Sepeda zaman sekarang sebagian besar sudah memiliki sistem gear multipel , dimana sprocket belakang memiliki beberapa set gir yang berbeda jumlah gigi nya, dan dapat dipilih dengan menarik tuas yang ada. Hal ini ditujukan agar pengguna dapat memilih gir mana yang ingin digunakan. Semakin banyak jumlah gigi gir yang dipilih, semakin ringan tenaga yang dibutuhkan untuk mengayuh sepeda. Begitu pula sebaliknya semakin sedikit jumlah gir, semakin banyak tenaga yang dibutuhkan untuk bergerak dari kondisi diam. Idealnya, posisi gear harus berada pada gear terkecil (gigi paling banyak) saat memulai mengayuh dan berangsur angsur gir dipindah ke yang paling besar agar diperoleh kecepatan yang cukup tanpa membuang banyak tenaga. Namun sistem perpindahan gir konvensional yang menuntut input manual dari pengendara terkadang hanya akan membuat pengendara tidak mencapai keadaan ideal karena konsentrasi yang terbagi, antara mengendalikan sepeda dan mengganti gir sehingga banyak tenaga terbuang. Dengan menerapkan penggerak otomatis pada derailleur belakang, posisi gir akan selalu tepat dan ideal serta konsentrasi pengendara bisa penuh dalam mengendalikan sepeda. Sistem gear otomatis ini memanfaatkan input tidak langsung dari pengendara berupa kecepatan perputaran ban (RPM), dan perputaran pedal, menggunakan Hall sensor pada ban dan Reed switch pada pedal. Sementara aktuator atau penggerak gir belakang menggunakan Motor servo yang menggerakkan komponen derailleur secara langsung. Menghasilkan perpindahan gir yang lebih cepat, spontan dan lebih reliabel. Perpindahan gir secara cepat dan terus menerus juga mampu dijalankan dengan lebih baik, walaupun dibutuhkan power ekstra dari baterai saat motor servo menahan posisi gear.

Pandemi Covid-19 telah melanda Indonesia sejak awal tahun 2020 dan sampai saat ini masih berlanjut. Sektor Pendidikan mengalami dampak yang cukup besar, pembelajaran tatap muka harus di gantikan dengan kegiatan serba online. Banyak permasalahan yang timbul dari pembelajaran online , seperti sarana prasarana yang tidak memadai, sistem pembelajaran yang kurang efektif dan kesulitan dalam memahami materi. Pendidikan medis sangat berdampak pada situasi saat ini karena Sebagian besar pembelajarannya menggunakan sarana prasarana dan praktik secara langsung, maka dibutuhkan adanya metode pembelajaran alternatif yang mampu meningkatkan kualitas pembelajaran. Saat ini Teknologi media video conference dapat membantu kegiatan pembelajaran sehingga pengantar tetap dapat menjelaskan materi kepada pelajar melalui media virtual. Bagi pelajar medis yang membutuhkan praktik dan sarana prasarana, teknologi ini masih belum cukup untuk menunjang media pembelajarannya. Munculah ide “Aplikasi Modul Pembelajaran Bidang Kesehatan berbasis Extended Reality (sub bab: Augmented Reality)”Aplikasi ini menggabungkan antara Virtual Reality, Augmented Reality, dan Mixed Reality. User dapat saling terhubung dalam device dan environment yang berbeda sesuai dengan device masing-masing Pada aplikasi ini, Augmented Reality berperan sebagai sebuah teknologi yang menggabungkan dunia nyata dan virtual dengan cara menambahkan objek virtual ke dalam dunia nyata. User dapat menggunakan device yang memiliki kamera seperti Handphone atau laptop supaya dapat melihat objek virtualnya. Objek virtual ini dapat dilihat oleh seluruh user dan tiap user mampu berinteraksi dengannya secara realtime. Adapun untuk pengujian akhir pada proyek akhir ini adalah teknologi Augmented Reality berbasis Web XR telah berjalan dengan lancar menyesuaikan dengan spesifikasi device yang digunakan untuk membuka Web XR. Jika device yang digunakan untuk mengakses Web XR memiliki spesifikasi yang tinggi maka Web XR akan berjalan dengan maksimal, begitu juga sebaliknya ketika spesifikasi device rendah maka Web XR akan berjalan tidak maksimal. Interaksi yang digunakan dalam Augmented Reality berbasis Web XR adalah touchscreen. Penulis mengujikan sistem ini kepada user, user disini adalah mahasiswa medis. pengujian membuktikan bahwa sistem ini sangat membantu dalam hal efisiensi, user tidak perlu menyiapkan alat berulang kali ketika ingin melakukan simulasi, cukup dengan membuka WebXR dan user sudah bisa melakukan simulasi yang disediakan. Dalam pengujian sistem, penulis menggunakan PIECES framework (Performance, Information, Economics, Control and Security, Efficiency, Service) dan menghasilkan skor rata rata 4,1. Maka user di kategorikan puas terhadap sistem yang di bangun.

Piano merupakan salah satu alat musik yang mendasari banyak alat musik lainnya. Dengan piano juga proses pembuatan musik menjadi lebih mudah dan cepat. Pembuatan transkripsi piano atau partitur merupakan salah satu langkah dalam pembuatan musik agar pembuat musik tidak perlu menghafal dan pemain musik lainnya dapat dengan mudah memainkan musik yang dibuat. Namun pembuatan transkripsi secara manual sangatlah sulit karena memerlukan ketelitian akan bentuk notasi dan simbol notasi yang digunakan pada partitur. Dalam industri game pun kebanyak game komposer hanya membuat musik tersebut tanpa adanya dokumentasi dari musik tersebut. Sehingga dengan adanya perangkat lunak yang membantu pembuatan partitur piano, komposer - kompser, terutama game komposer semakin mudah menyampaikan musiknya, mempercepat proses pembuatannya dan memiliki dokumentasi dari musik yang dibuat.

Pengenalan bentuk bangun ruang bertujuan untuk mengenali berbagai bentuk bangun ruang yang berbeda. Dengan menggunakan kamera minoru akan didapatkan dua buah gambar yaitu dari kamera kiri dan kanan. Dari kedua gambar tersebut akan diproses menggunakan metode background subtraction untuk membedakan antara obyek yang akan dideteksi dengan ruangan yang ada disekitar. Metode background subtraction dapat mendeteksi subtraksi pada background dengan mengubah citra menjadi citra biner dan menentukan tingkat kepekaan perubahan nilai pixel background. Citra tersebut terlebih dahulu akan diperbaiki menggunakan operasi morphology yaitu dilasi dan erosi. Hal ini berfungsi untuk memperbaiki citra yang akan dideteksi. Data dari bentuk bangun ruang yang dibuat sebelumnya dimaksukan kedalam program. Data tersebut digunakan sebagai data training pada metode SVM yang digunakan. Dari hasil pengolahan background subtraction selanjutnya data diproses dengan menggunakan support vector machine (SVM) sehingga didapatkan hasil klasifikasi berupa pengenalan bentuk bangun ruang itu sendiri. Dari hasil pengujian yang dilakakukan pada proyek akhir ini didapatkan presentase keberhasilan sebesar 98%. Nilai tersebut cukup mampu untuk mengenali bentuk bangun ruang yang ditangkap oleh kamera.

Berdasarkan data World Health Organization (WHO) secara global, pada tahun 2021 diperkirakan jumlah orang yang buta karena glaukoma primer adalah 7,7 juta jiwa. Glaukoma merupakan kerusakan saraf mata akibat meningkatnya tekanan pada bola mata yang terjadi karena adanya gangguan pada sistem aliran cairan mata sehingga menyebabkan menyempitnya lapangan pandang dan hilangnya fungsi pengelihatan. Upaya yang dapat dilakukan untuk mencegah glaukoma adalah deteksi dini melalui skrining retina. Cup-to-Disc Ratio adalah indikator yang paling banyak digunakan untuk mengevaluasi glaukoma. Saat ini, evaluasi cup-to-disc ratio dilakukan secara manual oleh dokter spesialis mata yang terlatih atau dengan peralatan yang mahal seperti Heidelberg Retinal Tomography (HRT) dan Optical Coherence Tomography (OCT). Penelitian ini dilakukan untuk membantu dokter spesialis mata dalam melakukan analisa berdasarkan cup-to-disc ratio melalui citra fundus dan melakukan klasifikasi tingkat keparahan penyakit glaukoma dengan menggunakan pengolahan citra. Sistem dimulai dari input citra fundus retina dengan ROI (Region of Interest) untuk memperoleh area optic disc kemudian preprocessing pada optic disc dan optic cup menggunakan operasi morfologi closing dan opening. Tahap selanjutnya untuk memisahkan objek dengan latar belakang menggunakan metode thresholding dan ellipse fitting untuk memperoleh batasan pada optic disc dan optic cup. Kemudian dilakukan ekstraksi ciri dengan menghitung nilai cup-to-disc ratio, perimeter, area dan circularity menggunakan find contours. Selanjutnya dilakukan klasifikasi berdasarkan tingkat keparahannya menjadi early, moderate dan advance glaucoma menggunakan metode Support Vector Machine (SVM). Dari hasil pengujian yang dilakukan pada 40 data testing didapatkan tingkat akurasi sistem sebesar 95%.