Pengelolaan peralatan laboratorium yang masih mengandalkan formulir cetak dinilai tidak efisien dan rentan terhadap kerusakan data. Penelitian ini mengembangkan sebuah middleware Internet of Things (IoT) untuk mengotomatisasi deteksi keluar masuk barang pada sistem inventaris laboratorium. Sistem ini memanfaatkan teknologi Radio Frequency Identification (RFID) untuk identifikasi barang secara nirkabel dan menerapkan metode klasifikasi K-Nearest Neighbor (K-NN) untuk memberikan rekomendasi konfigurasi perangkat yang optimal. Algoritma K-NN diimplementasikan untuk mengklasifikasikan kebutuhan daya baca (Read Power) RFID Reader berdasarkan parameter masukan berupa dimensi ruangan (panjang, lebar, tinggi) dan nilai kekuatan sinyal (RSSI), yang dikategorikan berdasarkan nilai mediannya. Hasil pengujian menunjukkan bahwa model K-NN mencapai kinerja terbaik dengan parameter K=6, menghasilkan akurasi sebesar 95,8% dan presisi 1.0 pada data pengujian. Sistem ini telah berhasil diuji di lima lingkungan laboratorium yang berbeda, menunjukkan kemampuan adaptasi dan pembacaan sinyal yang stabil. Selain itu, sistem keamanan terintegrasi yang menggunakan protokol MQTT mampu memicu kamera untuk mengambil gambar secara otomatis saat mendeteksi pengeluaran alat tanpa izin. Dengan demikian, sistem \"Smart Laboratory\" ini berhasil meningkatkan efisiensi, akurasi data, dan keamanan dalam pengelolaan inventaris untuk mendukung kegiatan belajar mengajar di laboratorium.

Kesehatan merupakan aspek penting dari hak asasi manusia dimana setiap orang ber-hak atas taraf kehidupan yang memadai agar menjadi sehat. Untuk mempermudah pemantauan kesehatan diperlukan suatu alat yang dapat mendeteksi kondisi tubuh yang sensornya terintegrasi menjadi satu. Pada proyek akhir sebelumnya sudah terdapat alat monitoring pasien menggunakan perangkat E-Health board dengan menggunakan 5 sensor yang terintegrasi dan terhubung dengan internet, namun pengiriman data ke internet masih melakukan IoT dengan pengiriman manual dan belum memanfaatkan teknologi platform IoT yang ada seperti Kaa IoT. Dalam makalah ini penulis memiliki tujuan untuk mengembangkan alat monitoring kondisi pasien dengan menggunakan Kaa IoT sebagai pilihan platform Internet of Things (IOT). Disini penulis menggunakan Kaa yang terhubung pada perangkat E-Heatlh platform yang sudah terhubung dengan sensor temperature, ECG, GSR, EMG, dan SPO. Untuk dapat mengirimkan hasil baca sensor menuju server Kaa digunakan Raspberry Pi sebagai tempat berjalannya Kaa Client. Dari hasil implementasi sistem telah berhasil mengirimkan data bacaan sensor menuju ke server Kaa. Data kemudian telah divisualisasi menggunakan web browser dan dapat ditampilkan secara realtime.

Perkembangan teknologi khususnya teknologi komputer begitu pesat mengiringi pesatnya perkembangan jaman di saat ini. Pengembangan piranti lunak tersebut bisa dilihat mulai dari operating system, software aplikasi, pemrograman dan sampai yang ada di saat sekarang adalah software yang meniru kecerdasan manusia (Artificial Intelligence). Jaringan saraf tiruan dikatakan kecerdasan buatan karena proses untuk memperoleh pengetahuannya dilakukannya dengan belajar, belajar seperti layaknya manusia. Sebuah perangkat lunak untuk mengidentifikasi urutan coretan tangan karakter "+" dengan jaringan saraf tiruan (JST) yang dikembangkan sebagai generalisasi model karakter dari pembelajaran manusia. Dalam penelitian ini,dirancang dan dibuat aplikasi perangkat lunak jaringan saraf tiruan dengan menggunakan metode Backpropagation. Penulisan karakter "+" dengan menggunakan tangan dapat dilakukan dengan 2 cara, yaitu mencoretkan garis horizontal di atas garis vertikal yang telah dicoretkan sebelumnya, atau garis horizontal dicoretkan terlebih dahulu, kemudian garis vertikal dicoretkan setelahnya. Pada penelitian ini, urutan pencoretan garis pada penulisan karakter "+" akan dikenali dengan menggunakan jaringan saraf tiruan Backpropagation. Ekstraksi ciri yang terkandung di dalam persilangan karakter "+" dilakukan dengan menggunakan deteksi tepi. Dari hasil pengujian yang telah dilakukan dengan tingkat ketelitian sebesar 89,3% maka model dapat dipergunakan untuk mengidentifikasi urutan coretan tangan pada penulisan karakter “+”.

Pesatnya kemajuan teknologi ponsel pintar, berdampak pada kecenderungan penggunaan smartphone atau gadget. Terutama pada anak usia dini / anak TK yang hanya digunakan untuk hiburan semata bukan untuk media mendapatkan informasi ataupun pembelajaran. Hal ini bisa berdampak pada tumbuh kembang anak. Selain itu, metode pembelajaran yang ada masih belum interaktif dan kurang variatif membuat anak mudah merasa jenuh dan bosan. Oleh karena itu, penulis membuat sebuah perangkat lunak yang membantu untuk edukasi dalam bentuk permainan berupa pengenalan warna “Let’s Play Color” berbasis android menggunakan teknologi augmented reality. Augmented Reality merupakan sebuah teknologi yang menggabungkan benda maya baik dua atau tiga dimensi ke dalam sebuah lingkungan nyata. Dengan teknologi ini, pengguna dapat merasakan sensasi baru dalam pembelajaran dengan visualisasi objek 3D yang menarik. Sehingga permainan edukatif yang dibuat selain dapat menarik minat anak-anak untuk belajar juga bisa menjadi sarana belajar baru bagi anak-anak.

Pertanian merupakan sektor yang memegang peranan penting dalam perekonomian banyak negara, terutama di negara berkembang, di mana sebagian besar penduduk bergantung pada pertanian sebagai sumber mata pencaharian. Selain itu, pertanian juga berperan dalam menjaga ketahanan pangan, mengurangi tingkat kemiskinan, dan mendukung pembangunan wilayah perdesaan. Namun, serangan hama dan penyakit tanaman memberikan dampak langsung maupun tidak langsung terhadap sektor pertanian, termasuk penurunan hasil panen. Salah satu upaya untuk mengendalikan hama dan penyakit tanaman adalah dengan memetakan lahan pertanian guna memperoleh data dari daerah yang terdampak hama dan penyakit tanaman. pada penelitian ini, informasi dari hasil pemetaan bersifat rahasia dan perlu dilindungi dengan sistem keamanan agar tidak terjadi penyalahgunaan informasi. Oleh karena itu, hasil dari Proyek Akhir "Implementasi Sistem Keamanan Pemetaan Hama dan Penyakit Tanaman Berbasis Advanced Encryption Standard(AES)" ini dirancang agar pengolahan data berupa citra pemetaan sawah tidak dapat diretas ataupun diakses oleh pihak yang tidak berwenang, serta untuk menjaga keaslian data citra tersebut. Hasil pengujian menunjukkan bahwa sistem mampu melakukan enkripsi citra berukuran besar di sisi client dengan rata-rata waktu 368,4 milidetik dan kecepatan 196,80 Mbps. Proses dekripsi di sisi server terhadap total data sebesar 167,92 Mb memerlukan rata-rata waktu 21,99 detik dengan kecepatan 4,52 Mbps. Selain itu, pengujian komunikasi jaringan menghasilkan throughput rata-rata sebesar 23,104 Mbps dengan packet loss 0%, serta delay yang relatif stabil. Hasil tersebut membuktikan bahwa sistem mampu memberikan performa yang baik, aman, dan efisien untuk mendukung pemetaan digital berbasis citra yang dilindungi kriptografi.