Kualitas air bersih merupakan isu krusial di tengah meningkatnya kebutuhan global dan keterbatasan akses terhadap sumber air yang aman. Penelitian ini bertujuan untuk merancang sistem prediktif berbasis univariate time-series guna meramalkan kualitas air berdasarkan parameter pH, suhu, dan salinitas. Data dikumpulkan melalui simulasi sensor IoT dan Agen AI berfungsi sebagai pengganti peralatan sensor fisik dengan interval 10 menit, kemudian diproses melalui cleaning, imputasi, augmentasi dan analisis musiman, data dianalisis menggunakan tiga model: Holt-Winters, Prophet, dan Optimized Theta Model (OTM), dan dievaluasi menggunakan MAE, RMSE, R², dan MAPE. Hasil evaluasi menunjukkan bahwa model Holt-Winters memberikan performa terbaik secara keseluruhan dengan MAPE < 6.5% untuk semua parameter. Sementara itu, Prophet menunjukkan performa yang buruk dan tidak stabil pada data yang digunakan, dan OTM memberikan hasil menengah. Aplikasi ini juga menampilkan visualisasi prediksi berbasis peta dan grafik secara real-time, memudahkan interpretasi hasil oleh pengguna. Sistem ini diharapkan dapat mendukung pengambilan keputusan yang cepat dan berbasis data dalam pengelolaan sumber daya air bersih.

Proyek ini bertujuan mengembangkan prototipe sistem monitoring pertumbuhan padi berbasis Internet of Things (IoT) menggunakan Raspberry Pi yang terintegrasi dengan sensor inframerah E18-D80NK, sensor warna TCS34725, dan sensor INA219 untuk pengawasan catu daya mandiri berbasis panel surya. Sistem bekerja dengan mengakuisisi data fisik tanaman melalui algoritma Python, yang kemudian dikirimkan secara real-time ke web-based dashboard melalui protokol Socket.io dan layanan tunneling Ngrok. Hasil pengujian menunjukkan bahwa sistem mampu mengklasifikasikan fase pertumbuhan padi secara akurat serta memvalidasi bahwa sistem catu daya berbasis panel surya dan baterai mampu mendukung operasional perangkat selama 10 jam dengan dukungan asupan energi dari cahaya matahari. Integrasi ini membuktikan keandalan sistem dalam memfasilitasi pemantauan lahan jarak jauh secara kontinu dan presisi di lingkungan luar ruangan yang dinamis.

Pembaruan perangkat lunak pada kendaraan adalah proses memperbarui atau meningkatkan perangkat lunak yang mengendalikan berbagai sistem dan fungsi pada kendaraan guna memastikan sistem tetap terkini dengan teknologi terbaru. Namun, proses pembaruan ini masih dilakukan oleh teknisi kendaraan di bengkel konvensional, sehingga menghambat fungsionalitas kendaraan serta menyulitkan pendistribusian kendaraan ke berbagai daerah. Untuk mengatasi permasalahan ini, peneliti mengusulkan sistem pembaruan perangkat lunak jarak jauh melalui koneksi internet pada kendaraan yang menggunakan Android Automotive OS, yang dikenal sebagai Over-The-Air (OTA). Penelitian ini dilakukan pada sistem operasi Android Automotive, yang memungkinkan pengunduhan dan pemasangan pembaruan ke dalam sistem kendaraan. File pembaruan diunduh dari Server ke penyimpanan internal perangkat kendaraan, dengan proses yang dikendalikan oleh API update_engine. Update_engine adalah kumpulan API yang mengelola pembaruan pada sistem Android Automotive OS, yang berperan untuk memanggil API pembaruan dan melakukan proses pengunduhan serta pemasangan ke sistem dengan partisi ganda. Android Automotive OS menggunakan sistem pembaruan A/B seamless, yaitu pembaruan mulus tanpa perlu reboot sistem, sehingga tidak mengganggu kinerja kendaraan. Penelitian ini dilakukan pada dua platform hardware, Raspberry Pi 4 dan Google Pixel 4. Selama percobaan pada Raspberry Pi 4, ditemukan kendala signifikan karena struktur partisinya tidak mendukung sistem A/B seamless, menyebabkan proses pembaruan tertunda dan tidak optimal. Oleh karena itu, fokus pengembangan dialihkan ke Google Pixel 4 yang mendukung pembaruan sistem A/B. Pada Google Pixel 4, sistem mampu membangun paket OTA, namun kendala muncul pada API Service Hidden di Android, yang menyebabkan sistem belum sepenuhnya berfungsi dan belum dapat diuji keberhasilannya. Untuk platform Raspberry Pi 4, diperlukan tambahan recovery images agar dapat melakukan pembaruan, sementara Google Pixel 4 membutuhkan akses ke Android API service yang tersembunyi.

Indonesia adalah salah satu negara yang memiliki tingkat risiko bencana tinggi di dunia. Salah satu bencana yang sering melanda negara ini adalah gempa bumi. Dalam 10 tahun terakhir telah terjadi ± 90.000 insiden yang terjadi di Indonesia. Data gempa yang telah direkam dari tahun 1900 hingga sekarang telah menumpuk semakin hari, sehingga ledakan data gempa dapat terjadi kapan saja. Proses mengumpulkan dan menganalisis gempa bumi membutuhkan waktu perhitungan yang sangat lama. Penelitian ini mengusulkan sistem baru untuk mengambil, memproses, menyimpan, mengelola, dan memproses data gempa bumi di Indonesia secara cepat dan real time dengan memanfaatkan fitur-fitur dalam Big Data Environment yang dapat menghasilkan analisis tingkat risiko gempa di Indonesia secara dinamis. Tujuan utama dari penelitian ini adalah untuk mempercepat seluruh kinerja dari proses preprocessing dan analisa data gempa yang sudah ada sebelumnya. Hasil dari sistem pada penelitian ini mampu meningkatkan kinerja komputasi pengolahan data gempa dan mempercepat proses perhitungan dari fungsi-fungsi analisa kegempaan di Indonesia.

Desa Rejosari Kecamatan Deket Kabupaten Lamongan memiliki potensi perikanan tambak yang besar namun pemasaran hasil panen seperti ikan bandeng mujair dan udang vaname masih bergantung pada tengkulak Hal ini menyebabkan rendahnya posisi tawar petani dalam menentukan harga serta tidak adanya sistem penjadwalan panen yang terstruktur Penelitian ini mengembangkan sebuah aplikasi e-commerce perikanan berbasis mobile dengan fitur appointment (penjadwalan transaksi) untuk menjembatani koordinasi antara petani tambak dan pengepul Berbeda dari sistem web sejenis orisinalitas penelitian ini terletak pada integrasi fitur appointment dalam satu ekosistem mobile yang mengakomodasi lima peran pengguna yaitu Admin Penjual Pembeli Pengepul dan Petani Tambak Sistem dibangun menggunakan arsitektur client-server dengan Flutter (antarmuka) Laravel (RESTful API) dan MySQL (basis data) serta integrasi Payment Gateway DOKU untuk transaksi aman API Mapbox untuk pencarian lokasi API Fonnte untuk notifikasi dan Firebase untuk layanan realtime Pengujian sistem melalui Black Box Testing mengonfirmasi seluruh skenario fungsional berjalan sesuai harapan Evaluasi kualitatif oleh profesional teknis memperoleh skor 836% sementara pengujian kepuasan pengguna (User Acceptance Testing) mencapai persentase penerimaan 8680% Keduanya berkategori "Sangat Baik" yang membuktikan bahwa aplikasi ini efektif dalam mendigitalisasi rantai pasok perikanan di Desa Rejosari secara transparan dan efisien