Posyandu memiliki peran penting dalam memberikan pelayanan kesehatan khususnya pada pertumbuhan gizi balita. Pemantauan gizi balita biasanya dengan melakukan penimbangan berat badan, pengukuran tinggi badan dan lingkaran kepala. Dimana hasil pemeriksaan tersebut dicatat dalam Kartu Menuju Sehat (KMS). Pada penelitian ini dilakukan pembuatan website untuk kader posyandu yang dapat membantu dalam memonitoring pertumbuhan dan perkembangan balita secara efisien. Penelitian ini menggunakan tiga parameter yaitu tinggi badan, berat badan dan lingkar kepala. Dari ketiga data tersebut akan diolah menggunakan algoritma clustering K-means dan hasil keluaran akan di kelompokkan menjadi 5 kondisi yaitu gizi buruk, gizi kurang, gizi baik, gizi lebih dan obesitas. Setelah dilakukan perhitungan dan pengujian maka didapatkan hasil yaitu pada cluster pertama didapatkan hasil data sebanyak 2 balita dengan umur 0 – 3 bulan dengan status gizi buruk. Lalu pada cluster kedua diperoleh hasil 2 balita dengan umur 10 – 13 bulan dengan status gizi kurang. Cluster ketiga diperoleh 5 balita dengan umur 30 – 50 bulan dengan status gizi baik. Cluster keempat diperoleh 3 balita dengan umur 12 – 33 bulan dengan status gizi lebih. Dan cluster ke lima diperoleh sebanyak 1 balita umur 60 bulan dengan status gizi obesitas. Lalu diperoleh hasil perbandingan metode k-means clustering dengan data menurut World Health Organization (WHO) menggunakan 3 parameter yaitu tinggi badan, berat badan dan lingkar kepala dengan tingkat akurasi sebesar 38,46%. Pada hasil pengelompokkan ditampilkan di website serta terdapat grafik Kartu Menuju Sehat (KMS).

Proses seleksi kerja di era digital saat ini didominasi oleh format wawancara virtual, namun banyak pencari kerja menghadapi hambatan besar berupa tingginya tingkat kegagalan akibat keterbatasan akses terhadap sarana simulasi latihan yang personal, realistis, dan terjangkau. Hal yang menarik dari penelitian ini adalah penerapan teknologi Retrieval Augmented Generation yang dipadukan dengan arsitektur conversational AI adaptif untuk menghasilkan alur simulasi wawancara interaktif yang dapat menyesuaikan tingkat kesulitan secara real time berdasarkan bobot kualitas jawaban pengguna. Sebagai solusi atas permasalahan tersebut, dikembangkan sebuah aplikasi simulator wawancara kerja berbasis web menggunakan ChromaDB sebagai basis data vektor, model LLM Qwen 3 32b sebagai pewawancara virtual sekaligus juri otomatis LLM as a Judge, serta model OpenAI Whisper V3 untuk konversi Speech to Text STT berbasis suara. Hasil eksperimen menunjukkan bahwa model Qwen 3 32b mampu memproduksi pertanyaan teknikal dengan tingkat relevansi sangat tinggi serta gaya bahasa paling natural dan manusiawi. Rangkaian pengujian komponen STT membuktikan model OpenAI Whisper Large V3 unggul secara signifikan dengan nilai Word Error Rate WER terendah mencapai 0.0 persen pada sampel tertentu dan 9.5 persen pada audio filler words serta latensi proses yang sangat cepat dan kompetitif antara 1.17 hingga 3.31 detik, sehingga sistem berhasil menyajikan simulasi wawancara yang adaptif, objektif, dan responsif.

Sistem monitoring lingkungan air secara realtime merupakan hal yang harus dilakukan dalam upaya menjaga ekosistem air pada negara maritim dan kepulauan, seperti contoh Indonesia yang memiliki kekayaan sumber daya air yang sangat besar. Dalam rangka mengintegrasikan sistem monitoring dengan teknologi big data untuk analisa realtime, kami mambangun sebuah sistem yang dinamakan SEMAR (Smart Environtment Monitoring and Analyttic in Realtime system), yang merupakan platform IoT-Big data untuk monitoring lingkungan air. Akan tetapi, SEMAR belum memiliki sistem analisa. Sehingga kami melakukan penelitian untuk membangun sistem analisa untuk klasifikasi kualitas air menggunakan metode Indeks Pencemaran, yang mana akan menjadi ekstensi buat sistem SEMAR. Hasil evaluasi menunjukkan algoritma Linear SVM dan Decision Tree yang digunakan memiliki tingkat akurasi di atas 90% dan rata-rata MSE sebesar 0.019075. Sementara untuk waktu pemrosesan sistem SEMAR hanya membutuhkan rata-rata 0.5 detik untuk memproses data yang diterima hingga proses visualisasi.

Adanya perkembangan penggunaan energi terbarukan dan pemakaian daya listrik PLN memungkinkan keduanya untuk dikombinasikan dan di manajemen, sehingga penggunaan listrik PLN diminimalisir dan penggunaan energy terbarukan dapat dimaksimalkan. Pada penelitian ini dikembangkan alat R-EMS. Alat ini dapat mengatur daya output dari kedua sumber tergantung kebutuhan beban, namun tetap memprioritaskan sumber dari energi terbarukan. R-EMS memiliki beberapa fitur aplikasi yang dapat memonitoring nilai daya pada masing-masing sistem, mengetahui biaya pemakaian beban per bulan, serta terdapat sistem back up yang difungsikan saat listrik PLN padam, sehingga kebutuhan lisrik tidak akan terputus. Pemasangan sensor untuk mengukur Watt-hours yang dikontrol dengan arduino akan secara remote terkoneksi dengan PC. Komunikasi antar sistem menggunakan serial RS-485 yang bersifat multipoint pada sistem mini scada R-EMS. Nilai daya didapatkan dengan monitoring nilai tegangan menggunakan sensor tegangan AC (zmpt101b) dan sensor tegangan DC (pembagi tegangan). Sedangkan nilai arus menggunakan sensor arus ACS 712. Program interface pada PC menggunakan Visual Basic. Sensitivitas nilai sensor arus untuk memonitoring sistem sebesar 5%. Sistem yang dikembangkan saat ini terdapat delay/ jeda waktu selama 17 detik untuk pergantian deteksi sensor yang ditampilkan pada LCD dan monitoring aplikasi R-EMS. Pengunaan solar panel dimaksimalkan 100% untuk pemakaian beban. Saat pemakaian beban lebih dari output daya solar panel, maka akan ada pembagian daya antara solar panel dengan konsumsi listrik pada PLN. Sedangkan pada saat malam hari, daya pemakaian beban akan 100% di supply oleh PLN. Sisa daya dari output PV yang tidak terpakai oleh beban dan tidak dapat mengecas aki akan langsung diberikan/ dijual ke PLN.

Departemen Store X adalah Department Store yang menjual berbagai jenis barang berupa pakaian dan aksesorisnya. Transaksi yang dilakukan department store tersebut dapat mencapai ratusan tiap harinya. Suatu barang dapat terjual tiap hari hingga ratusan unit. Agar Departement Store memperoleh penjualan maksimal terhadap barang tersebut, maka perusahaan harus mengantisipasi dengan menyediakan stik barang yang cukup untuk periode penjualan berikutnya. Akan tetapi perusahaan masih melakukan pendekatan yang kurang baik dalam menentukan stok barang yang harus dipenuhi sehingga menyebabkan penjualan untuk barang tersebut kurang maksimal. Proyek akhir ini menggunakan metode eksponensial smoothing untuk melakukan peramalan penjualan barang. Metode ini menggunakan bobot tertentu untuk memperoleh hasil peramalan terbaik dan digunakan untuk melakukan peramalan ke depan. Tiap bobot akan dianalisa menggunakan nilai MSE dan dibandingkan dengan nilai MSE untuk bobot yang lain. Pada analisa peramalan penjualan untuk barang “History of Whoo” dengan periode 1/1/2013 – 1/1/2014, didapatkan konstanta yang memberikan nilai terbaik adalah 0,1 dengan nilai MSE 847.5423851. Sedangkan untuk peramalan 1 step dan lebih, memberikan hasil yang sama yaitu 34.2067069. Pada proses peramalan, didapatkan beberapa barang diramalkan naik yaitu “Another You Tools “ yang diramalkan naik 1,29 % kemudian barang “Amante Generic diramalkan naik 1,67 % dan barang “Young Hearts Generic” diramalkan naik 2,47%.