Penggunaan smarphone dikalangan anak – anak semakin besar, terutama anak dibawah umur atau anak usia dini, terkadang anak – anak tidak menggunakan smartphone dengan bijak. Dan di indonesia mempunyai masyarakat yang mayoritas beragama islam, salat merupakan suatu syarat agar islam seorang mukmin sempurna. Tetapi banyak anak – anak yang tidak tahu cara melakukan salat dengan benar yang disebabkan oleh kurangnya pendidikan agama, dan kurangnya pendidikan dari orang tua mereka, bahkan beberapa orang tua dari mereka tidak bisa untuk melakukan salat. Maka dari itu penulis membuat sebuah aplikasi untuk mendeteksi gerakan salat dengan benar yang mempunyai tingkat akurasi paling tinggi 100?ngan menggunakan sebuah metode bernama MobileNetv2.

Kualitas telur akan menunjukkan seberapa baik dan layak untuk dikonsumsi karena protein tergantung pada kualitas telur tersebut, Beberapa Peternak tidak melakukan mengukur tingkat kualitas telur. Karena itu sangat penting dan juga pengaruh untuk segi bisnis dan penjualan. Penelitian mengenai pengembangan sistem untuk mengukur kualitas telur sudah banyak dilakukan di berbagai bidang dengan berbagai metode. Dalam penelitian ini mencoba menggunakan metode Convolutional Neural Network (CNN) untuk mengukur tingkat kualitas telur berdasarkan warna dan tekstur kerabang telur. Warna dan tekstur kerabang merupakan salah satu untuk menjadi acuan dari klasifikasi kualitas telur. Penelitian ini menggunakan telur yaitu mengklasifikasikan kualitas telur sesuai dengan ciri fisik dari kerabang telur yang berdasarkan warna dan tekstur dari kerabang telur tersebut dengan pembagian label yaitu bagus, jelek, dan rusak. Sistem dirancang ini berbasis aplikasi mobile android dan artificial intelligence dengan menggunakan metode Convolutional Neural Network (CNN). Setelah melalui proses training akurasi pelatihan model yang telah dirancang mencapai 99,67% dan loss 0.84%. Tingkat akurasi testing menggunakan confusion matrix mencapai nilai 98%. Total rata – rata testing dari pengujian UAT mendapat nilai sebesar 79% yaitu bisa dikatakan menunjukkan seberapa besar tingkat layak nya aplikasi tersebut dipakai oleh user. Uji coba yang dilakukan kepada pakar yaitu untuk memverifikasi aplikasi tersebut sudah layak dipublikasi atau masih ada yang salah terkait klasifikasi kualitas telur tersebut.

E-learning stands for electronic learning, which is the process of learning that utilizes electronic media, especially the internet, as a learning system. Additionally, it can also serve as attendance recording for male and female students of MAN 1 Jember. This study aims to improve the usability quality of the E-learning website of MAN 1 Jember according to the perceptions of male and female students. The data from the research results reveal the level of usability on the E-Learning website and what aspects need improvement based on the 14 variables of the heuristic evaluation and webuse methods. By employing these 14 variables, the usability level can be evaluated according to user experience. The usability level values based on the 14 principles of the heuristic evaluation and webuse methods are as follows: H1 78.62%, H2 74.57%, H3 76.09%, H4 77.54%, H5 78.08%, H6 73.26%, H7 75.33%, H8 75.65%, H9 79.13%, H10 74.24%, WA 75.94%, WB 77.17%, WC 76.09%, WD 76.49%. The research obtains an average feasibility index of 76.30%, which means that users state that the E-Learning website of MAN 1 Jember is suitable for use with a percentage of 76.30%.

Permasalahan dalam pembuatan komik dan anime, salah satu tahapan penting adalah pembuatan ilustrasi yang melibatkan pembuatan background untuk mendukung alur cerita dan memberikan konteks yang tepat untuk karakter oleh para ilustrator. Proses manual untuk melakukan pembuatan background dapat memakan waktu dan membutuhkan keahlian khusus. Penelitian ini bertujuan untuk mengembangkan sebuah model yang bisa menghasilkan foto background realistik namun dengan estetika yang menggambarkan gaya anime yang dapat membantu ilustrator komik dan anime membuat background dengan cepat dan efisien. Model ini dikembangkan menggunakan metode Generative Adversarial Network dan dikategorikan menjadi 3 gaya model anime (Ghibli, Your Name, Paprika). Hasil dari model yang sudah dikembangkan dijalankan melalui media website dengan mengunggah gambar dunia nyata yang diinginkan dari device pengguna menjadi gaya anime yang diinginkan melalui model yang sudah ada. Penelitian terbukti berhasil dengan menggunakan ketiga model yang sudah ada foto gambar dunia nyata dapat dirubah menjadi foto dengan gaya anime yang realistik.

Peningkatan kejahatan dan tantangan dalam identifikasi pelaku menjadi masalah signifikan dalam keamanan masyarakat. Kurangnya informasi terkait pelaku kejahatan dan minimnya patroli 24 jam membuat proses identifikasi pelaku semakin sulit. Penelitian ini mengembangkan sistem pengenalan wajah menggunakan metode K-Nearest Neighbor (K-NN) untuk mendeteksi pelaku kejahatan. Proses pre-processing melibatkan konversi gambar ke grayscale, peningkatan kontras, deteksi wajah dengan haar cascades, cropping, resizing, dan normalisasi intensitas untuk menghasilkan citra yang baik sebelum ekstraksi fitur menggunakan Local Binary Pattern (LBP). Klasifikasi dengan K-NN dilakukan dengan berbagai nilai k, yaitu k = 1 menghasilkan akurasi 100%, k = 3 menghasilkan akurasi 66%, k = 5 menghasilkan akurasi 56%, dan k = 7 menghasilkan akurasi 53%.

Tugas Akhir ini bertujuan untuk merancang dan mengembangkan sebuah Sistem Informasi Bimbingan dan Konseling yang terintegrasi dengan fitur chat, khususnya untuk SMA Negeri 4 Jember. Latar belakang penelitian menggaris bawahi pentingnya pelayanan Bimbingan dan Konseling dalam membantu peserta didik mengatasi masalah pribadi, sosial, belajar, dan karis. Di SMA Negeri 4 Jember, meskipun pelayanan tersebut telah ada, namun masih terdapat kendala seperti kurangnya pemanfaatan teknologi informasi, penanganan data yang manual, serta keterbatasan jumlah dan waktu Guru BK. Oleh karena itu, pengembangan sistem informasi dengan fitur chat menjadi solusi yang relevan untuk meningkatkan efektivitas dan efisiensi pelayanan Bimbingan dan Konseling

Virus sebagai makhluk hidup mikroskopis memiliki berbagai jenis, karakteristik, proses replikasi, dan peranan yang berbeda-beda. Hal ini merupakan salah satu materi yang ada pada mata pelajaran Biologi kelas X SMA. Saat ini, pembelajaran materi virus masih dilakukan secara konvensional menggunakan penjelasan lisan, buku, dan video YouTube yang memiliki keterbatasan dalam memberikan detail materi dan terkendala tidak adanya fasilitas mikroskop elektron. Untuk mengatasi hal tersebut, dikembangkan sebuah aplikasi media pembelajaran berbasis Augmented Reality (AR) yang dapat membantu siswa dalam memahami virus termasuk tobacco mosaic virus, adenovirus, SARS-COV, dan bacteriophage melalui model 3D dan penggunaan 2 marker yang bersifat interaktif. Penelitian ini dilakukan selama 10 bulan di SMA Negeri 2 Jember dan Politeknik Negeri Jember dengan metode Multimedia Development Life Cycle (MDLC) yang melibatkan wawancara dengan guru biologi sebagai narasumber dan validator. Hasil penelitian menunjukkan bahwa penggunaan AR sebagai media pembelajaran alternatif mampu meningkatkan kemampuan kognitif siswa sebesar 3,53%. Sedangkan pengujian User Acceptance Test (UAT) menunjukkan hasil sebesar 90,7%. Keberhasilan aplikasi dipengaruhi oleh faktor-faktor lain seperti intensitas cahaya 80-110 lux, latar belakang polos, jarak 10-50 cm, dan sudut kamera 45° untuk mendapatkan hasil yang maksimal dalam membaca marker dan menampilkan objek 3D.

Essential Thrombocythemia adalah jenis kelainan pada darah manusia yang merupakan bagian dari kelompok Myeloproliferative Neoplasms. Kriteria penyakit ET adalah jika jumlah trombosit dalam darah melebihi batas normal yaitu lebih dari 450.000 ?L dalam darah dan terdapat trombosit raksasa dengan jumlah yang cukup sering ditemukan dalam satu lapang pandang hasil citra hapusan darah tepi. Penelitian ini bertujuan untuk pengembangan aplikasi sistem klasifikasi abnormalitas trombosit pada citra hapusan darah tepi menggunakan CNN. Sistem melakukan proses klasifikasi menggunakan metode Convolutional Neural Network (CNN) dengan 3 kelas klasifikasi yaitu trombosit normal, giant trombosit dan leukosit. Secara umum parameter untuk proses klasifikasi melalui pengenalan warna, bentuk, ukuran dan tekstur dari citra hapusan darah tepi. Pada penelitian ini model dilatih menggunakan arsitektur DenseNet-169 dengan hasil model model terbaik pada learning rate 0,0001, hasil yang diperoleh dari pengujian sistem menunjukkan bahwa sistem mampu melakukan klasifikasi abnormalitas trombosit dengan nilai akurasi terbaik sebesar 98% dari 130 data pengujian.