Deteksi kondisi oli sangat penting untuk kendaraan bermotor, termasuk sepeda motor. Deteksi ini adalah untuk mengetahui apakah oli sepeda motor masih dalam kondisi baik sehingga belum perlu diganti atau oli harus diganti, karena oli berfungsi untuk mengoptimalkan kerja mesin agar sepeda motor melaju secara normal. Namun masyarakat masih kesulitan untuk menentukan kapan penggantian oli harus dilakukan, sehingga pemilik sepeda motor kemudian mengganti oli hanya berpatokan pada jarak tempuh atau angka yang tertera pada odometer saja. Pada penelitian ini, telah dibuat sebuah sistem pendeteksi kondisi oli pada sepeda motor dengan menggunakan sensor suara dimana sensor suara digunakan untuk merekam suara yang dihasilkan dari sepeda motor dengan dua kondisi, yaitu sepeda motor dengan kondisi oli yang masih belum perlu diganti dan sepeda motor dengan kondisi oli yang harus diganti. Suara yang berhasil direkam kemudian diolah melalui dua proses pengolahan sinyal, yaitu ekstraksi fitur dan pengenalan pola. Proses ekstraksi fitur dilakukan dengan metode Mel Frequency Cepstral Coefficient (MFCC). Koefisien MFCC yang telah diekstrak selanjutnya menjadi masukan dalam proses pengenalan pola dengan metode Support Vector Machine (SVM) untuk menentukan kondisi oli dari sepeda motor tersebut apakah harus diganti atau belum perlu diganti. Pada penelitian ini, sistem telah berhasil mendeteksi kondisi oli pada sepeda motor dengan tingkat keakuratan mencapai 100%.

Penelitian ini mengusung tema pengenalan wajah untuk mendeteksi wajah pengunjung dengan cara menghitung berapa kali pengunjung yang melakukan transaksi. Urgensi penelitian ini adalah untuk memanfaatkan teknologi pengenalan wajah untuk verifikasi citra wajah. Tujuan dari penelitian ini adalah mengembangkan dan mengimplementasikan sistem verifikasi wajah untuk kepentingan umum seperti tujuan komersial misalnya untuk kepentingan promosi dengan cara memberikan bonus untuk seberapa banyak transaksi pengunjung. Metode yang digunakan menggunakan deep metric learning (DML) untuk membuat model yang bisa memverifikasi wajah yang berbeda melalui arsitektur Convolutional Neural Network (CNN) yang berfungsi untuk training data citra wajah manusia. Training data menggunakan metode triplet loss karena dinilai lebih fleksibel dalam penggunaan label (disini berupacitra wajah) untuk membandingkan dengan citra wajah yang dideteksi. Model yang digunakan untuk aplikasi pengenalan wajah adalah facenet karena dinilai memiliki akurasi yang cukup tingggi. Hasil luaran penelitian berupa aplikasi yang dapat memverifikasi citra wajah secara cepat dan akurat serta menghitung jumlah transaksi pengunjung. Jumlah transaksi pengunjung nantinya dapat digunakan sebagai promo atau diskon dalam layanan komersil.

Pada penelitian ini telah dilakukan pengembangan sistem klasifikasi pola gerakan tangan yang terhubung dengan alat bantu tangan orthosis. Studi tentang gerakan tangan dan jari merupakan topik penting dan potensial yang kegunaannya dapat diaplikasikan pada bidang prostetik, rehabilitasi, dan ergonomi. Beberapa tahun terakhir telah dilakukan upaya dalam proses mengidentifikasi skema kontrol yang sesuai dengan penggunaan feature extraction, dimensionality reduction, dan classification techniques untuk melakukan improvisasi keakuratan pengenalan sinyal electromyography (EMG). Algoritma klasifikasi diawali dengan pemilihan penempatan sensor elektroda untuk mendapatkan sinyal EMG paling optimal, kemudian dilakukan beberapa ekstraksi untuk mendapatkan karakteristik sinyal EMG yang akan digunkan sebagai input classifier Backpropagation Neural Network. Hasil menunjukkan klasifikasi pola gerakan tangan mencapai akurasi 93,13%. Selanjutnya, model dari pembelajaran classifier diintegrasikan dengan alat bantu tangan orthosis. Solusi ini dapat membantu dalam pengembangan di bidang medis khususnya pengembangan penggunaan sinyal EMG yang dikombinasikan dengan pengembangan alat bantu tangan orthosis yang dapat bermanfaat bagi masyarakat yang membutuhkan.

Semakin meningkatnya peminat tes CPNS dan tren kursus online di indonesia, menunjukkan akan pentingnya pembangunan platform kursus online persiapan tes CPNS yang nyaman digunakan serta memenuhi kebutuhan pengguna. Sayangnya, pada platform kursus online Haycpns, hal tersebut belum tercapai karena platform tersebut memiliki tingkat penyelesaian kursus yang rendah serta memiliki skor kepuasan pelanggan (CSAT) yang rendah pula. maka, pada penelitian ini dilakukan perancangan dan pengembangan ulang aplikasi kursus online berbasis website Haycpns dengan fokus pada peningkatan motivasi pengguna dalam mencapai tujuan dalam produk. Salah satu metode untuk meningkatkan usaha & motivasi pengguna untuk mencapai tujuan dalam produk adalah dengan mengimplementasikan goal-gradient effect. Goal-gradient effect menyatakan bahwa pengguna akan termotivasi & memberikan usaha yang lebih saat mendekati garis finish. Penelitian ini terinspirasi oleh penelitian yang berjudul "Online Gamer Loyalty: The Perspective of Goal Gradient Theory" yang ditulis professor Ching-I Teng. Pada penelitian tersebut, metode goal-gradient telah teruji dan dapat meningkatkan motivasi, usaha, bahkan loyalitas pengguna terhadap suatu produk. sehingga diterapkannya goal-gradient effect pada penelitian ini dapat memberikan kontribusi dalam usaha meningkatkan tingkat penyelesaian kursus serta meningkatkan kepuasan pengguna. pengembangan website pada penelitian ini menerapkan metode penunjang, mobile-first design dan responsive website design, guna meningkatkan kenyamanan dan kemudaha n penggunaan aplikasi. Pada akhir penelitian ini, telah berhasil dilakukan perancangan dan pengembangan aplikasi kursus online berbasis website dengan mengimplementasikan Goal-Gradient Effect dan skor kepuasan pelanggan (CSAT) dari website haycpns meningkat dari 42,8 menjadi 94,4. Hal tersebut menunjukkan bahwa membangun website dengan mendengarkan kebutuhan pengguna merupakan hal yang sangat penting, sehingga produk aplikasi yang dihasilkan akan dapat diterima.

Sistem pemantauan suhu dan kelembapan serta kontrol suhu pada ruangan menjadi kritis termasuk untuk menajemen energi dan keamanan peralatan. Equipment Room Sintelis PT. KAI belum menerapkan sistem pemantauan suhu kelembapan serta pengontrol suhu yang mudah diterapkan dan efektif. Penelitian ini bertujuan merancang dan mengimplementasikan sistem pemantauan suhu kelembapan beserta pengontrol suhu berbasis Bot Telegram untuk mempermudah pekerja perawatan. Tahapan meliputi perancangan hardware System, konfigurasi sensor, dan integrasi antara sistem dengan Bot Telegram. Evaluasi pertama dilakukan dengan pengujian perbandingan antara sensor DHT22 yang telah terkonfigurasi dengan taffware digital temperature. Hasil menunjukkan sistem berfungsi stabil dengan performa akurasi mencapai 98,1%. Lanjut, evaluasi kedua dilakukan pengujian sistem terhadap Equipment Room guna menngklasifikasikan kategori dalam ruangan, yang menunjukkan hasil dengan rata-rata nilai suhu 23,1oC dalam 15 kali pengambilan data dan rata-rata nilai kelembapan 51,01% dalam 15 kali pengambilan data. Evaluasi ketiga dilakukan guna pengujian keandalan sistem kontrol suhu terhadap AC berbasis Bot Telegram, kontrol AC menggunakan 2 jenis perintah yakni perintah otomatis dan perintah manual. Hasil ini menunjukkan kestabilan penggunaan sistem dalam memantau suhu kelembapan dan mengontrol AC, yang bermanfaat untuk pengendalian resiko terjadinya kondensasi terhadap peralatan elektronik pada Equipment Room. Penelitian ini menjaddi model implementasi pemantauan suhu kelembapan dan pengontrol AC berbasis Bot Telegram yang efisien terhadap Equipment Room Sintelis PT. KAI.