Pengiriman barang dalam industri digital menghadapi tantangan meningkatnya permintaan dan kebutuhan akan kecepatan serta keandalan. Masalah keamanan penerimaan barang tetap menjadi perhatian utama, dengan sering kali barang diterima oleh pihak yang salah karena kurangnya validasi penerimaan yang efektif. Untuk mengatasi ini, dikembangkan aplikasi mobile yang memastikan pengiriman barang hanya sampai kepada penerima sah menggunakan teknologi pengenalan wajah FaceNet untuk autentikasi penerima. Pengguna mendaftar dengan mengunggah citra wajah ke dalam dataset, yang kemudian dibandingkan secara real-time saat penerimaan barang. Sistem ini juga dilengkapi verifikasi tambahan berupa One Time Password (OTP) untuk keamanan ekstra. Aplikasi ini menggunakan teknik anti-spoofing untuk mencegah penipuan dengan foto atau video, memastikan bahwa wajah yang dideteksi adalah wajah hidup. Pengujian sistem menunjukkan bahwa pengenalan wajah menggunakan FaceNet mampu mendeteksi dengan akurasi tertinggi 100% dan terendah 87% dari sampel 7 orang. Aplikasi ini mengenali wajah bahkan dalam kondisi sulit seperti perubahan posisi atau penggunaan aksesori, meskipun akurasi dapat dipengaruhi oleh jarak dan penggunaan masker. Pengujian lain menunjukkan tingkat kesalahan rendah dengan rentang threshold antara 85 hingga 90 untuk False Acceptance Rate (FAR) dan False Rejection Rate (FRR), menegaskan kehandalan sistem dalam memastikan validitas penerimaan barang. Secara keseluruhan, aplikasi ini berhasil mengintegrasikan teknologi pengenalan wajah canggih dan anti-spoofing dengan aplikasi dan server lokal, mencapai akurasi pengenalan wajah hingga 95.4%. Ini meningkatkan keamanan dalam penerimaan barang, menawarkan solusi andal dan efektif untuk mendukung industri pengiriman barang di era digital saat ini.

Menurut Global Cancer Observatory, kanker paru merupakan kanker dengan jumlah kematian paling banyak di 2020. Deteksian kanker paru dapat didiagnosis oleh ahli radiologi dengan menggunakan metode CT scan (computed tomography scan). Tetapi, diagnosis penyakit dari gambar CT scan merupa cara manual yang masih digunakan hingga saat ini. Hal ini dapat mengakibatkan tingkat diagnosis yang tidak akurat hingga mencapai prosentase 25%. Maka dari itu, dalam penelitian akan membuat sebuah system baru yang bertujuan untuk menghasilkan suatu sistem yang dapat membantu mendiagnosa citra paru dan mengklasifikasikan paru-paru dalam tipe normal, tumor, atau kanker. Proses awal dalam sistem akan dimulai dengan pemrosesan awal pada citra paru untuk menyiapkan citra paru sebelum masuk ke tahap berikutnya. Kemudian dilakukan proses mencari parameter yang terbaik menggunakan hyperparameter tunning untuk digunakan dalam proses klasifikasi. Lalu akan ada proses ekstraksi ciri dan klasifikasi menggunakan CNN. Pada penelitian ini, dataset diambil dari The Lung Image Database Consortium image collection (LIDC-IDRI). Jumlah citra paru yang digunakan adalah 4923 citra paru normal, 2748 citra paru tumor, dan 3691 citra paru kanker. Akurasi yang dihasilkan system pada pendeteksian kanker paru ini adalah 95%. Dengan terbentuknya system ini, kami berharap dapat membantu para dokter mendiagnosis dan mengurangi tingkat tingkat diagnosis yang tidak akurat dalam bidang kedokteran

Pertumbuhan penduduk mengalami peningkatan sangat pesat setiap tahunnya. Peningkatan yang terjadi akan mempengaruhi terhadap kebutuhan transportasi. Salah satu moda transportasi darat yang paling banyak digunakan di Indonesia adalah sepeda motor. Kesadaran akan keselamatan lalu-lintas yang dilakukan oleh pengendara sepeda motor tersebut tentunya perlu untuk ditingkatkan karena akan berdampak pada meningkatnya jumlah kecelakaan yang terjadi, faktor manusia memiliki pengaruh kontribusi tinggi terhadap kecelakaan lalu lintas. Sehingga pada penelitian ini, akan diimplementasikan pada sebuah aplikasi android untuk mendeteksi aktivitas Abnormal Driving pada pengendara sepeda motor, dengan memanfaatkan sensor yang ada dalam smartphone yaitu Accelerometer dan Gyroscope. Data sensor Accelerometer dan Gyroscope digunakan untuk identifikasi jenis aktivitas perilaku mengemudi. Parameter aktivitas yang diamati yaitu diantaranya zig-zag, sleepy, rem mendadak dan tancap gas. Pada hasil akhir, akan disimpulkan apakah pengemudi termasuk kategori Abnormal Driving atau tidak. Jika pengemudi tidak melebihi tiap batas dari parameter tersebut, maka pengemudi termasuk ke dalam kategori Normal Driving dan akan mendapatkan reward sedangkan jika sebaliknya maka akan mendapatkan Alarm dan notifikasi warning. Proses identifikasi aktivitas mengemudi berbasis Machine Learning dengan algoritma Support Vector Machine (SVM) and Artificial Neural Network (ANN) algorithms. Smartphone diletakkan pada bagian speedometer sepeda motor pengguna dengan fixed-position (tidak berubah tempat) untuk klasifikasi jenis aktivitas yang dilakukan. Dari hasil pembangunan model, didapatkan bahwa ANN adalah algoritma yang cocok dengan penelitian ini. Sehingga setelah dilakukan pengujian terhadap 10 driver, mendapatkan akurasi sebesar 97%.

Masih sering terjadinya pemadaman listrik sesaat didaerah pedesaan saat malam hari, sedangkan masyarakat setempat membutuhkan penerangan untuk rumah tinggal mereka. Sehingga diperlukan suatu alat cadangan daya yang tidak menimbulkan polusi suara seperti (genset) untuk menyuplai daya secara otomatis saat terjadi pemadaman secara sesaat, maka perlu diupayakan sumber energi alternatif. Dalam proyek akhir ini dibuat suatu alat yaitu “sistem daya darurat 100 watt otomatis pada rumah tinggal” guna menyuplai beban penerangan pada rumah tinggal ketika terjadi pemadaman dari PLN. Didalam peralatan ini terdapat mikrokontroller ARM STM32F407 sebagai pusat kontrol, rangkaian boost converter untuk menaikkan tegangan dari baterai 24Vdc menjadi 50Vdc, terdapat rangkaian inverter 1 fasa guna merubah tegangan DC menjadi tegangan AC 35Vac, dan sebuah transformator step-up untuk menaikkan output inverter menjadi 220Vac dengan daya maksimal 100 W/50Hz. Dan dilakukan pengujian integrasi beban lampu pijar 100 watt dengan tegangan input boost converter sebesar 24.03Vdc menghasilkan tegangan output transformator step-up sebesar 217Vac dan diperoleh daya terukur sebesar 92 watt serta tegangan output boost converter tetap terjaga sebesar 56Vdc walaupun tegangan masukannya sedikit mengalami perubahan.

Penelitian ini bertujuan untuk menerapkan psikologi warna dan tekstur pada elemen visual statis dalam game survival sebagai media untuk membangun atmosfer lingkungan dan menyampaikan kondisi emosional karakter. Penelitian ini dilatarbelakangi oleh pemanfaatan elemen visual yang umumnya hanya berfokus pada aspek estetika, padahal warna dan tekstur dapat menjadi media komunikasi nonverbal yang memengaruhi persepsi pemain. Metode yang digunakan adalah ADDIE (Analysis, Design, Development, Implementation, dan Evaluation). Tahap analisis dilakukan melalui studi literatur dan analisis referensi visual dari beberapa game survival. Selanjutnya dirancang palet warna, tekstur, dan lingkungan permainan yang merepresentasikan emosi isolasi, bahaya, rasa aman, dan harapan. Proses pengembangan dilakukan menggunakan Blender, Substance Painter, dan Unreal Engine, kemudian diimplementasikan pada game RED LIFE. Evaluasi dilakukan melalui pengujian menggunakan kuesioner skala Likert dan validasi oleh evaluator untuk menilai kesesuaian visual dengan emosi yang ingin disampaikan. Hasil penelitian menunjukkan bahwa penerapan psikologi warna dan tekstur mampu memperkuat atmosfer lingkungan, meningkatkan persepsi pemain terhadap situasi permainan, serta mendukung penyampaian emosi melalui visual statis. Dengan demikian, warna dan tekstur tidak hanya berfungsi sebagai elemen estetika, tetapi juga sebagai media storytelling nonverbal yang dapat meningkatkan pengalaman bermain pada game survival.