Pada proyek kali ini menggunakan smartphone sebagai media pengenalan terhadap Aksara Jawa. Pada smartphone android akan dibuat sebuah aplikasi yang di dalamnya dikembangkan sistem penerjemah karakter Aksara Jawa kebentuk abjad latin berbasis image processing dan menggunakan algoritma jaringan syaraf tiruan backpropagasi. Sistem ini bekerja dengan melakukan tahapan proses pengolahan citra digital terhadap citra input. Tahapan pengoloahan citra yang dilakukan adalah mengubah citra input berwarna ke grayscale, biner, dan ekstraksi fitur yang bertujuan untuk mengidentifikasi karakter Aksara Jawa. Metode yang digunakan untuk proses pengenalan karakter Aksara Jawa adalah metode Jaringan Saraf Tiruan perambatan – balik (JST backpropagation), dengan metode ini sistem dapat menganalisa ada tidaknya informasi berupa tulisan (yang berupa citra) dan dikonversi ke dalam kode huruf. Aplikasi melakukan pengenalan terhadap 20 karakter aksara jawa. Tingkat keberhasilan dalam mengenali keseluruhan karakter aksara jawa adalah sebesar 85% untuk masing-masing karakter aksara jawa dikenali sebanyak sepuluh kali.

Melon (Cucumis melo L.) merupakan buah kaya gizi yang banyak diminati masyarakat, namun penentuan tingkat kematangannya sering menjadi tantangan karena hanya mengandalkan tanda visual seperti warna kulit atau kekasaran jaring. Penelitian ini bertujuan untuk mengembangkan model deteksi tingkat kematangan melon menggunakan arsitektur Convolutional Neural Network (CNN) berbasis YOLOv8, yang dikonversi ke format TensorFlow Lite untuk mendukung implementasi di perangkat mobile. Aplikasi berbasis Flutter yang dikembangkan mampu melakukan deteksi secara real-time melalui kamera atau unggahan gambar, memberikan solusi praktis dan higienis bagi konsumen. Secara kuantitatif, model menunjukkan performa yang memadai dengan nilai rata-rata mAP di atas 80% pada pengujian dataset. Precision keseluruhan mencapai 0.4788, recall 0.5522, dan F1-score 0.4739. Tingkat keakuratan lokasi objek ditunjukkan oleh nilai IoU sebesar 0.9589. Secara kualitatif, model mampu mendeteksi kelas "matang sempurna" dengan tingkat kepercayaan tinggi (>96%) dan kelas "hampir matang" (>84%) pada skenario real-time dan akurasi deteksi yang cukup stabil di semua kelas, dengan persentase valid berkisar antara 60% hingga 80% pada unggahan gambar. Namun, kesulitan terdeteksi pada kelas "belum matang" dengan tingkat kepercayaan rendah (<65%) yang disebabkan oleh kemiripan karakteristik visual dengan kelas lain. Keberhasilan deteksi model sangat dipengaruhi oleh tingkat kecerahan warna kulit melon yang menjadi parameter visual utama dalam membedakan kelas. Durasi deteksi yang konsisten (1070-1370 ms) menunjukkan stabilitas performa model dalam berbagai kondisi. Metode CNN memiliki tingkat eror 36% lebih rendah dari metode tradisional yang memiliki tingkat eror 40%. Penelitian ini diharapkan memberikan kontribusi pada literatur ilmiah di bidang pengolahan citra dan kecerdasan buatan.

Susu merupakan salah satu bahan pangan yang kaya zat gizi tinggi seperti protein serta terdapat kandungan bakteri. Pengolahan susu yang dilakukan dalam skala rumah tangga masih bersifat konvensional. Oleh karena itu salah satu ide teknologi pengolahan susu yang tepat ialah dengan cara pasteurisasi. Pasteurisasi ialah metode untuk mengolah susu sesuai dengan suhu dan waktu yang ditentukan. Dalam skala rumah tangga metode yang digunakan dalam pasteurisasi susu ialah Low Temperature Long Time (LTLT), yakni memasak susu dengan suhu 60-65oC selama 30 menit. Kontrol suhu pada sistem ialah on off, hingga set point sistem pada suhu 60-65oC bisa dipertahankan selama 30 menit. Dengan adanya alat ini maka proses dari pasteurisasi dapat berjalan otomatis dan dapat dimonitoring secara langsung melalui LCD grafik. Hasil akhir dari susu pasteurisai yang telah di uji coba pada laboratorium ialah total bakteri susu segar yang semula 6.5x106 (Cfu/ml) dapat turun menjadi 3.3x104 (Cfu/ml), kandungan protein susu pasteurisasi juga dapat naik dari 2.81% menjadi 3.64%, selain itu susu pasteurisasi dan susu rebus dapat bertahan selama 6 hari pada suhu 5oC, sedangkan susu murni biasa hanya dapat bertahan selama 4 hari pada suhu 5oC. Dengan demikian dapat disimpulkan bahwa pasteurisasi susu dengan suhu 60-65oC dengan waktu 30 menit pada skala rumah tangga dapat berjalan secara otomatis dan dapat menghasilkan susu yang berkualitas serta daya tahan yang lebih lama.

Salah satu dampak dari pandemic Covid-19 adalah proses pembelajaran yang awalnya dilakukan langsung dengan tatap muka berubah menjadi belajar dari rumah / pembelajaran jarak jauh mengikuti kebijakan dari Kementerian Pendidikan dan Kebudayaan. Hal ini tentu saja berpengaruh pada kualitas belajar baik siswa Sekolah Dasar maupun mahasiswa. Adanya beberapa faktor lain yang turut mempengaruhi kualitas pembelajaran dan berbagai macam variasi dalam melaksanakan pembelajaran secara online akan menghasilkan kesenjangan layanan kualitas pendidikan di Indonesia. Oleh karenanya, dalam pembuatan video animasi 2D ini masyarakat dapat mengerti permasalahan yang sedang terjadi dan diharapkan dapat membantu untuk menerapkan solusi yang ada dari permasalahan tersebut. Tingkat keberhasilan yang diperoleh dari video animasi 2D pada pengujian melalalui beberapa ahli dengan skala likert adalah sebesar 86,6%. Berdasarkan hasil penilaian serta kritik dan saran dari ahli, video animasi ini layak diproduksi untuk dijadiakan sumber informasi bagi masyarakat.

Jaringan distribusi di Indonesia umumnya menggunakan tegangan 20 kV. Karena Indonesia berada pada daerah rawan petir, perangkat perlindungan gardu distribusi seperti lightning arrester diperlukan untuk menjaga keamanan peralatan pada gardu distribusi. Lightning arrester sendiri berfungsi sebagai konduktor saat terjadi surja petir dan tegangan surja, kemudian kembali menjadi isolator setelah surja petir berlalu. Gangguan tegangan tinggi akibat petir dapat menyebabkan arus bocor kontinyu pada lightning arrester, yang jika tidak diatasi dapat menimbulkan bahaya dan kerugian energi. PT. PLN menetapkan toleransi arus bocor kontinyu pada lightning arrester sebesar 30mA. Sehingga dibutuhkan alat yang mampu mendeteksi arus bocor kontinyu lightning arrester yang melebihi batas toleransi dan mampu mengirimkan data hasil pengukuran untuk memudahkan kegiatan perbaikan. Pada hasil pengujian alat pada jaringan distribusi lingkup kerja ULP embong wungu didapatkan terdapat arus bocor kontinyu lightning arrester yang melebihi batas toleransi PT.PLN. yaitu pada gardu distribusi A001 dan A002 sebesar 38,36mA dan 50,84mA yang berada pada 1 yang sama yaitu penyulang tunjungan. Digunakan metode sistem informasi geografi selain untuk memudahkan petugas dalam menentukan lokasi dari gardu distribusi, metode ini juga lebih bagus dan efisien jika dibandingkan menggunakan GPS yang membutuhkan biaya dan jaringan koneksi ekstra. Alat ini juga bersifat mobile, dimana dapat digunakan di berbagai tempat, dan pengiriman lokasi gardu distribusi diidentifikasi melalui kode gardu yang diinputkan, meningkatkan efisiensi biaya.