Tempat sampah pintar bertujuan untuk memaksimalkan efisiensi pemantauan debit sampah secara langsung serta memberikan rekomendasi penjadwalan pengambilan sampah yang paling efektif. Selain itu, tempat sampah cerdas mendukung proses pemilahan sampah secara otomatis dengan sistem mekanik cerdas yang tertanam dalam sistem. Sistem ini terintegrasi langsung melalui website dengan mikrokontroler ESP32. Metode gabungan antara Artificial Neural Network (ANN) dan time series diterapkan untuk prediksi penjadwalan pengambilan sampah yang ideal. Metode K-means clustering digunakan untuk pengklasifikasian debit sampah, dan Rulebase diterapkan untuk memaksimalkan kinerja pemilahan sampah secara terstruktur. Sistem diuji dengan data yang dikumpulkan selama 100 hari dari sebuah rumah sampel di Graha Bumi Pertiwi, Sidoarjo. Hasil pengujian menunjukkan bahwa sistem dapat berfungsi dengan baik dan memberikan hasil yang sesuai dengan fungsionalitas yang diharapkan, memberikan dampak positif terhadap pengelolaan sampah yang lebih efisien dan lebih ramah lingkungan.

Penelitian ini dilatarbelakangi oleh tantangan yang dihadapi UMKM dalam penggunaan teknologi informasi sebagai sarana pendukung pengambilan keputusan yang efisien, cepat, dan berbasis data. Salah satu contoh UMKM yang menghadapi tantangan tersebut adalah UMKM Berkah Maju Bersama di Desa Ngampel yang telah lama beroperasi dan merintis usaha di bidang pembuatan tas. Permasalahan yang dihadapi mencakup fluktuasi permintaan pasar, perubahan tren mode, persaingan dengan produk sejenis, serta sistem pengelolaan data yang masih bersifat manual. Untuk mengatasi permasalahan tersebut, diperlukan sistem yang mampu membantu proses pengambilan keputusan secara cepat, akurat, dan berbasis data. Salah satu solusi yang dapat diterapkan adalah perancangan Sistem Pendukung Keputusan (SPK) berbasis digital dengan metode Simple Additive Weighting (SAW), yaitu metode perhitungan berbobot yang mempertimbangkan beberapa kriteria untuk memperoleh hasil penilaian yang objektif. Metode ini sangat sesuai untuk diterapkan pada skala UMKM karena kesederhanaannya dan dapat diimplementasikan dalam sistem berbasis website yang mudah digunakan. Penelitian ini bertujuan untuk merancang dan membangun SPK berbasis website menggunakan metode SAW untuk membantu UMKM Berkah Maju Bersama menentukan jenis tas yang paling diminati konsumen. Dengan sistem ini, diharapkan proses pengambilan keputusan menjadi lebih efisien, akurat, dan terstruktur. Selain meningkatkan daya saing, sistem ini juga dapat menjadi model penerapan teknologi informasi yang dapat diadaptasi oleh UMKM lain dalam mengembangkan strategi bisnis berbasis data.

UMKM Pupuk Lamongan atau Green Tani Millenial (GTM) merupakan usaha mikro yang bergerak di bidang produksi dan distribusi pupuk organik. Permasalahan yang dihadapi UMKM ini adalah pengelolaan persediaan yang masih dilakukan secara manual, sehingga berpotensi menimbulkan kesalahan pencatatan stok dan ketidaktepatan dalam perencanaan produksi. Untuk mengatasi permasalahan tersebut, penelitian ini bertujuan untuk membangun sistem informasi peramalan persediaan berbasis web dengan menerapkan metode Single Exponential Smoothing (SES) guna mengoptimalkan ketersediaan pupuk. Metode ini digunakan untuk memprediksi kebutuhan stok berdasarkan data historis permintaan pupuk kemasan 10 kg dan 25 kg dari Agustus 2023 hingga Desember 2024. Sistem yang dibangun juga menghitung nilai Mean Absolute Percentage Error (MAPE), Mean Absolute Deviation (MAD), dan Mean Squared Error (MSE) sebagai indikator akurasi peramalan. Hasil penelitian menunjukkan bahwa alpha terbaik untuk kedua jenis pupuk adalah 0,1, dengan nilai MAPE di bawah 10%, yang termasuk kategori peramalan sangat baik. Sistem ini mempermudah pencatatan data barang masuk dan keluar, serta membantu UMKM dalam merencanakan jumlah produksi yang lebih optimal. Dengan demikian, sistem informasi peramalan ini dapat mengurangi risiko kelebihan dan kekurangan stok serta mendukung pengambilan keputusan yang lebih tepat dalam proses produksi.

Perkembangan teknologi digital telah membuka peluang baru dalam dunia pendidikan, khususnya dalam menciptakan media pembelajaran yang interaktif dan menarik bagi anak usia dini. Penelitian ini bertujuan untuk mengembangkan aplikasi pembelajaran hewan berbasis teknologi Augmented Reality (AR) dengan metode marker-based tracking sebagai media alternatif untuk meningkatkan minat dan pemahaman anak-anak terhadap materi pengenalan hewan. Aplikasi yang dikembangkan menampilkan objek 3D dari 99 jenis hewan lengkap dengan suara dan informasi singkat, serta dirancang khusus untuk anak usia 4–6 tahun. Proses pengembangan menggunakan metode Multimedia Development Life Cycle (MDLC) yang terdiri dari enam tahapan: concept, design, material collecting, assembly, testing, dan distribution (dokumentasi internal). Pengujian dilakukan menggunakan metode Black Box Testing untuk mengevaluasi fungsionalitas aplikasi, serta metode Pre-Test dan Post-Test untuk mengukur peningkatan pemahaman anak terhadap materi pengenalan hewan sebelum dan sesudah menggunakan aplikasi. Hasil pengujian menunjukkan bahwa seluruh fitur aplikasi berjalan sesuai fungsinya. Pengujian pada 50 anak di TK Dharma Wanita Persatuan menghasilkan 29 anak (58%) dalam kategori Sangat Paham, 15 anak (30%) Cukup Paham, dan 6 anak (12%) Kurang Paham. Rata-rata nilai pre-test 3,08 meningkat menjadi 4,36 pada post-test dengan persentase peningkatan sebesar 41,56%. Hasil ini membuktikan bahwa aplikasi efektif meningkatkan pemahaman anak terhadap materi pengenalan hewan sekaligus memberikan pengalaman belajar yang interaktif dan menyenangkan.

Sistem keamanan konvensional pada brankas masih memiliki kelemahan yang dapat dimanfaatkan oleh pihak tidak bertanggung jawab. Penelitian ini mengembangkan sistem keamanan brankas menggunakan pengenalan suara berbasis Raspberry Pi dengan metode template matching. Sistem dirancang untuk merespons tiga perintah suara: "buka pintu", "buka brankas", dan "tutup brankas", serta hanya menerima suara dari pengguna yang berwenang. Pengolahan suara dilakukan dengan ekstraksi fitur menggunakan Mel Frequency Cepstral Coefficients (MFCC), sedangkan pencocokan suara memanfaatkan metode template matching untuk mengukur kemiripan sinyal. Hasil pengujian menunjukkan akurasi pengenalan suara pengguna yang berwenang mencapai 80–85%, sedangkan penolakan suara tidak sah mencapai 80%. Penggunaan MFCC dan evaluasi kejernihan suara dengan Clarity50 terbukti membantu meningkatkan kinerja sistem. Sistem ini menawarkan alternatif keamanan brankas yang lebih modern, personal, dan lebih tahan terhadap penyalahgunaan suara palsu.

Menurut WHO, gangguan penglihatan global mencapai 2,2 miliar orang, dengan 1 miliar di antaranya dapat dicegah atau belum ditangani. Indonesia memiliki angka kebutaan tertinggi di Asia Tenggara, dengan prevalensi kebutaan 3% berdasarkan survei RAAB oleh PERDAMI dan Balitbangkes di 15 provinsi. Penelitian ini mengembangkan Sistem Deteksi Objek berbasis Convolutional Neural Network yang diintegrasikan dengan fitur Voice Note untuk meningkatkan akurasi dan efisiensi deteksi objek di sekitar pengguna. Sistem ini memberikan umpan balik audio real-time agar penyandang tunanetra dapat mengenali lingkungan dengan lebih mudah. Tahapan penelitian meliputi preprocessing data dengan meresize gambar menjadi 200x200 piksel dan normalisasi dataset. Model Convolutional Neural Network terdiri dari beberapa lapisan konvolusi dan pooling untuk mengekstraksi fitur, serta lapisan flatten dan fully connected dengan fungsi aktivasi sigmoid untuk prediksi. Model dikompilasi menggunakan binary_crossentropy dan optimizer RMSprop dengan learning rate 0,01, serta dilatih selama 150 epochs. Hasil pelatihan menunjukkan peningkatan akurasi dari 70% menjadi 87% dengan penurunan loss secara bertahap. Evaluasi menggunakan precision, recall, F1-Score, dan Mean Square Error (MSE) menunjukkan hasil yang baik dalam deteksi objek. Diharapkan, inovasi ini dapat membantu penyandang tunanetra beraktivitas lebih aman dan mandiri.

Penelitian ini bertujuan untuk merancang dan membangun sebuah aplikasi mobile berbasis Android yang dapat mengatasi kedua permasalahan tersebut. Aplikasi ini mengintegrasikan dua fitur utama, yaitu sistem peramalan penjualan untuk membantu admin dalam memprediksi permintaan produk ke depan. Hasil penelitian menunjukkan bahwa metode peramalan yang diterapkan memberikan tingkat akurasi yang sangat tinggi. Nilai MAPE yang diperoleh untuk kelima produk minuman adalah sebagai berikut: Bicopi Chocolate (1,40%), Indonesia Tea (1,58%), Lychee Tea (2,28%), Long Black (4,09%), dan Air Mineral (7,45%). Karena seluruh nilai MAPE berada di bawah 10%, performa model untuk kelima produk dapat diklasifikasikan sebagai "sangat baik". Secara spesifik, produk dengan pola penjualan yang sangat dinamis seperti Air Mineral, Bicopi Chocolate, dan Indonesia Tea memerlukan nilai Alpha tinggi (0.9) agar model lebih responsif. Sebaliknya, produk dengan pola yang lebih stabil seperti Long Black dan Lychee Tea mencapai akurasi terbaik dengan Alpha rendah (0.3 dan 0.1), yang lebih mengandalkan rata-rata historis yang lebih halus. Berdasarkan hasil tersebut, dapat disimpulkan bahwa aplikasi yang dikembangkan ini layak dan efektif untuk diimplementasikan di Kafe Bicopi. Sistem peramalan terbukti mampu memberikan prediksi penjualan dengan akurasi yang dapat diandalkan, asalkan menggunakan parameter smoothing yang telah dioptimalkan secara spesifik untuk masing-masing produk

Indonesia merupakan salah satu negara dengan tingkat dengan tingkat kerentanan tinggi terhadap bencana alam, khususnya banjir Berdasarkan data dari Badan Penanggulangan Bencana Daerah (BPBD) Kabupaten Sidoarjo (2024), tercatat sebanyak tujuh peristiwa banjir genangan terjadi selama periode Januari hingga Februari 2024, yang berdampak pada 2.892 kepala keluarga dan menyebabkan 450 orang harus mengungsi. Keterbatasan informasi mengenai wilayah yang rawan banjir menjadi hambatan bagi masyarakat dalam melakukan upaya mitigasi secara tepat dan efektif. Penelitian ini bertujuan mengembangkan website peta banjir dengan dua peran pengguna: admin untuk perhitungan kerawanan menggunakan metode Simple Additive Weighting (SAW), dan masyarakat untuk melihat hasil analisis dalam bentuk peta berbasis Sistem Informasi Geografis (SIG). Metode Simple Additive Weighting (SAW) digunakan untuk memberikan pembobotan terhadap berbagai faktor yang mempengaruhi banjir, seperti curah hujan, jumlah hari hujan, ketinggian wilayah, dan presentase pemukiman. Pengujian sistem menggunakan metode Black Box Testing dengan teknik Equivalence Partitioning menunjukkan tingkat keberhasilan sebesar 95% dan akurasi perhitungan mencapai 100%. Hasil penelitian ini diharapkan mampu menyajikan informasi yang akurat dan mudah diakses, sehingga masyarakat dapat melakukan langkah antisipatif secara lebih efektif dalam menghadapi risiko banjir di Kabupaten Sidoarjo.