Pertolongan pertama akan mencegah luka korban menjadi lebih parah, mempercepat penyembuhan, dan mencegah kematian[1]. Selain itu, angka kecelakaan motor menempati urutan yang paling tinggi. Yakni, pada tahun 2014 terjadi sebanyak 972 kecelakaan dan pada tahun 2015 sebanyak 1101 kecelakaan[2]. Berdasarkan data registrasi pasien dari Rumah Sakit Bhayangkara Surabaya pada 30 agustus - 29 desember tahun 2015,pasien kecelakaan lalu lintas dengan luka close fracture (patah tulang dalam) menempati urutan ketiga terbanyak yaitu sebanyak 27 pasien [3]. Namun, sebelum melakukan pertolongan pertama masyarakat perlu mengetahui bagaimana cara memberikan pertolongan pertama dengan benar, untuk itu, diperlukan suatu media informasi. Media informasi tersebut berupa video interaktif. Di dalam video interaktif ini akan ditampilkan penjelasan apa itu patah tulang dalam, langkah yang harus dilakukan sebelum melakukan pertolongan pertama serta penjelasan bagaimana gejala dan cara menangani pertolongan pertama pada luka patah tulang dalam yang ditampilkan dalam bentuk pertanyaan yang akan dijawab pengguna. Setelah melalui tahap pengujian, video interaktif yang dibuat dapat memberikan informasi bagaimana cara melakukan pertolongan pertama pada kecelakaan motor khususnya dalam kasus patah tulang dalam.

Apotek 27 Lamongan selama ini menangani manajemen secara manual dalam persediaan obat, transaksi penjualan dan pembelian obat serta dalam pembuatan laporan bulanan sehingga membutuhkan waktu lama dalam pelaksanannya. Hal ini dapat dipermudah dengan membuat sistem informasi manajemen apotek. Sistem dibangun menggunakan pendekatan berorientasi objek. Metode yang digunakan untuk membangun sistem adalah metode Object Oriented Analysis and Design (OOAD). Metode ini menghasilkan pemodelan sistem untuk tahap requirement, analysis, dan design selanjutnya diimplementasikan menggunakan bahasa pemrograman CI (Code Igniter) dan database MySQL . Sistem informasi penjualan apotek mempunyai fungsi mengatur manajemen apotek dalam hal pencatatan transaksi penjualan obat, transaksi pembelian obat, penambahan data obat, penambahan data pelanggan, penambahan data pemasok, penambahan data dokter dan paramedis, dan pembuatan laporan. Adanya sistem informasi manajemen apotek dan basis data mempermudah pengaturan manajemen di apotek 27 Lamongan .

Guide robot merupakan robot layanan yang dirancang untuk memandu manusia menuju lokasi tertentu dengan kemampuan interaksi sosial. Secara umum, guide robot memiliki dua tugas utama, yaitu koordinasi dan navigasi. Navigasi berfokus pada pergerakan menuju tujuan sambil menghindari objek di lingkungan, sedangkan koordinasi berperan untuk memastikan partner benar-benar mengikuti robot. Pada proyek akhir ini, fokus utama adalah pada sistem koordinasi. Agar dapat berkoordinasi secara efektif, robot perlu memiliki social awareness, kemampuan untuk memahami dan merespons lingkungan sosial tanpa instruksi eksplisit dari partner. Dalam sistem ini, social awareness dicapai dengan mengenali partner melalui kombinasi dua fitur utama yaitu warna pakaian, yang diekstraksi dalam bentuk histogram HS dari citra RGB, serta posisi yang diperoleh dari sensor depth dan dihitung menggunakan jarak Euclidean. Selain mengenali identitas partner, sistem juga memantau perilaku mereka melalui dua parameter tambahan yaitu orientasi kepala sebagai indikator attention dan orientasi badan sebagai indikator intention. Semua parameter ini diproses menggunakan Social Force Coordination Model, yang menghasilkan gaya koordinasi untuk mengatur gerak robot, apakah perlu mempercepat, melambat, berhenti, atau terus berjalan. Pengujian dilakukan menggunakan kamera Kinect V2. Hasil menunjukkan bahwa sistem mampu mendeteksi manusia dalam jarak 2–4 meter dengan akurasi sebesar 96%. Deteksi arah kepala memiliki akurasi sebesar 74,3%, sementara arah badan memiliki kesalahan sebesar 86,6%. Sistem juga berhasil mengklasifikasikan partner berdasarkan warna baju dan posisi secara efektif.

Prediksi arus lalu lintas telah menjadi tren topik penelitian saat ini untuk pengembangan sistem transportasi cerdas. Prediksi arus lalu lintas jangka pendek secara akurat akan memberikan informasi arus lalu lintas yang sesuai kepada pengguna jalan dan efektif memecahkan kemacetan lalu lintas. Pada penelitian ini data arus lalu lintas diperoleh melalui survei data LHR (Lalu Lintas Harian Rata-Rata) kendaraan di jalan raya. Lokasi survei data LHR adalah jalan raya di Surabaya. Dari data tersebut maka proses prediksi lalu lintas dengan menggunakan metode Jaringan Syaraf Tiruan dapat dilakukan. Arsitektur yang digunakan dalam Jaringan Syaraf Tiruan ini terdiri dari tiga layer yaitu input layer, hidden layer dan output layer. Data input merupakan data LHR (satuan smp/jam) dalam beberapa hari terakhir. Data input tadi lalu melalui proses training dan testing. Pada proses training terdapat beberapa hal penting yang perlu diperhatikan selain data input seperti parameter learning rate (α), toleransi error (θ), jumlah node pada hidden layer dan fungsi aktivasi yang digunakan. Pada proses testing data yang dinormalisasi pada proses training akan didenormalisasi agar menghasilkan data prediksi kepadatan lalu lintas. Hasil prediksi arus lalu lintas akan ditampilkan pada website sebagai informasi kepada pengguna jalan dan sebagai data perencanaan manajemen lalu lintas kedepannya oleh pihak-pihak terkait.

Produksi garam di Indonesia masih banyak yang menggunakan cara konvensional. Salah satunya yaitu pada proses penguapan air laut yang menggunakan sinar matahari sebagai pemanas. Sifat panas matahari yang homogen dapat menghasilkan suhu untuk memanaskan air laut sehingga suhu tersebut dapat merata di setiap permukaan air. Namun, pada proses tersebut faktor cuaca seringkali menjadi kendala sehingga menyebabkan proses tersebut terhambat bahkan terhenti hingga berbulan-bulan. Untuk mengatasi permasalahan tersebut dibutuhkan sentuhan teknologi yaitu berupa suatu sistem yang dapat bekerja pada proses penguapan air laut hingga menjadi garam. Sistem kontrol pendistribusian suhu dapat diterapkan pada proses penguapan air laut hingga menjadi kristal-kristal garam. Sistem ini dapat bekerja secara hybrid atau bekerja untuk melengkapi panas matahari sehingga dapat mempercepat proses penguapan air laut dan dapat memaksimalkan proses produksi garam. Sistem kontrol ini dapat menjaga suhu pada rentang 30oC-40oC dengan lama waktu 3-5 hari dan dapat menghasilkan kristal garam sebanyak ±10 kg. Proses ini lebih cepat daripada proses konvensional. Dalam sistem kontrol ini digunakan metode Neural Network (NN). Metode ini merupakan metode yang tepat untuk menerapkan konsep MIMO (Multi Input Multi Output) sehingga dapat mempermudah proses kontrol penguapan air laut.