Di Zaman ini , perkembangan dunia Ilmu Pengetahuan dan Teknologi (IPTEK) yang demikian mengagumkan telah membawa manfaat yang luar biasa bagi kemjuan peradaban umat manusia. Contoh saja kemajuan IPTEK adalah aplikasi dan game baik, dimana kedua hal ini sudah sangat berkembang ke berbagai bidang seperti olahraga dan kesehatan. Game dan aplikasi saat ini bukan hanya digunakan sebagai media hiburan saja tetapi juga dapat digunakan sebagai media informasi dan terapi dalam bidang kesehatan. Dalam bidang olahraga, aplikasi dan game digunakan sebagai media latihan untuk meningkatkan performa atlet saat bertanding.Perkembangan teknologi game dan aplikasi dalam dunia olahragabelum cukup mendapat perhatian pemerintah, terutama di Indonesia. Hal ini cukup disayangkan karena efek yang ditimbulkan dari teknologi sangatlah besar. Latihan saja tidak cukup untuk membuat seorang atlet mendapatkan hasil yang masksimal saat perlombaan. Bantuan teknologi sangatlah memiliki dampak yang besar, beberapa teknologi dalam bidang olahraga sudah mulai banyak dikembangkan. Perlu adanya sebuah teknologi yang dapat membantu untuk mengoptimalkan porsi dan pola latihan untuk para atlet. Penulis mengajukan solusi berupa alat olahraga menggunakan sensor dan aplikasi yang saling terintegrasi untuk memonitoring porsi dan pola latihan yang cocok agar latihan yang dilakukan dapat optimal. Untuk pengembangan lebih lanjut, alat dan aplikasi ini bisa dikembangkan menjadi lebih spesifik terhadap kategori olahraga lainnya.

Perkembangan teknologi informasi menuntut keterampilan digital yang tinggi di berbagai sektor industri, namun banyak mahasiswa dan lulusan baru kesulitan dalam menentukan jalur karir yang sesuai dengan potensi dan preferensi mereka. Penelitian ini bertujuan untuk mengembangkan sistem rekomendasi skill pada platform Eduskill berbasis hasil tes kepribadian dan minat pengguna, menggunakan metode Profile Matching. Sistem ini mencocokkan hasil tes dengan profil ideal dari lima jalur keterampilan utama, yaitu Backend Developer, Frontend Developer, UI/UX Designer, Product Manager, dan Data Scientist, dengan memperhitungkan faktor inti (Core Factor) dan faktor pendukung (Secondary Factor). Dataset soal berbasis skala Likert dirancang untuk menghasilkan skor kesesuaian yang kemudian diproses secara otomatis untuk memberikan rekomendasi skill yang personal dan relevan. Hasil ujicoba menggunakan data dummy dari 50 pengguna menunjukkan bahwa sistem mampu memberikan rekomendasi secara efisien dan akurat, dengan waktu pemrosesan rata-rata 1,5 detik per pengguna. Sistem ini diharapkan dapat membantu pengguna mengenali potensi diri dan menentukan jalur keterampilan digital yang tepat untuk meningkatkan kesiapan menghadapi dunia kerja digital.

Machine learning telah banyak digunakan dalam bidang apapun untuk menganalisa sebuah dataset. Salah satu metode machine learning adalah Support Vector Machine. Metode support vector machine disini sebagai nilai akurasi ketepatan dataset diagnosa kondisi pasien tersebut. Pada penelitian kali ini untuk melihat nilai akurasi pada suatu data akan dibedakan berdasarkan rentang usia dan berdasarkan pada jumlah data dengan rentang usia tertentu. Pada data rentang usia dimulai dari rentang usia 29 sampai 39, 40 sampai 49, 50 sampai 59, dan 60 keatas. Sedangkan pada jumlah data dengan rentang usia tertentu sejumlah 20, 40, 60, dan 80 data. Proses training data kali ini menggunakan bahasa pemrograman python dengan menggunakan algoritma svm sehingga dalam prosesnya, dataset akan dibagi menjadi 75 persen data train dan 25 persen data test, dan untuk prosesnya memakai data test sebagai acuan. Dari pengujian yang dilakukan, nilai akurasi paling besar ditunjukkan pada rentang usia 29 sampai 39 dengan memiliki nilai akurasi 75 persen, sedangkan pada rentang usia yang lain dibawah 75 persen. Kemudian pada kategori jumlah data berdasarkan rentang usia tertentu, nilai akurasi paling besar ditunjukkan pada jumlah data sebanyak 80 data pada rentang usia 40 sampai 49 yakni sebesar 72.7 persen. Sedangkan yang lainnya didapatkan nilai akurasi dibawah 72.7 persen. Hal ini menunjukkan bahwa kualitas sebuah dataset sangat mempengaruhi terhadap nilai akurasi yang didapatkan. Setelah itu dilakukan sebuh proses waktu komputasi untuk mengetahui berapa waktu yang dibutuhkan dalam melakukan training sebuah dataset dalam pengujian kali ini. Dalam pengujian kali ini digunakan 5 sampel data pada rentang usia 40 sampai 49. Dari kelima sampel tersebut kemudian dirata rata, dan hasil yang didapatkan berkisar 0.89 detik. Angka tersebut adalah waktu untuk memproses sebuah data dengan jumlah data sebanyak 20 hingga 80 data.

Pada umumnya banyak dari pengguna sepeda MTB kurang memahami bagaimana cara mengatur shifter secara manual. Keterlambatan perpindahan gir pada kondisi jalan menanjak dapat mengakibatkan pedalan menjadi bertambah berat. Selain itu efek samping lainnya dari kesalahan pengaturan posisi gir dapat memperpendek umur rantai dan gir. Perpindahan posisi gir dikondisikan dengan kecepatan dan kemiringan jalan. Kecepatan diukur menggunakan sensor reed switch yang diletakkan pada bagian belakang sepeda dan kemiringan jalan diukur menggunakan sensor GY-521. Pengaturan gir belakang menggunakan motor DC power window untuk menarik dan menahan kawat yang terhubung dengan gir selector belakang. Pada sudut 0⁰ dan kecepatan 17 km/jam menghasilkan posisi gir 5, sudut 10⁰ dan kecepatan 27 km/jam menghasilkan posisi gir 4 sudut 15⁰ dan kecepatan 23 km/jam menghasilkan posisi gir 3, dan sudut 20⁰ dan kecepatan 21 km/jam menghasilkan posisi gir 3 Rata- rata pembacaan error pembacaan kemiringan sebesar 3,31% dan kecepatan sebesar 1,87%. Persentase keberhasilan dari seluruh percobaan perpindahan gir berdasarkan kecepatan dan kemiringan yang telah dilakukan adalah sebesar 89,83%.

Battery adalah media penyimpanan energi listrik dalam bentuk energi kimia, yang mana dari energi tersebut dapat dikonversikan menjadi daya. Pada akhir-akhir ini ditemukan banyak kasus tentang umur battery yang pendek hal tersebut disebabkan oleh penggunaan yang tidak ideal dan baterai tidak dilengkapi system proteksi dan monitoring, sehingga beterai tetap beroperasi meskipun dalam kondisi over voltage, over current, dan over heat saat charging. Pada proyek akhir ini jenis baterai yang digunakan adalah jenis accu yang terdapat pada mobil 12V 70Ah.Tegangan input yang digunakan untuk charging accu ini berasal dari jala-jala PLN 220V_ac. lalu dirubah menjadi tegangan DC dengan Full Wave Rectifier dan di turunkan tegangannya sesuai yang dibutuhkan beban dengan Buck Converter. Metode yang digunakan yaitu metode constant voltage. Sensor yang dipakai ada 2, yaitu: sensor tegangan dan sensor arus ACS 712 digunakan untuk mengirim informasi mengenai kondisi accu ke mikrokontroller STM32F1 sebagai pusat kendali. Kondisi accu di monitoring lewat LCD dan apabila accu telah terisi penuh maka pengguna dapat mengerti dikarenakan ada pemberitahuan lewat SMS Gateaway