Sistem keamanan di wilayah publik dengan intensitas aktivitas tinggi, seperti lingkungan kampus, saat ini masih sangat bergantung pada pengawasan manual petugas melalui perangkat CCTV konvensional. Ketergantungan pada observasi manusia ini memiliki kelemahan signifikan berupa kelelahan kognitif dan risiko kesalahan manusia (human error) yang tinggi, sehingga deteksi dini terhadap ancaman keamanan sering kali terlambat. Oleh karena itu, diperlukan solusi teknologi otomatis yang mampu melakukan pemantauan dan pelacakan individu secara presisi dan real-time. Penelitian ini menawarkan solusi berupa sistem pelacakan manusia berbasis wajah dengan memanfaatkan layanan cloud AWS Rekognition. Sistem ini dirancang menggunakan arsitektur hybrid yang mengintegrasikan infrastruktur lokal untuk ekstraksi frame video menggunakan FFmpeg dengan ekosistem serverless AWS untuk analisis biometrik yang berat. Metodologi yang digunakan mencakup pengembangan backend menggunakan Hapi.js dan frontend berbasis React.js untuk visualisasi data, serta PostgreSQL sebagai penyimpanan metadata hasil deteksi. Orisinalitas penelitian ini terletak pada integrasi antarmuka web yang fleksibel dengan layanan cloud tanpa bergantung pada infrastruktur CCTV tetap yang mahal, sehingga memungkinkan skalabilitas yang tinggi. Eksperimen dilakukan dengan menguji sistem pada berbagai kondisi pencahayaan dan skenario, baik untuk wajah yang terdaftar maupun pengunjung asing. Hasil uji coba menunjukkan bahwa sistem mampu mencapai tingkat akurasi deteksi sebesar 99,97% pada kondisi pencahayaan ideal dan tetap stabil pada angka 98,85% di lingkungan operasional kelas. Analisis kinerja juga mengonfirmasi bahwa penggunaan in-memory buffer processing dapat meminimalkan latensi transmisi data secara signifikan, menjadikannya solusi yang efisien untuk kebutuhan keamanan modern.

Komposter adalah alat yang digunakan untuk membuat kompos. Pada masa ini, masyarakat masih membuat kompos di komposter dengan menggunakan cara manual mulai dari pengadukan kompos, penyiraman kompos dan memantau kondisi kompos setiap saat. Oleh karena itu dibuat sebuah alat bantu pembuat kompos yang dapat melakukan kontrol bahan kompos secara otomatis. Di dalam tabung komposter ditanamkan sensor suhu dan kadar air untuk mengecek kondisi kompos secara kontinyu sebagai input kontrol secara otomatis untuk suhu dan kadar air yang merupakan faktor penting keberhasilan kompos. Kontrol otomatis yang diterapkan pada sistem menggunakan metode logika fuzzy yang dapat menentukan keputusan untuk input yang berada diantara logika high dan low. Output yang akan dijalankan dari pembacaan sensor suhu dan kadar air yaitu berupa pemanasan, penyiraman dan pengadukan kompos. Dengan suhu kompos dan kadar air kompos yang teratur secara kontinyu diharapkan proses pengomposan dapat berlangsung lebih cepat dan menghasilkan pupuk kompos yang berkualitas. Komposter dilengkapi dengan sensor gas untuk mendeteksi metana yang dihasilkan pada saat proses pengomposan. Sensor gas yang digunakan yaitu MQ4 sebagai monitoring apakah masih terjadi proses fermentasi pada kompos. Suhu, kadar air, dan gas metana dapat dimonitoring pada LCD 16x2 dan direkam dengan SD Card. Dari desain sistem pengontrolan suhu yang telah dirancang, dengan menggunakan kontrol fuzzy yang telah dibuat telah menyesuaikan dengan masukan setting point yang ditentukan, dengan pembacaan kesalahan mencapai 1.7% pada setting point 40 derajat celcius. Dan dari desain sistem pengontrolan kadar air, kontrol fuzzy untuk kadar air awal 31% menghasilkan output penyiraman selama 7 detik, sensor mendeteksi kadar air telah mencapai set point 55% selama 10 detik.

Pengembangan alat bantu presentasi sudah cukup berkembang salah ‎satunya ialah laser pointer, namun fitur pengontrolan slide power point dari ‎alat digital ini hanya berbatas pada fitur berpindah slide. Oleh karena itu ‎penelitian ini bermaksud mengembangkan alat bantu presentasi dengan ‎tambahan fitur pengontrolan slide presentasi dengan pengontrolan ‎berdasarkan isyarat gerakan tangan yang diberikan melalui sarung tangan ‎yang dilengkapi dengan sensor flexi force dan accelerometer. Data sensor ini ‎kemudian dilakukan pengenalan isyarat dengan algoritma self organizing ‎map melalui tahapan pelatihan jaringan sebagai proses awal untuk ‎mendapatkan bobot pada neuron untuk kemudian dilakukan proses ‎clustering. Bobot – bobot dengan nilai ekstraksi yang mempunyai ‎kemiripan berada pada cluster yang sama. Kemudian dilakukan proses ‎pengenalan sebagai tahap kedua dari algoritma SOM dengan mendapatkan ‎jarak terdekat antara data sensor yang masuk dengan bobot yang terdapat ‎pada neuron untuk mendapatkan neuron pemenang. Pembaharuan nilai ‎bobot neuron menjadi tahap akhir dari proses pengenalan. Berdasarkan ‎hasil pengujian pengenalan isyarat tangan dengan 6 buah isyarat ‎mempunyai keberhasilan 80,83%% dari 140 kali pengujian dan rata – rata ‎lama proses pengenalan isyarat 1264 ms‎

Siaran radio merupakan salah satu dari banyak media massa yang dapat memberikan kita begitu banyak informasi, ilmu pengetahuan, hiburan dan lain sebagainya. Dalam perkembangannya, siaran radio telah menyebar diberbagai benua dan diterapkan hampir diseluruh negara di dunia. Semakin bertambahnya keberadaan stasiun radio FM di Indonesia membuat spasi kanal frekuensi radio di Indonesia semakin menipis. Hal ini dikarenakan pada radio analog FM, setiap satu spasi kanal frekuensi FM hanya dapat digunakan oleh satu stasiun radio FM saja. Oleh karena itu pengalihan teknologi radio analog menjadi digital dapat menjadi sebuah solusi yang baik. Perkembangan teknologi digital akhir-akhir ini sangat pesat. Dalam perkembangan ini salah satu teknologi digital yang sedang berkembang adalah Digital Audio Broadcasting (DAB). Proyek akhir ini memiliki fokus untuk membuat simulasi dari sistem DAB menggunakan SDR dan membuat analisa tentang kinerja sistem DAB. Sistem DAB ini dirancang dengan menggunakan software LabVIEW. T-DAB atau disebut juga radio digital dirancang khusus sebagai penyiaran untuk mobile receiver yang memiliki interval frekuensi dari 30 MHz hingga 3 GHz. Interval tersebut merupakan interval frekuensi yang berada pada band III yaitu band VHF (very high frequency). Untuk spesifikasi penggunaan frekuensi DAB yaitu pada frekuensi 174 MHz hingga 230 MHz. Untuk modulasi yang digunakan adalah 4-QAM. Hasil yang diharapkan pada proyek akhir ini adalah berupa sistem DAB yang akan menghasilkan keluaran yang dikirimkan oleh pemancar. Pada penelitian ini, akan didapatkan hasil menurut kualitas data yang diterima didasarkan dengan blok diagram dari sistem DAB yang telah diimplementasikan. Pada dasarnya pada penelitian ini akan didapatkan hasil dari implementasi blok diagram sistem DAB yang digunakan untuk memancarkan dan menerima sinyal DAB. Data yang dikirimkan akan diproses pada sistem DAB dan diamati secara simulasi. Setelah simulasi dapat dihasilkan bahwa sistem bekerja dengan baik. Untuk penggunaan convolutional coding nilai BER yang didapatkan lebih baik, dan bila ditambahkan frequency offset akan berpengaruh pula pada simbol data dan juga mempengaruhi hasil BER. Kata Kunci: Digital Audio Broadcasting, 4-QAM, LabVIEW.

Posyandu memiliki peran penting dalam memberikan pelayanan kesehatan khususnya pada pertumbuhan gizi balita. Pemantauan gizi balita biasanya dengan melakukan penimbangan berat badan, pengukuran tinggi badan dan lingkaran kepala. Dimana hasil pemeriksaan tersebut dicatat dalam Kartu Menuju Sehat (KMS). Pada penelitian ini dilakukan pembuatan website untuk kader posyandu yang dapat membantu dalam memonitoring pertumbuhan dan perkembangan balita secara efisien. Penelitian ini menggunakan tiga parameter yaitu tinggi badan, berat badan dan lingkar kepala. Dari ketiga data tersebut akan diolah menggunakan algoritma clustering K-means dan hasil keluaran akan di kelompokkan menjadi 5 kondisi yaitu gizi buruk, gizi kurang, gizi baik, gizi lebih dan obesitas. Setelah dilakukan perhitungan dan pengujian maka didapatkan hasil yaitu pada cluster pertama didapatkan hasil data sebanyak 2 balita dengan umur 0 – 3 bulan dengan status gizi buruk. Lalu pada cluster kedua diperoleh hasil 2 balita dengan umur 10 – 13 bulan dengan status gizi kurang. Cluster ketiga diperoleh 5 balita dengan umur 30 – 50 bulan dengan status gizi baik. Cluster keempat diperoleh 3 balita dengan umur 12 – 33 bulan dengan status gizi lebih. Dan cluster ke lima diperoleh sebanyak 1 balita umur 60 bulan dengan status gizi obesitas. Lalu diperoleh hasil perbandingan metode k-means clustering dengan data menurut World Health Organization (WHO) menggunakan 3 parameter yaitu tinggi badan, berat badan dan lingkar kepala dengan tingkat akurasi sebesar 38,46%. Pada hasil pengelompokkan ditampilkan di website serta terdapat grafik Kartu Menuju Sehat (KMS).