Sistem absensi pegawai yang tangguh sangat penting untuk menjaga perkembangan kualitas pegawai di suatu instansi. Saat ini sistem absensi menggunakan pengenalan wajah merupakan salah satu cara untuk mengenali karyawan dengan menggunakan citra wajah. Absensi sebelumnya dilakukan menggunakan cara yang tradisional dan memiliki beberapa kekurangan. Contohnya pada absensi manual yang bisa dicurangi dengan penitipan absensi oleh karyawan yang tidak hadir dengan memalsukan tanda tangannya. Atau absensi dengan smartcard yang masih bisa dicurangi dengan menitipkan smartcardnya. Dan yang terbaru menggunakan mobile dengan bantuan gps untuk mencatat kehadiran karyawan, yang bisa dicurangi menggunakan aplikasi tertentu. Juga, di era pandemi mulai tahun 2020, diterapkan peraturan kesehatan untuk menghindari penularan virus Covid-19. Sedangkan, absensi sidik jari bisa jadi media penularan virus sehingga kurang sesuai untuk digunakan. Sistem absensi yang diajukan pada penelitian ini akan menyediakan absensi yang cepat dan efektif. Dalam tulisan ini, pengenalan wajah diprogram pada Raspberry Pi yang terhubung dengan webcam untuk mendeteksi wajah karyawan yang masuk. Program ini menggunakan Normalized Convolutional Neural Network untuk mengolah data masukan. Pengenalan wajah dilakukan menggunakan MobileFaceNet dan menggunakan Anti-spoofing untuk menghindari kecurangan saat melakukan absensi wajah. Absensi yang tercatat juga akan dihubungkan dengan sistem informasi manajemen) dimana admin suatu instansi dapat mengatur absensi karyawan. Melalui hasil eksperimen, kamera pengenal wajah ini bisa mengambil gambar hingga kecepatan 10fps dengan menonjolkan parameter ke performa. Kamera ini juga bisa mendeteksi wajah pegawai lebih dari satu dengan akurasi 100% dalam jarak hingga 2 Meter. Sedangkan dalam jarak hingga 3-4 Meter, wajah akan tetap dikenali, namun akurasi akan turun hingga 10% karena cenderung mendeteksi wajah asing. Kamera juga mampu mengenali pegawai yang sedang berjalan, memakai aksesoris kacamata, topi, perubahan gaya rambut dengan akurasi lebih dari 60%. Namun, untuk deteksi karyawan yang memakai masker, atau wajah yang tertutup sebagian, akurasi kamera ini akan turun hingga 40%.

Twitter merupakan aplikasi microblogging yang banyak digunakan di Indonesia. Setiap harinya, server Twitter menerima banyak data (tweets) dan data tersebut banyak yang tidak diketahui dari mana tweet itu bermula ketika dibahas oleh pengguna Twitter. Tujuan dari penelitian ini adalah untuk menghasilkan system yang memanfaatkan Twitter API sehingga dibuat sebuah aplikasi yang dapat menampilkan visualisasi traceroute user terhadap pembahasan tweets atau retweet tersebut dalam bentuk network grafik. Perancangan system dilakukan menggunakan Data Flow Diagram dan Entity Relationship Diagram selain itu penulis menggunakan framework Laravel serta MySQL; sebagai database. Diharapkan dapat mengetahui jumlah retweet dari suatu topik dari seorang user dalam topik tersebut dimana semakin banyak user yang melakukan retweet, semakin besar juga jangkauan topik tersebut ke dalam masyarakat. Selain itu juga aplikasi memberikan berupa seberapa tinggi dari tingkat engangement dari user tersebut serta dapat memberikan informasi terhadap user yang berpotensi menjadi seorang influencer. Hal ini dapat dilihat dari grafik bahwa ada beberapa user yang mungkin memiliki pengaruh besar terhadap jumlah retweet yang dihasilkan. Hal ini dapat membantu user aplikasi untuk mengidentifikasi user yang berpotensi menjadi influencer dalam topik atau konten tertentu.

Indonesia merupakan negara yang memiliki tingkat bencana alam yang tinggi. Badan Meteorologi Klimatologi dan Geofisika (BMKG) mengungkapkan beberapa alasan mengapa gempa bumi terus terjadi di Indonesia. Setiap tahun jumlah korban bencana gempa bumi mengalami penaikan dan penurunan yang tidak menentu dari tahun 2004-2016. Banyaknya korban baik korban jiwa maupun harta benda yang disebabkan gempa bumi. Perlunya pembelajaran mengenai apa yang harus dilakukan ketika terjadi gempa bumi sangat diperlukan dan salah satu metode menarik dalam belajar adalah game. Metode pembelajaran permainan simulasi adalah teknik pengajaran dimana siswa mengasumsikan peran khusus sebagai pengambil keputusan. Oleh karena itu manfaat dengan adanya bermain peran dapat mengambil keputusan jika memperoleh masalah, dapat memecahkan masalah dan dapat menjalankan kegiatan sesuai dengan peraturan yang telah ditetapkan. Sekarang Interaksi dalam game sudah semakin canggih. Virtual reality (VR) dan Augmented Reality (AR) telah menjadi ranah teknologi popular. Akan tetapi 2 teknologi tersebut memiliki kekurangan dan akhirnya dalam dengan adanya teknologi mixed reality dapat memberikan pengalaman permainan simulasi menjadi lebih nyata dan dapat memberikan pembelajaran yang lebih efisien. Penggabungan antara game simulasi dengan mixed reality akan memberikan perasaan bermain yang lebih imersif karena pengguna tidak hanya duduk bermain game saja. Diharapkan game simulasi bencana gempa bumi berbasis mixed reality dapat mengurangi jumlah korban bencana gempa bumi yang ada.

Penyakit kardiovaskular atau Cardiovascular Disease (CVD) adalah penyebab utama kematian secara global, yang merenggut sekitar 17,9 juta jiwa setiap tahun. CVD adalah sekelompok gangguan jantung serta pembuluh darah juga termasuk penyakit jantung koroner, penyakit cerebrovascular, penyakit jantung rematik, gagal jantung, masalah katup jantung, dan aritmia. Aritmia adalah masalah laju atau irama detak jantung yang mana jantung berdetak terlalu cepat atau terlalu lambat, atau pola detak yang tidak teratur. Proses deteksi aritmia ini biasanya dilakukan dengan menggunakan alat Elektrokardiogram (EKG) untuk merekam aktivitas elektrik di dalam jantung, namun metode ini memiliki beberapa kelemahan yaitu, pemakaian alat yang terlalu sulit diterapkan yang menyebabkan pengguna tidak bisa beraktifitas dan ditambah lagi harga perangkat yang relatif mahal. Berdasarkan penelitian sebelumnya, penggunaan alat EKG telah digantikan oleh smartwatch. Akan tetapi, hasil dari alat tersebut belum bisa mengirimkan data ke perangkat android. Sehingga diperlukan sebuah cara agar data hasil diagnosa dapat terkirim ke perangkat android. Tujuan dari proyek akhir ini adalah untuk mengembangkan sistem penghitung detak jantung dari smartwatch yang nantinya dapat mengirimkan data pembacaan detak jantung ke perangkat android. Smartwatch juga berperan mengolah data, berdasarkan pembacaan sensor PPG data sensor diekstraksi untuk mendapatkan beberapa fitur berupa titik puncak sinyal yang nantinya dideteksi dan dihitung jumlahnya. Kemudian hasil ekstraksi akan diklasifikasikan menggunakan algoritma Random Forest. Hasil yang didapat dari penelitian ini adalah sebuah sistem untuk menentukan detak jantug dan pendeteksian aritmia menggunakan smartwatch. Tingkat akurasi yang diberikan sebesar 85.6%. Selain itu terdapat aplikasi mobile yang memungkinkan user dapat memantau dari jarak jauh, fitur yang diberikan diantaranya Authentikasi, Notifikasi dan History

Elektromiograf merupakan teknik untuk merekam aktivitas listrik yang dihasilkan oleh otot rangka. Tugas Akhir ini bertujuan untuk mengembangkan sistem kendali arm robot lengan menggunakan sinyal Elektromiograf (EMG). Sistem ini dirancang sebagai alat edukasi untuk memahami penggunaan EMG dalam mengontrol gerakan robot lengan. Arduino Uno digunakan sebagai platform mikrokontroler untuk menghubungkan modul EMG dan motor servo. Software dikembangkan untuk memroses sinyal EMG, mengenali pola aktivitas otot, dan menghasilkan respons gerakan robot lengan yang sesuai. Pengujian dilakukan untuk menganalisis threshold otot terhadap waktu gerakan robot. Hasilnya menunjukkan sistem mampu mengenali sinyal EMG, memberikan respons gerakan yang akurat, dan responsif dalam waktu yang singkat.