Sistem informasi penduduk dimaksudkan untuk meningkatkan efisiensi dalam hal pelayanan masyarakat. Kantor Desa Kedungmentawar, Ngimbang, Lamongan mempunyai sistem informasi yang masih dalam bentuk manual dan belum terkomputerisasi sehingga keamanan penyimpanan data tidak terjamin dan pelayanan administrasi menjadi lambat. Sistem dibangun berdasarkan kebutuhan pengolahan data seputar data penduduk, data kk, anggota keluarga, masuk, pindah, meninggal, dan data lahir. Sistem ini dibangun menggunakan framework Laravel, Leaflet JS untuk menampilkan jumlah penduduk tiap RT pada peta dan perancangan database menggunakan MySQL. Dengan adanya Sistem Informasi Penduduk yang terkomputerisasi, dapat meningkatkan kualitas informasi dan mempermudah dalam pengolahan data penduduk desa Kedungmentawar.

Media pembelajaran kreatif memainkan peran penting dalam meningkatkan efisiensi dan efektivitas proses belajar, mengarahkan pada pencapaian tujuan pendidikan melalui teknologi yang mendukung penyampaian informasi yang mudah.Elektrokardiogram.(ECG) adalah metode non-invasif untuk merekam aktivitas listrik jantung, namun interpretasi sinyal ECG yang kompleks sering menjadi tantangan. Keterbatasan akses terhadap modul pembelajaran ECG berlisensi dan biaya tinggi menghambat pendidikan di institusi akademik. Proyek ini merancang modul pembelajaran ECG berbasis mikrokontroler Arduino Atmega 2560 dengan penguat instrumentasi AD8232 dan filter digital untuk meningkatkan kualitas sinyal. Antarmuka grafis pengguna (GUI) digunakan untuk mempermudah interaksi. Pengujian menunjukkan sinyal ECG Lead I berhasil direkam dengan frekuensi sampling 360 Hz, amplitudo sinyal lebih bersih pada penempatan elektroda di dada (208 mV) dibandingkan tangan (1026 mV) karena noise lebih rendah. Filter digital (high-pass, low-pass, dan notch-pass) efektif meredam noise, dengan waktu eksekusi rata-rata 405,94 µs. GUI menampilkan sinyal ECG dengan error rata-rata 0,63% dan konsistensi data terjaga (inlayer) selama 10 hari pengujian. Modul ini menawarkan solusi hemat biaya, mendukung praktik langsung, dan meningkatkan pemahaman mahasiswa terhadap analisis sinyal ECG untuk diagnosis kardiovaskular.

Sistem pencernaan merupakan organ vital, mengingat fungsinya dalam mengolah makanan dan minuman yang setiap hari dikonsumsi sehingga sangat penting untuk dijaga. Namun terkadang masyarakat memiliki kesadaran dan pengetahuan yang kurang terhadap gejala awal dari penyakit pencernaan sehingga menjadi faktor penyebab penyakit menjadi serius bahkan dapat menyebabkan kematian. Identifikasi gejala sedini mungkin sangatlah penting untuk proses diagnosa agar dapat segera dilakukan upaya pengendalian untuk mencegah dan menanggulangi penyebaran suatu penyakit. Untuk mendapatkan gejala penyakit dilakukan proses anamnesis, yaitu proses tanya jawab antara pasien dan tenaga medis yang hasilnya disimpan pada Electronic Medical Record (EMR) dalam bentuk narasi untuk membantu dalam proses Clinical Decision Support (CDS). EMR seringkali sulit dilakukan pemrosesan komputasi dikarenakan tata bahasa yang kurang tepat. Agar komputer dapat memproses bahasa alami manusia, digunakan Natural Language Processing (NLP). Pada tugas akhir dibuat sistem yang dapat mengidentifikasi gejala penyakit pencernaan dengan menggunakan NLP untuk mengoptimalkan proses CDS. Metode NLP yang digunakan pada penelitian ini adalah Named Entity Recognition (NER) yang digabungkan dengan preproses NLP. Preproses NLP menghasilkan akurasi sebesar 95,9% pada proses stemming dan 97,2% pada proses stopwords removal. Model NER yang dibuat menggunakan 1632 dataset dengan epochs sebanyak 800 menghasilkan skor f1-micro sebesar 0.79, sedangkan pengujian dengan menggunakan 30 masukan data menghasilkan akurasi sebesar 76,6% keberhasilan dalam mengidentifikasi gejala penyakit.

Pandemi COVID-19 menyebabkan banyak sekolah ditiap jenjang, harus dipaksa melakukan pembelajaran berbasis online (Work From Home) secara mendadak dimana salah satunya adalah Politeknik Elektronika Negeri Surabaya. Hal ini menyebabkan dosen dan mahasiswa harus terbiasa beradaptasi terhadap sistem belajar yang baru. Salah satu hal yang menjadi permasalahan penting dalam proses pembelajaran online adalah pengawasan dan juga penilaian keaktifan siswa dalam kelas online. Learning Analytics Dashboard merupakan salah satu solusi yang dapat dipakai untuk menyelesaikan permasalahan tersebut. Teknik ini menggunakan data aktifitas mahasiswa pada pembelajaran online yang nantinya diolah untuk menampilkan data berupa statistik yang berhubungan dengan aktifitas mahasiswa. Hasil akhir dari penelitian ini berupa hasil ukur interaksi pembelajaran dalam bentuk dashboard pada aplikasi ETHOL kampus PENS

Aplikasi media pembelajaran aksara carakan madura berbasis 2D menggunakan Smart Apps Creator untuk membantu siswa kelas 6 SDN Kertasada, dirancang untuk mempermudah proses belajar mengajar ilmu mata pelajaran bahasa madura yaitu Aksara Madura. Aplikasi media pembelajaran ini tidak hanya membantu siswa memahami Aksara Madura secara lebih muda dan menyenangkan, tetapi juga berkontribusi dalam pelestarian budaya lokal melalui pendekatan teknologi. Aplikasi ini dilengkapi dengan fitur-fitur yang menarik seperti animasi, suara, dan permainan edukatif yang dirancang khusus sesuai dengan perkembangan siswa kelas 6. Aplikasi ini menggunakan metodologi desain dan pengembangan perangkat lunak, mulai dari analisis kebutuhan, desain, implementasi, hingga pengujian. Hasil dari penelitian ini menunjukkan bahwa aplikasi ini dapat meningkatkan minat dan pemahaman anak-anak dalam mempelajari Aksara Madura.