Menurut estimasi Kementerian Kesehatan RI tahun 2017, jumlah tunanetra di Indonesia mencapai angka 3,75 juta jiwa baik kategori buta maupun lemah penglihatan. Salah satu alat bantu mobilitas bagi tunanetra adalah White Cane. Tetapi alat ini hanya dapat memberikan tanda bahwa terdapat halangan untuk dihindari dan tidak bisa membedakan benda yang ada didepannya. Untuk itu perlu adanya teknologi yang dapat membantu mengatasi permasalahan tersebut. Salah satu bidang penelitian teknologi yang masih berkembang hingga saat ini adalah kecerdasan buatan (Artificial Intelligence). Deep learning yang digunakan untuk pengenalan dan klasifikasi objek adalah Convolutional Neural Network karena banyak digunakan pada penelitian terdahulu dan menghasilkan hasil yang signifikan dalam pengenalan citra. Pada Proyek Akhir ini telah dibuat suatu sistem pegidentifikasi objek dan pengukur jarak untuk mengetahui adanya rintangan/halangan yang berada di depan penyandang tunanetra dan membedakan obyek yang ada didepannya. Untuk mengambilan gambar obyek dilakukan dengan kamera Pi Noir V2, untuk mengukur jarak obyek dengan pengguna dilakukan dengan sensor ultrasonik, dan untuk meproses data dan memberikan output ke earphone dilakukan dengan Raspberry Pi. Sistem pendeteksi dilengkapi dengan algoritma Convolutional Neural Network dengan model MobileNet SSD v2, framework Tensorflow untuk proses rekognisi atau pengenalan dan software eSpeak untuk menerjemahkan ke dalam bentuk suara. Hasil training model dengan menggunakan SGD optimizer memberikan nilai total loss sebesar 0,77. Skenario kedua dengan memanfaatkan adam optimizer dan telah memberikan luaran total loss sebesar 0,69. Dari pengujian yang telah dilakukan kita peroleh bahwa penggunaan adam optimimizer menunjukkan kinerja lebih baik dibandingkan dengan SGD optimizer. Salah satu penyebabnya karena memiliki nilai MAP dan average recall yang lebih besar dibandingkan dengan SGD Optimizer.

Absensi Siswa di sekolah adalah kehadiran, dan keikutsertaan fisik dan mental terhadap aktivitas di jam efektif sekolah. Mengingat pentingnya arti sebuah absensi, maka diperlukan suatu sistem yang dapat mengatur proses absensi menjadi lebih akurat dan efisien. Kejujuran dan kedisiplinan waktu wajib dilakukan oleh siswa dalam proses absensi sekolah. Sistem absensi di SMKN 1 Kalianget sebelumnya masih menggunakan cara manual dalam penginputan data absen dan belum adanya sistem untuk dapat mengelola data absensi dan pemberian informasi kehadiran kepada orang tua siswa. Untuk menunjang keefektifitasan dan kehandalan dalam pencatatan dan informasi absensi, dalam hal ini peneliti membuat “Rancang Bangun Aplikasi Absensi Siswa Berbasis Web Menggunakan Fingerprint dan SMS Gateway di SMKN 1 Kalianget” dengan menggunakan framework laravel, bahasa pemrograman PHP dan database Postgresql.

Dengan semakin berkembangnya renewable energy membuat penggunaan solar panel banyak dimanfaatkan untuk kehidupan sehari-hari. Daya yang dihasilkan oleh solar panel sangat dipengaruhi dari kondisi lingkungan dan cuaca. Sehingga dibutuhkan MPPT (Maximum Power Point Tracking) untuk dapat mengoptimalkan daya keluaran dari solar panel. Ada banyak sekali metode yang digunakan untuk MPPT dan yang paling banyak digunakan adalah metode konvensional seperti Perturb and Observe (P&O). Hal ini dikarenakan metode konvensional sangat mudah untuk diimplementasikan. Namun, disisi lain metode konvensional memiliki kelemahan seperti respon yang lambat dan bentuk gelombang daya yang osilasi pada titik daya maksimum. Kelemahan dari metode konvensional tersebut dapat diatasi dengan menggunakan metode Flower Pollination Algorithm (FPA). FPA merupakan salah satu metode kecerdasan buatan yang memiliki kelebihan bila dibandingkan dengan metode konvensional yaitu memiliki respon yang cepat serta bentuk gelombang daya yang tidak osilasi. Metode ini akan diterapkan untuk mengatur switching pada SEPIC converter. SEPIC converter yang digunakam akan dikembangkan menggunakan coupled inductor. Dari penelitian proyek akhir ini, menunjukkan hasil bahwa dengan menggunakan MPPT metode FPA dapat meningkatkan akurasi sebesar 5% dan waktu tracking sebesar 5,47 detik dibandingkan dengan MPPT metode P&O. Pada saat digunakan untuk pengisian baterai selama 180 menit, MPPT metode FPA dapat menaikan daya sebesar 11,5% sedangkan MPPT metode P&O hanya 6,8%. Selain itu, MPPT metode FPA dapat menaikkan State of Charge (SOC) baterai menjadi 49% sedangkan MPPT metode P&O 45%.

Limbah makanan rumah tangga di Indonesia menjadi isu serius. Hal ini disebabkan oleh kurangnya perencanaan menu dan pemanfaatan bahan sisa. Aplikasi AutoChef hadir sebagai solusi asisten masak cerdas. Aplikasi ini memberikan rekomendasi resep masakan dan meal planner berdasarkan bahan makanan di dapur pengguna. Namun, aplikasi ini belum melalui pengujian fungsional dan evaluasi User Experience (UX) secara menyeluruh. Hal tersebut berisiko menyebabkan gagal fungsi dan masalah usability bagi pengguna sasaran. Penelitian ini bertujuan untuk mengevaluasi UX menggunakan metode Heuristic Evaluation dan Gestalt Principles, serta menguji fungsionalitas menggunakan McCall Quality Model dengan fokus pada tiga aspek: Correctness, Reliability, dan Usability. Kepuasan pengguna juga diukur menggunakan Net Promoter Score (NPS). Proses pengujian dan pengembangan dilakukan secara iteratif dalam empat sprint. Hasil pengujian fungsional dari 82 skenario uji internal mengidentifikasi 11 cacat (defect) pada sistem, yang kemudian dievaluasi dan diperbaiki secara bertahap. Evaluasi UX berhasil menemukan dan menyelesaikan berbagai pelanggaran heuristik, seperti perbaikan indikator mikrofon pada fitur Speech to Text, penambahan tombol navigasi kembali, dan pemecahan kepadatan informasi menggunakan desain tab. Berdasarkan survei pengguna, nilai NPS mengalami fluktuasi; sempat terjadi penurunan tajam pada Sprint 2 akibat kendala teknis server saat proses migrasi. Metrik loyalitas berhasil pulih pada Sprint 3 setelah dilakukan perbaikan bug dan penyempurnaan antarmuka, namun kembali mengalami penurunan pada Sprint 4 akibat kegagalan dengan layanan pihak ketiga (third-party service Brevo) yang menghambat proses registrasi pengguna. Secara keseluruhan, metode pengembangan iteratif ini memberikan peningkatan kualitas UI/UX yang terukur pada aplikasi AutoChef, sekaligus menyimpulkan bahwa keandalan sistem tidak hanya bergantung pada infrastruktur inti, melainkan juga pada integrasi pihak ketiga.

Bencana hidrometeorologi sendiri mempunyai dampak yang besar terhadap kondisi sosial dan ekonomi masyarakat. Perubahan musim yang terjadi di Indonesia seperti penghujan dan kemarau dapat berpontensi menyembakan bencana hidrometeorologi. Penelitian ini berfokus pada klasifikasi teks berita bencana hidrometeorologi terutama dengan topik banjir, apakah termasuk tingkat banjir rendah, sedang, atau tinggi menggunakan machine learning SVM, Naive Bayes, XgBoost, Decision Tree, AdaBoost, dan Random Forest. Hasil akurasi yang didapatkan SVM (55%), Naïve Bayes (57%), XgBoost (45%), Decision Tree (47%), AdaBoost (50%), dan Random Forest (45%). Kemudian, pembuatan peta map banjir di Jawa Timur yang nantinya dapat digunakan sebagai persiapan keadaan darurat dan manajemen krisis serta sebagai kesadaran individu.