Sepak bola merupakan olahraga yang sangat populer di Indonesia, namun pengembangan pemain muda masih menghadapi berbagai tantangan, termasuk kurangnya media promosi yang efektif. Akademi Arema FC sebagai salah satu akademi sepak bola memiliki peran penting dalam mencetak pemain muda berbakat. Sayangnya, promosi akademi ini masih terbatas. Untuk itu, proyek ini bertujuan membuat video company profile sebagai strategi promosi digital guna meningkatkan citra dan daya tarik Akademi Arema FC. Dalam proses pembuatannya, digunakan metode Multimedia Development Life Cycle (MDLC) yang terdiri dari enam tahapan, yaitu concept, design, material collecting, assembly, testing, dan distribution. Hasil dari proyek ini adalah video company profile yang informatif dan menarik secara visual, diharapkan dapat membantu Akademi Arema FC dalam menjangkau masyarakat luas, meningkatkan minat pemain muda, dan menarik dukungan dari sponsor.

RoboCup adalah kompetisi internasional yang berfokus pada pengembangan robot. Pada saat ini perkembangan teknologi robot sangat cepat, khususnya robot sepak bola humanoid. Robot sepak bola ini memiliki sistem vision yang berfungsi untuk mendeteksi objek dan mengenali lingkungan yang ada di sekitar robot tersebut. Namun pada saat ini kemampuan untuk mendeteksi objek terutama bola dan gawang masih kurang optimal. Untuk permasalahan ini diperlukan metode untuk mendeteksi objek secara robust. Dimana robot harus mendeteksi objek secara robust dalam kondisi cahaya apapun. Dalam penelitian ini menggunakan metode Deep Learning dengan menggunakan MobileNet SSD. Metode ini bertujuan untuk mendeteksi objek dengan melakukan training data pada objek yang dideteksi dengan menggunakan data train dan test. Data train merupakan data objek yang akan dideteksi sedangkan data test merupakan data yang digunakan sebagai evaluasi data. Dalam penelitian ini, sistem sudah dapat mendeteksi bola dan gawang yang mana saat deteksi bola dijalankan pada kondisi siang hari, akurasi rata-rata dari jarak 20 cm sampai 80 cm sebesar 98.25%, sedangkan saat kondisi malam hari akurasi rata-rata sebesar 97%. Saat mendeteksi bagian gawang saat siang hari, nilai akurasi rata-rata yang diperoleh dalam rentang jarak 20 cm sampai dengan 80 cm sebesar 90.75%, sedangkan saat malam hari akurasi rata-rata sebesar 86.75%.

Jumlah penderita Kanker Paru di Indonesia semakin hari semakin meningkat pesat hingga menduduki urutan ke-8 di Asia Tenggara. Berdasarkan laporan Global Burden Cancer (Globocan) tahun 2018 terdapat sekitar 19% dari pasien Kanker Paru di Indonesia terjadi pada kaum pria, sekitar 80% dari keseluruhan kasus di Tahun 2018 penyebab tertinggi adalah merokok. Pemeriksaan sitologi pada cairan pleura tidak selalu mendapatkan banyak sel untuk dilakukan pengamatan dan analisa lebih lanjut di bawah mikroskop. Pada spesimen dengan jumlah sel yang didapat sedikit, akan sulit bagi seorang dokter untuk mengidentifikasi apakah sel tersebut kanker ataukah normal. Penelitian ini mengusulkan metode Convolutional Neural Network (CNN) yang merupakan bagian dari Deep Learning untuk klasifikasi pada data image yang berupa cairan pleura dari hasil pengamatan melalui mikroskop. Data sel kanker paru didapatkan dari RSUD dr. Soetomo Surabaya yang terdiri dari 500 sel label kanker dan 400 sel label normal. Hasil akurasi tertinggi sebelum diberikan optimasi hyperparameter yaitu pada penggunaan metode tanpa pre-processing, Adaptive thresholding dan Otsu thresholding yang berada pada angka 99% dan terendah pada Binary thresholding yaitu 98% dengan distribusi data training 90% dan validation 10%. Penggunaan optimasi hyperparameter mampu memberikan peningkatan akurasi pada masing-masing metode walaupun tidak signifikan. Metode gradient boosted regression tree dinilai mampu meningkatkan akurasi secara keseluruhan dibandingkan Gaussian process yang tidak mengalami kenaikan akurasi pada metode tanpa pre-processing dan adaptive thresholding. Metode ini diharapkan dapat dijadikan sebagai alat bantu (tools) yang dapat membantu tenaga medis (dokter) dalam mengidentifikasi adanya sel kanker.

Kecelakaan mobil merupakan peristiwa yang terjadi ketika kendaraan terlibat dalam tabrakan atau kejadian yang mengakibatkan kerusakan fisik pada kendaraan. Dalam kecelakaan mobil, kendaraan bisa saling bertabrakan, menabrak objek lain di jalan, atau terguling. Banyak upaya yang dilakukan untuk mengurangi kejadian tersebut untuk menimalisisir angka kematian yang semakin meningkat. Penanganan kecelakaan mobil terkadang mengalami keterlambatan karena informasi yang diterima oleh pihak berwenang bergantung pada laporan dari masyarakat. Oleh karena itu, dibutuhkan sistem deteksi otomatis untuk memantau kecelakaan mobil dan memberikan laporan yang tepat agar penanganan dan evakuasi korban dapat dilakukan lebih cepat. Pada proyek akhir ini akan dibuat sistem dengan judul “Rancang Bangun Gateway LoRa Untuk Pendukung Sistem Deteksi Kecelakaan Mobil” yang diharapkan penggunaan teknologi LoRa sebagai pengirim data lokasi untuk memantau keberadaan kecelakaan mobil. LoRa digunakan sebagai pengirim data lokasi kecelakaan mobil dari Node ke Gateway dan diteruskan ke internet. Dari hasil deteksi tersebut diharapkan pengiriman data dari Node ke Gateway dapat menunjukkan pengaruh jarak kecelakaan mobil dengan nilai kehilangan data atau packet loss dan nilai kekuatan sinyal atau Received Signal Strength Indication (RSSI).

Pada era globalisasi yang diwarnai oleh kemajuan pesat dalam ilmu pengetahuan dan teknologi, penggunaan teknologi informasi telah menjadi kebutuhan mendesak bagi bisnis dan institusi di semua skala. Salah satu implementasi penting dari aplikasi berbasis web adalah sistem POS (Point of Sale) berbasis web, yang memfasilitasi pencatatan transaksi yang efisien dan akurat. Dengan mengadopsi sistem POS berbasis web menggunakan framework Laravel, toko UD Nabila, sebuah swalayan di desa Pucangro, Kecamatan Kalitengah, Kabupaten Lamongan, dapat mengatasi tantangan dalam pengelolaan data transaksi. Sistem ini tidak hanya meningkatkan efisiensi operasional toko dengan menyediakan pencatatan transaksi yang lebih efisien, tetapi juga menyediakan laporan yang lengkap untuk menganalisis kinerja toko. Dengan demikian, penerapan teknologi informasi dan sistem informasi yang tepat dapat membantu bisnis seperti toko UD Nabila meningkatkan efisiensi operasional mereka dan mengatasi kesulitan dalam pengolahan data transaksi.