengan kondisi oli yang masih belum perlu diganti dan sepeda motor dengan kondisi oli yang harus diganti. Suara yang berhasil direkam kemudian diolah melalui dua proses pengolahan sinyal, yaitu ekstraksi fitur dan pengenalan pola. Proses ekstraksi fitur dilakukan dengan metode Mel Frequency Cepstral Coefficient (MFCC). Koefisien MFCC yang telah diekstrak selanjutnya menjadi masukan dalam proses pengenalan pola dengan metode Support Vector Machine (SVM) untuk menentukan kondisi oli dari sepeda motor tersebut apakah harus diganti atau belum perlu diganti. Pada penelitian ini, sistem telah berhasil mendeteksi kondisi oli pada sepeda motor dengan tingkat keakuratan mencapai 100%.

Perkembangan pesat media sosial membuat informasi dapat menyebar secara instan, namun sekaligus mempermudah peredaran berita palsu (hoaks) yang dapat menyesatkan public dan memengaruhi pengambilan keputusan masyarakat dalam skala luas. Tingginya paparan hoaks serta keberagaman topik dan gaya penulisan di berbagai platform digital menimbulkan kebutuhan mendesak akan sistem deteksi otomatis yang akurat dan adaptif lintas domain. Proyek akhir ini mengajukan pendekatan deteksi berita palsu berbasis model BERT (Bidirectional Encoder Representations from Transformers) yang memanfaatkan kekuatan pemahaman konteks dua arah dan teknik fine-tuning untuk meningkatkan kemampuan generalisasi pada berbagai topik berita, sekaligus menguji strategi transfer learning melalui TAPT (Task-Adaptive Pre-training) menggunakan beberapa dataset berita palsu yang berbeda domain. Data yang digunakan berupa judul berita berbahasa Inggris dengan label biner fake/real yang dibagi menjadi beberapa dataset (primary, secondary) untuk mensimulasikan pergeseran domain dan perbedaan kosa kata antarkorpus. Evaluasi dilakukan menggunakan metrik precision, recall, dan F1-score pada data uji yang terpisah untuk setiap skenario eksperimen. Hasil pengujian menunjukkan bahwa model BERT dengan strategi full fine-tuning memberikan performa hampir sempurna dengan F1-score weighted-F1 sebesar 99% pada dataset utama (ISOT). Lebih lanjut, penerapan transfer learning bertingkat melalui continuation training pada dataset kedua (WELFake) secara signifikan meningkatkan F1-score dari 13,77% menjadi 95,35% untuk BERT, dari 18,56% menjadi 95,52% untuk RoBERTa, dan dari 19,32% menjadi 96,89% untuk DeBERTa, sekaligus menunjukkan bahwa ketiga model dapat beradaptasi terhadap domain baru melalui domain shift. Temuan ini mengonfirmasi bahwa kombinasi BERT, fine‑tuning penuh, dan strategi transfer learning adaptif merupakan salah satu pendekatan yang sangat menjanjikan untuk deteksi berita palsu lintas domain pada skala besar.