pada era global seperti saat ini, perkembangan dunia elektronika telah berkembang secara pesat salah satunya di bidang elektro medis. Elektromiografi adalah sebuah metode untuk menganalisa, menampilkan, dan mengukur setiap signal otot dimana kontraksi serabut otot akan selalu diikuti dengan munculnya aktivitas listrik. pada tugas akhir ini dibuat sebuah robot lengan yang dapat di kendalikan oleh signal otot, dimana signal otot di dapatkan dari lengan atas saat melakukan gerakan flexion, supination, pronation, dan ekstension. untuk menghindari persilangan sinyal otot dan sinyal saraf maka digunakan bandpass filter dengan range 20-500Hz, untuk mendapatkan ciri dari setip gerakan di lakukan proses ekstraksi ciri pada domain frekuensi dengan modified mean frequency (mmdf) dan modified median frequency (mmdf) di mana signal telah di rubah terlebih dahulu dari domain waktu ke domain frekuensi dengan metode DFT. kombinasi nilai mmdf dan mmnf akan digunkan untuk input metode backpropagation pada jaringan syaraf tiruan untuk sistem pengenalan pola gerakan sebagai penentu pergerakan lengan robot. Dari percobaan yang dilakukan didapatkan error 6,64% pada lowpass filter, 2,404% pada high pass filter, dan 5,345% pada differential amplifier. Pada proses ekstraksi ciri nilai dari mmnf dan mmdf dari signal otot terletak pada rentan 20-500Hz dengan kombinasi nilai yang berbeda pada tiap gerakan yang mana telah sesuai dengan range frekuensi signal otot. Pada sistem pengenalan pola di dapatkan prosentase akurasi 80% untuk setiap gerakan dengan input data trainning. Pada pengujian dengan data uji A di dapati hasil prosentase flexion 80%, extension 20%, supination 60%, dan pronation 80%. Pada pengujian dengan data uji B di dapati hasil prosentase flexion 80%, extension 40%, supination 60%, dan pronation 80%. dan juga telah dibuat mekanik robot yang dapat bergerak mengikuti input gerkan yang di berikan kepada sistem.

Penelitian ini membahas pengembangan sistem informasi untuk pendaftaran dan pembayaran santri di Asrama Al-Hunnain, PP Darul Ulum, Jombang. Latar belakang penelitian ini adalah kebutuhan akan sistem yang efisien dalam mengelola proses pendaftaran dan pembayaran yang selama ini dilakukan secara manual dan rentan terhadap kesalahan. Sistem informasi ini dirancang untuk meningkatkan efisiensi operasional, meminimalisir kesalahan entri data, dan memberikan kemudahan akses informasi bagi santri dan orang tua. Metodologi yang digunakan meliputi analisis kebutuhan, desain sistem, implementasi, dan pengujian. Hasil penelitian menunjukkan bahwa sistem informasi ini mampu meningkatkan kecepatan dan ketepatan proses administratif serta meningkatkan kepercayaan dan kepuasan santri dan orang tua

“My Campus Story” adalah sebuah game yang menyimulasikan kehidupan kampus mahasiswa secara sederhana. Sebagai programmer dalam tim pengembang, penting untuk menetapkan aturan dan pendekatan yang mendukung efisiensi, konsistensi, kemudahan pemeliharaan, serta skalabilitas proyek. Salah satu pendekatan umum dalam pengembangan software adalah penggunaan Design Pattern. Penelitian ini bertujuan untuk mengimplementasikan dan mengembangkan fitur serta mekanik dalam game dengan menerapkan berbagai pattern dari Design Pattern. Pengembangan game dilakukan berdasarkan model ADDIE, yang mencakup tahap analisis, perancangan, pengembangan, implementasi, dan evaluasi. Selain itu, proses ini juga memanfaatkan pola desain Singleton, State, dan Object Pool. Evaluasi keberhasilan penerapan Design Pattern dilakukan melalui metode User Feedback – GameDesigner, Unit Testing, dan Expert Review. Hasil evaluasi menunjukkan bahwa penggunaan Design Pattern telah selaras dengan kebutuhan desain game dan menghasilkan struktur kode yang baik. Namun, berdasarkan Expert Review, terdapat kekeliruan dalam penerapan pattern tertentu, seperti penggunaan Object Pool pada komponen UI yang kurang tepat.

Penyakit liver terutama penyakit hepatitis merupakan penyakit yang disebabkan oleh infeksi (virus, bakteri, atau parasit), obat-obatan, konsumsi alkohol, lemak berlebih, dan penyakit autoimmune. Dari beberapa virus hepatitis tertentu dapat menjadi kronis dan menimbulkan cirrhosis lalu menjadi kanker hati. Untuk mengetahui kondisi liver dapat dilakukan CT scan (Computerized Tomography Scanner) yang menggambarkan bagian liver dengan jelas. Hasil pemeriksaan CT scan bergantung pada ketelitian dan pengalaman dokter sehingga dapat menimbulkan diagnosa yang berbeda dalam menentukan kondisi liver seorang pasien. Hasil citra CT scan memiliki kelemahan yaitu terdapat noise sehinga perlu adanya perbaikan citra agar dapat melihat kondisi liver dengan jelas. Oleh karena itu, pada proyek akhir ini akan dibangun suatu sistem yang mampu mendeteksi kondisi liver seorang pasien terhadap suatu penyakit yang bisa timbul di liver tersebut. Langkah-langkah deteksi kondisi liver tersebut adalah dilakukannya preprocessing untuk perbaikan citra dengan melakukan filtering menggunakan gaussian filtering. Selanjutnya akan dilakukan segmentasi untuk membedakan objek dan background dengan menggunakan metode thresholding. Lalu akan dilakukan tahap ekstrasi fitur untuk mencari fitur-fitur masukan dan fitur-fitur referensi, yaitu luas liver, diameter liver, dan kontur. Lalu dilakukan proses klasifikasi dengan menggunakan multilayer perceptron neural network untuk mendapatkan suatu keputusan yaitu jenis penyakit liver pada citra CT scan. Berdasarkan hasil penelitian, fitur yang didapatkan oleh sistem menunjukkan persentase eror 4,29% untuk fitur luas; 3,28% untuk fitur diameter; dan 11,36% untuk fitur kontur. Dari hasil pengujian keseluruhan sistem yang dilakukan dengan menggunakan 44 data dengan menggunakan 3 parameter untuk klasifikasi, yaitu luas, diameter, dan kontur menunjukkan persentase keberhasilan sebesar 75%.

Distributed Denial of Service (DDoS) bekerja dengan membanjiri lalu lintas jaringan secara masif sehingga pelayanan menjadi tidak tersedia bagi pengguna yang sah. Seiring waktu, pola serangan DDoS menjadi semakin kompleks dan sulit terdeteksi oleh sistem deteksi intrusi (IDS) konvensional yang belum mampu mengenali pola serangan baru. Oleh karena itu, diperlukan pendekatan yang adaptif dalam mendeteksi anomali lalu lintas jaringan. Penelitian ini bertujuan mengembangkan dan menganalisis performa metode Outlier Detection untuk mendeteksi serangan DDoS, dengan menggunakan dua pendekatan utama: Density-Based Spatial Clustering of Applications with Noise (DBSCAN) dan Isolation Forest. Kedua algoritma ini dipilih karena kemampuannya dalam mengidentifikasi pola-pola anomali dalam data tanpa memerlukan label data yang eksplisit. Hasil dari penelitian ini diharapkan dapat memberikan kontribusi dalam pengembangan sistem deteksi dini serangan DDoS berbasis machine learning, serta menjadi referensi bagi peneliti dan praktisi dalam memilih metode yang tepat untuk mendeteksi anomali lalu lintas jaringan.