Hipertensi merupakan salah satu masalah kesehatan yang serius di Indonesia. Berdasarkan Riset Kesehatan Dasar, prevelansi hipertensi pada penduduk umur 18 tahun ke atas sebesar 25,8% dan diprediksi akan meningkat tajam menjadi 29% pada tahun 2025. Hipertensi disebut sebagai silent killer karena penderita baru akan menyadari saat penyakit menjadi semakin parah atau timbul komplikasi. Pada studi estimasi tekanan darah sebelumnya, banyak penelitian yang menggunakan gabungan antara sinyal Elektrokardiogram (EKG) dan sinyal Photoplethysmography (PPG) dengan metode perhitungan Pulse Transite Time (PTT). Metode ini tidak efisien karena membutuhkan lebih sensor dan waktu. Untuk itu, diperlukan alat estimasi tekanan darah non invasif menggunakan sinyal EKG dan umur sebagai parameternya. Hasil ekstraksi ciri dari sinyal EKG dengan timer mikrokontroler dan algoritma Peak Detection dapat menghasilkan parameter berupa durasi ventrikular sistole dan ventrikular diastole. Sebanyak 56 data diambil dari subjek sehat berumur 19 sampai 58 tahun yang digunakan untuk parameter input. Sebanyak 4 model Machine Learning digunakan untuk pelatihan dan evaluasi model. Hasil evaluasi menunjukkan model ANN memiliki akurasi terbaik dengan nilai MAE training 2,39 mmHg untuk tekanan sistolik dan 2,18 mmHg untuk tekanan diastolik. Hasil pengujian model ANN dengan data tes menunjukkan MAE sebesar 2,3 mmHg untuk tekanan sistolik dan 2,9 mmHg untuk tekanan diastolik.

Di era endemi atau yang sering disebut dengan pasca pandemi ini kebiasaan-kebiasaan yang ada pada masa pandemic COVID-19 masih saja menjadi rutinitas, tak terkecuali kebiasaan-kebiasaan yang kurang baik. Salah satu kebiasaan tersebut ada pada bidang pendidikan yang sering kali melalaikan pelajar atas kewajiban dan hak mereka untuk belajar. Hal ini terjadi karena banyaknya distraksi yang lebih menarik ketika melakukan kegiatan belajar jarak jauh yang tidak dapat dipantau langsung oleh pihak pengajar. Maka dari itu media pembelajaran yang menarik bagi mereka perlu diciptakan dan dikembangkan. Sehingga mereka dapat terhibur sekaligus belajar. Salah satu media pembelajaran yang penulis buat yakni menggunakan teknologi animasi 2d live rigging menggunakan karakter atau sering disebut dengan VTuber. VTuber umumnya memang memuat konten hiburan. Namun, disini akan diciptakan VTuber yang menghibur sekaligus menyampaikan ilmu-ilmunya khususnya pada mata pelajaran matematika. Untuk memastikan bahwa media pembelajaran jenis ini menarik, maka dilakukan pengujian terhadap target penonton dan juga pihak-pihak ahli setelah produksi. Dalam pengujian ini menggunakan pendekatan skala likert yang akan menunjukkan nominal tingkat keberhasilan dan juga observasi secara langsung.

Pembangkitan kunci LoRa adalah proses pembuatan kunci unik untuk digunakan dalam jaringan LoRa. Kunci-kunci ini digunakan untuk mengamankan komunikasi antara perangkat-perangkat dalam jaringan LoRa dan memastikan keamanan data yang dikirim. Untuk mendukung penggunaan LoRa yang semakin meningkat, kami mengusulkan metode pembangkitan kunci yang disebut Curve Fitting with Quantizaion 2 Ary, yang menggunakan metode pra-proses berbasis Curve Fitting. Kami melakukan pengujian dengan variasi data, melibatkan 6 kondisi berbeda yang diproses menggunakan metode curve fitting pada tahap pra-proses. Koefisien korelasi ditingkatkan lebih lanjut menggunakan kuantisasi multi-bit 2 Ary. Kesalahan bit yang tersisa diperbaiki menggunakan kode BCH. Untuk meningkatkan acak kunci, kami menggunakan Universal Hash dan SHA 128. Pengujian kinerja dilakukan menggunakan parameter-parameter seperti autokorelasi, NIST, KDR, dan KGR. Hasil eksperimen menunjukkan bahwa Curve Fitting with Quantizaion 2 Ary, menghasilkan minimum 5 kunci untuk kondisi luar ruangan pada jarak 500 meter dan maksimum 11 kunci untuk kondisi dalam ruangan pada jarak 60 meter.

Masalah yang dihadapi pada pandemi yang terjadi sekarang adalah tenaga medis di Indonesia yang jumlahnya terbatas dalam menangani COVID-19. Orang yang berpotensi mengidap virus ini sulit terdeteksi pada tahap awal orang tersebut terkena infeksi virus. Menurut https://ourworldindata.org/, negara dengan kurva pengidap COVID-19 yang semakin turun menunjukkan bahwa dari variabel testing_per_million lebih besar nilainya dari population_per_million, sedangkan di negara seperti Indonesia, India, dan Italia masih jauh lebih banyak nilai population_per_million-nya. Sayangnya, kapasitas pengujian untuk mendeteksi adanya COVID-19 masih sangat terbatas di Indonesia bahkan di dunia. Hal ini disebabkan salah satunya adalah kurang pahamnya masyarakat terhadap pola penyebaran dari wabah ini. Maka dari itu dibutuhkan sebuah sistem prioritas dan untuk menunjang testing mandiri sehingga diharapkan memudahkan tenaga medis menangani calon pasien. Sistem ini menggunakan alur Priority-based Automating testing System (PbATS) dengan pendekatan Machine Learning. Proyek akhir ini mengajukan ide mengenai sebuah sistem pemrioritasan dan testing mandiri yang diharapkan dapat menjawab prmasalahan diatas. Sistem ini dibuat menggunakan alur Priority-based Automating testing System (PbATS) dengan pendekatan Machine Learning menggunakan algoritma K-Means Clustering. Didapatkan sebuah model skenario ketiga yang memiliki akurasi sebesar 86,54% dengan dilakukan external cluster validation. Selanjutnya model tersebut diimplementasikan dengan dibuat layanan API untuk dikonsumsi oleh aplikasi. Selain membantu dalam melakukan prioritas penanganan berdasarkan jenis pasien, juga membuat tenaga medis yang dikerahkan menjadi lebih efektif dan lebih tepat sasaran.

Banyak peneliti yang telah menganalisis gempa bumi untuk memprediksi periode waktu kejadian gempa. Namun, mereka sulit untuk memvisualisasikan hasil prediksi tersebut sehingga sulit untuk dibaca dan dipahami oleh masyarakat. kesulitan tersebut mengakibatkan kurang optimalnya tindakan pemerintah dalam memberikan sistem peringatan dini. makalah ini mengusulkan sebuah pendekatan baru untuk memvisualisasikan kegempaan prediksi gempa menggunakan pengelompokan otomatis berdasarkan cluster. pengelompokan otomatis dalam penelitian ini menggunakan metode valley-tracking untuk menentukan jumlah yang paling optimal dari cluster dan menggunakan hierarchical clustering dalam proses pengelompokkannya. Setiap cluster akan dianalisis untuk menghitung periode waktu kejadian gempa dan menentukkan probabilitas dari perhitungan prediksi tersebut menggunakan hukum Guttenberg-richter. setiap hasil prediksi akan ditampilkan berdasarkan parameter pencarian yang ditentukan oleh pengguna. kami telah membuat serangkaian eksperimen menggunakan data gempa dari tahun 1963 hingga 2015 di Indonesia. Hasil penelitian tersebut menunjukkan tingginya akurasi dalam memprediksi gempa dengan kekuatan magnitude sebesar 6 dan 7 Skala Richter, namun tingkat akurasi semakin rendah untuk memprediksi gempa dengan kekuatan magnitude 8 Skala Richter keatas.