Penelitian ini bertujuan mengembangkan sistem deteksi level kerusakan jalan berbasis Internet of Things (IoT) menggunakan analisa Pavement Condition Index (PCI) untuk penilaian kondisi jalan yang efisien. Sistem mengintegrasikan ESP8266 sebagai unit kontrol input/umpan balik dan ESP32-CAM untuk akuisisi citra kerusakan. Script Python dengan model YOLOv8 kemudian memproses gambar untuk mendeteksi lima jenis kerusakan utama dan mengestimasi dimensinya. Hasilnya dikirim ke website PHP/MySQL untuk penyimpanan, kalkulasi PCI (metode disederhanakan), dan visualisasi. Implementasi sistem menunjukkan fungsionalitas terintegrasi dari akuisisi hingga penyajian hasil. Pengujian terhadap 50 sampel gambar uji menunjukkan akurasi klasifikasi kerusakan oleh YOLOv8 mencapai 88%. Keterbatasan resolusi kamera ESP32-CAM dan variasi pencahayaan lingkungan teridentifikasi sebagai faktor utama yang mempengaruhi akurasi deteksi. Meskipun demikian, sistem berhasil memberikan gambaran kuantitatif awal kondisi jalan, mendemonstrasikan potensi IoT dan deep learning untuk otomatisasi survei kerusakan jalan.

Kualitas udara yang baik sangat dibutuhkan saat ini, udara merupakan salah satu kelompok gas yang juga sebagai sumber utama pernapasan makhluk hidup. Saat seseorang berpindah tempat dari satu tempat ke tempat lainnya, orang tersebut akan menghadapi kondisi udara yang berbeda. Manusia yang berada di tempat tersebut terkadang tidak bisa mendeteksi adanya gas-gas berbahaya yang mengganggu kesehatan ataupun keselamatan, karena tidak semua gas tesebut dapat tercium oleh indra penciuman manusia. Tujuan dari penelitian ini yaitu untuk membuat rancangan alat yang dapat memonitoring kualitas udara disuatu tempat dengan menggunakan sensor MQ135. Sensor MQ-135 merupakan sensor gas yang memiliki kepekaan relatif tinggi terhadap gas amonia, bensol, alkohol, CO2, smoke dan gas-gas lainnya. Sedangkan tampilan hasil pengujian akan di tampilkan pada layar LCD 16x2 serta dapat dilakukan monitoring dari jarak jauh dengan menggunakan aplikasi Node-RED.

Aquascape merupakan seni menata ekosistem akuarium yang mengandalkan keseimbangan parameter air seperti pH, dan kekeruhan. Ketidakseimbangan ketiga parameter ini dapat berdampak negatif pada proses fotosintesis tanaman air serta kesehatan ikan di dalamnya. Pemantauan secara manual dinilai kurang efisien dan rawan kesalahan. Oleh karena itu, penelitian ini mengembangkan sistem pemantauan kesehatan aquascape secara otomatis berbasis Internet of Things (IoT) yang terintegrasi dengan logika Fuzzy Mamdani. Sistem menggunakan ESP32 sebagai mikrokontroler, sensor pH, dan sensor turbidity. Data dikirim ke dashboard web untuk pemantauan real-time dan dianalisis dengan metode fuzzy untuk menentukan tindakan, seperti mengaktifkan pompa. Hasil pengujian menunjukkan bahwa sistem mampu menjaga parameter lingkungan dalam batas optimal dan memberikan keputusan secara adaptif. Sistem ini efektif dalam menggantikan pemantauan manual dan meningkatkan efisiensi serta akurasi perawatan aquascape.

Penelitian ini bertujuan untuk menganalisis sentimen dari tweet pengguna Twitter/X terkait Pemilihan Presiden (Pilpres) 2024 menggunakan metode Naïve Bayes Classifier (NBC). Dalam era digital saat ini, media sosial menjadi salah satu sumber informasi utama dalam memahami opini publik terhadap isu-isu politik. Metode Naïve Bayes Classifier dipilih karena keefektifannya dalam mengklasifikasikan teks berdasarkan probabilitas dan hubungan antar kata. Data dikumpulkan melalui teknik crawling dengan menggunakan kata kunci yang berkaitan dengan Pilpres 2024, meliputi berbagai aspek seperti dukungan terhadap calon, kritik politik, dan isu-isu pemilu. Dari proses crawling tersebut, diperoleh sebanyak 4.818 tweet, yang terdiri atas 1.579 tweet dengan sentimen positif, 1.432 tweet dengan sentimen negatif, dan 1.807 tweet dengan sentimen netral. Proses analisis sentimen dilakukan melalui beberapa tahapan, yaitu preprocessing data, pelatihan model Naïve Bayes, serta evaluasi hasil klasifikasi. Hasil penelitian menunjukkan bahwa model yang dikembangkan memiliki tingkat akurasi sebesar 77%, precision sebesar 77%, recall sebesar 76%, dan F1-score sebesar 77%. Evaluasi dilakukan dengan pembagian data latih dan data uji masing-masing sebesar 80% dan 20% dari total 4.818 tweet.

Perancangan Sistem Alarm Kebakaran Nirkabel Berbasis Platform Cloud IoT, Ahyar Nur Alif, NIM E32220937, Tahun 2025, Teknik Komputer, Jurusan Teknologi Informasi, Politeknik Negeri Jember, I Gede Wiryawan, S.Kom., M.Kom. (Pembimbing). Sistem alarm kebakaran konvensional memiliki keterbatasan dalam memberikan respons cepat dan otomatis. Oleh karena itu, proyek ini merancang dan mengimplementasikan sistem alarm kebakaran nirkabel berbasis Internet of Things (IoT) yang terintegrasi dengan platform cloud untuk meningkatkan keamanan rumah secara real-time. Sistem ini dirancang menggunakan simulasi Cisco Packet Tracer dan terdiri dari berbagai komponen seperti smoke detector, flame sensor, fire sprinkler, sirine, pintu, jendela, dan smartphone sebagai pengontrol utama. Seluruh perangkat dibagi ke dalam tiga zona berwarna (oranye, hijau, kuning) dan dihubungkan menggunakan kabel straight-through ke switch serta home gateway (DLC100). Sensor akan mendeteksi asap atau api, kemudian memicu respons otomatis berupa penyemprotan air, pembukaan jendela/pintu, serta peringatan melalui sirine dan notifikasi ke smartphone pengguna. Konfigurasi sistem memungkinkan pengguna menetapkan kondisi pemicu seperti level deteksi asap, dan menetapkan aksi yang dilakukan secara otomatis. Semua aktivitas terekam dan dapat dipantau melalui aplikasi smartphone dan antarmuka web berbasis IP. Dengan memanfaatkan konektivitas nirkabel dan penyimpanan cloud, sistem ini memberikan fleksibilitas tinggi, dapat diperluas sesuai kebutuhan, serta mampu memberikan respons darurat secara cepat tanpa intervensi manual. Solusi ini tidak hanya praktis dan hemat biaya, tetapi juga sangat potensial untuk diterapkan di lingkungan rumah, perkantoran, maupun industri.

Sistem absensi manual pada institusi pendidikan rentan terhadap manipulasi data serta kurang efisien. Penelitian ini bertujuan untuk mengembangkan sistem absensi otomatis berbasis Internet of Things (IoT) dengan memanfaatkan teknologi Radio Frequency Identification (RFID) dan ESP32 Cam menggunakan metode Rapid Application Development (RAD) pada Majelis ROWID 113. Sistem ini dirancang untuk meningkatkan akurasi pencatatan kehadiran serta mengurangi potensi keterlambatan. Setiap santri menggunakan kartu RFID sebagai alat identifikasi, sedangkan ESP32 Cam mengambil gambar wajah sebagai bentuk verifikasi. Data absensi diproses oleh mikrokontroler NodeMCU ESP8266, disimpan pada server, dan notifikasi kehadiran beserta foto dikirimkan kepada wali murid melalui Telegram. Hasil pengembangan menunjukkan bahwa sistem ini mampu mencatat kehadiran secara otomatis, melakukan verifikasi visual, serta mengirimkan notifikasi dengan efektif. Sistem ini terbukti meningkatkan efisiensi proses absensi dan memberikan transparansi informasi kehadiran santri kepada pihak majelis maupun orang tua.

Laporan ini membahas perancangan dan implementasi sistem manajemen antrian dan pemesanan di restoran berbasis Internet of Things (IoT) dan website. Sistem ini dikembangkan untuk mengatasi permasalahan antrian panjang dan pemesanan manual yang kurang efisien. Dalam sistem yang dibangun, pelanggan melakukan pemesanan makanan secara mandiri melalui website. Sementara itu, status penggunaan meja dipantau menggunakan sensor ultrasonik yang dikendalikan oleh NodeMCU ESP8266 dan disinkronkan ke Firebase secara real-time. Informasi dari alat ditampilkan di website untuk memudahkan pelanggan dalam memilih meja yang tersedia, serta membantu kasir dalam memproses pembayaran dan petugas dapur dalam menerima daftar pesanan. Laporan ini disusun menggunakan metode pengembangan sistem yang mencakup tahapan analisis kebutuhan, perancangan, implementasi, pengujian, dan evaluasi. Hasil implementasi menunjukkan bahwa sistem dapat berjalan secara otomatis, menyinkronkan data antara alat dan website dengan baik, serta meningkatkan efisiensi proses layanan di restoran.

Penelitian ini bertujuan mengembangkan sistem pakar berbasis web untuk mengidentifikasi penyakit pada kucing menggunakan metode Dempster Shafer. Sistem ini dirancang sebagai solusi untuk membantu pemilik kucing mendiagnosis penyakit secara mandiri, terutama ketika akses ke dokter hewan terbatas. Data gejala dan penyakit diperoleh dari Clinic Assya Vet Care, Surabaya. Metode Dempster Shafer digunakan untuk menangani ketidakpastian dalam proses diagnosa berdasarkan kombinasi bobot gejala. Sistem ini terdiri dari 10 jenis penyakit dan 30 gejala yang telah dianalisis. Hasil pengujian menunjukkan tingkat akurasi diagnosis sistem mencapai 88,5%. Sistem ini terbukti membantu dalam memberikan diagnosa awal dan saran penanganan pertama bagi pemilik kucing.