Sistem belanja supermarket berbasis RFID merupakan sebuah inovasi teknologi yang memanfaatkan Radio Frekuensi Identification (RFID) untuk mengoptimalkan proses belanja di supermarket. Penelitian ini bertujuan untuk merancang dan mengimplementasikan sistem belanja supermarket berbasis RFID untuk meningkatkan efisiensi operasional dan pengalaman pelanggan. Metode pengembangan sistem meliputi analisis kebutuhan, desain sistem, pengembangan perangkat lunak, implementasi infrastruktur, dan evaluasi kinerja. Pada tahap analisis kebutuhan, persyaratan fungsional dan non-fungsional sistem diidentifikasi, termasuk pelacakan inventaris, manajemen stok waktu nyata, dan percepatan pemrosesan pembayaran. Berdasarkan analisis tersebut, sistem dirancang dengan mempertimbangkan arsitektur perangkat keras dan perangkat lunak yang sesuai. Perangkat lunak sistem dikembangkan menggunakan bahasa pemrograman yang sesuai dan teknologi database yang andal. Integrasi antara perangkat keras dan perangkat lunak RFID dilakukan untuk memastikan pencatatan stok secara real-time dan pelacakan barang yang efisien. Implementasi infrastruktur melibatkan pemasangan pembaca RFID, antena, dan tag RFID di lokasi supermarket. Jaringan komunikasi yang stabil diperlukan untuk mentransfer data antara perangkat keras dan perangkat lunak. Evaluasi kinerja dilakukan untuk mengukur efektivitas sistem dalam meningkatkan efisiensi operasional dan pengalaman pelanggan. Hasil penelitian menunjukkan bahwa sistem belanja supermarket berbasis RFID mampu meningkatkan efisiensi operasional dengan mempercepat proses belanja dan meminimalkan kesalahan stok. Selain itu, sistem ini juga meningkatkan pengalaman pelanggan dengan memberikan layanan belanja yang lebih efisien dan nyaman. ?

MANAJEMEN KESELAMATAN K3 LINGKUNGAN TAMBANG DI PT DELONG NIKEL INDUSTRI, Bramantyo Rahardyan Firmansyah, NIM E32211892, Tahun 2024, Teknik Komputer, Politeknik Negeri Jember, Beni Widiawan S.ST,M.T. Laporan ini merangkum pengalaman dan pengetahuan yang saya peroleh selama menjalani magang di JIANGSU DELONG NICKEL, yang berfokus pada keselamatan kerja tugas utama saya meliputi: Pengawasan Operasional Tambang: Saya terlibat dalam pengawasan operasional harian, termasuk pemantauan proses penambangan, pengelolaan alat berat, dan koordinasi dengan tim lapangan. Pengambilan dan Analisis Sampel: Saya berpartisipasi dalam pengambilan sampel dari lokasi tambang untuk analisis kualitas mineral. Ini termasuk penyiapan sampel, analisis di laboratorium, serta pelaporan hasilnya. Kesehatan dan Keselamatan Kerja (K3): Saya mempelajari dan mengaplikasikan prosedur K3, memastikan bahwa semua aktivitas di lokasi tambang berjalan sesuai dengan standar keselamatan yang ketat. Saya juga ikut serta dalam simulasi penanganan kecelakaan kerja. Pengelolaan Lingkungan: Saya membantu dalam program pengelolaan lingkungan, seperti rehabilitasi lahan pascatambang dan pemantauan kualitas air di sekitar area tambang. Melalui tugas-tugas ini, saya mendapatkan pemahaman mendalam tentang proses penambangan, mulai dari eksplorasi hingga produksi, serta tantangantantangan lingkungan dan keselamatan yang harus dikelola. Saya juga belajar tentang pentingnya kerja sama tim, disiplin, dan tanggung jawab dalam lingkungan kerja yang penuh risiko. Magang ini memberikan saya wawasan yang berharga tentang industri pertambangan dan memperkaya keterampilan teknis serta non-teknis yang saya butuhkan untuk berkarir di bidang ini. Pengalaman langsung ini juga membantu saya memahami bagaimana teori yang dipelajari di bangku kuliah diterapkan di lapangan, terutama dalam situasi yang dinamis dan menuntut

The Smart Home subsystem aims to enhance daily life by providing targeted settings for room temperature, soil humidity, and rain sensors. The system uses a development board as a control center to monitor and manage sensors, allowing users to apply smart preferences. The system was developed using the second-generation Raspberry Pi and the Debian Linux operating system, using C and Python programming languages and open source software. As the demand for smart solutions increases, it is crucial to develop systems that accurately monitor indoor conditions. The final project will design a smart home monitoring system using Raspberry Pi 4B, offering high performance and various GPIO ports for real-time environmental monitoring. The collected data is displayed on an OLED display and automatically uploaded to a host computer for storage and analysis. A buzzer is provided to alarm when indicators exceed the set PMV threshold, and a web interface allows users to view data and perform controls.

Manajemen Keselamatan dan Kesehatan Kerja (K3) adalah suatu sistem yang terintegrasi dalam kegiatan operasional perusahaan untuk memastikan keselamatan dan kesehatan pekerja di tempat kerja. Tujuannya adalah untuk mencegah kecelakaan kerja, penyakit akibat kerja, serta menciptakan lingkungan kerja yang aman dan sehat. Komponen Utama Manajemen K3: Kebijakan K3: Merupakan komitmen perusahaan terhadap keselamatan dan kesehatan kerja yang tertuang dalam bentuk kebijakan yang jelas dan tertulis. Perencanaan K3: Meliputi identifikasi bahaya, penilaian risiko, dan penentuan langkah-langkah pengendalian untuk meminimalkan risiko kecelakaan dan penyakit di tempat kerja. Pelaksanaan K3: Implementasi dari kebijakan dan perencanaan K3 melalui program-program seperti pelatihan K3, penggunaan alat pelindung diri (APD), dan penerapan prosedur kerja aman. Pemantauan dan Evaluasi K3: Pengawasan rutin dan evaluasi efektivitas program K3 yang sudah diterapkan, termasuk pelaporan insiden dan penyelidikan kecelakaan kerja. Tinjauan Ulang Manajemen: Peninjauan kembali secara berkala oleh manajemen untuk memastikan bahwa sistem K3 terus sesuai dengan perkembangan dan kebutuhan organisasi. Keuntungan Implementasi K3: Mengurangi Risiko Kecelakaan: Mencegah atau meminimalkan kejadian kecelakaan di tempat kerja. Peningkatan Produktivitas: Lingkungan kerja yang aman meningkatkan moral dan kinerja pekerja. Kepatuhan terhadap Regulasi: Memastikan perusahaan mematuhi peraturan perundangan yang berlaku terkait K3. Penghematan Biaya: Mengurangi biaya akibat kecelakaan kerja dan gangguan kesehatan pekerja. Dengan penerapan manajemen K3 yang baik, perusahaan dapat menciptakan lingkungan kerja yang lebih aman, sehat, dan produktif.

Teknologi Internet of Things (IoT) telah berkembang pesat sebagai bagian dari kecerdasan buatan dan merupakan cabang dari kecerdasan buatan. IoT paling banyak digunakan dalam pemantauan lingkungan untuk memastikan keamanan lingkungan dalam ruangan, dan semakin banyak orang yang memperhatikan sistem pemantauan lingkungan yang dibangun oleh teknologi informasi modern. Oleh karena itu, makalah ini merancang sistem pemantauan lingkungan untuk bengkel tekstil. Sistem ini terdiri dari dua komponen utama, yaitu front-end dan back-end. STM32F103C8T6 adalah pengontrol inti dari sistem front-end, yang mengelola modul WiFi eksternal, modul sensor suhu dan kelembaban, sensor asap, sensor gas, modul pemutaran suara, kipas, dan modul layar LCD. Pertama, modul sensor lingkungan eksternal mendeteksi suhu dan kelembaban, serta indikator gas dan asap. Setelah itu, data ditampilkan pada layar LCD untuk pengamatan. Kedua, jika salah satu dari parameter di atas dianggap tidak normal, perintah pemutaran suara eksternal akan diaktifkan dan ventilasi kipas akan diaktifkan. Terakhir, untuk pemantauan, parameter lingkungan yang terdeteksi diunggah ke antarmuka PC melalui WiFi. Untuk bengkel tekstil, sistem pemantauan lingkungan ini memiliki fitur humanisasi yang tinggi, respons cepat, dan transmisi data yang efisien.

This project designs a smart home system based on OneNet cloud platform capable of remote monitoring. The main control module used in the lower computer is Raspberry Pi 4B. The main function realized in the lower computer is to monitor the temperature, humidity and smoke concentration in real time. You can determine the size of the smoke concentration whether to open the alarm module. The lower computer design mainly uses Packet Trecer simulation to realize. Login to the OneNet cloud platform and create the corresponding device, you can upload the monitored data from the host computer to OneNet. Use android studio to design an app that can be registered and logged in, and this app can monitor the temperature, humidity and smoke concentration in the lower unit in real time. And it can control the home appliances. Use OneNet to do data interaction between the app and the host computer.

Laporan Magang di Pertambangan di Jiangsu Delong Nikel Industri Co. LTD, Raihan Zulfahmi, NIM E32212147, Tahun 2024, Teknik Komputer, Teknologi Informasi, Politeknik Negeri Jember, DU WEILU(Pembimbing Utama), Jiangsu Delong Nikel Industri Co. LTD, ??? (Pembimbing Lapang). Salah Satu tuntutan untuk meningkatkan kompetensi sumber daya manusia bagi Politeknik Negeri Jember di wujudkan dalam program magang yang dilakukan oleh mahasiswa D3 maupun D4 dengan tujuan untuk mengasah keahlian dan keterampilan yang dimiliki oleh mahasiswa agar dapat mengenal dan beradaptasi dengan kebutuhan industri. Magang dilaksanakan selama empat bulan, dalam kesempatan kali ini dilaksanakan di Jiangsu Delong Nikel Industri Co. LTD. Selama menjalani kegiatan ini, bekal dan pengetahuan peserta didik dan disalurkan dengan sungguh-sungguh. Pelaksanaan Magang ini dilaksanakan selama 4 bulan, dimulai pada tanggal 22 Desember 2023 hingga 28 April 2024 ditempatkan di Jiangsu Delong Nikel Industri Co. LTD yang bertepatan di Laut Kuning yang indah, yang dikenal sebagai "Sungai Huangpu Jiangsu Utara" yang dikenal sebagai tepi selatan sungai irigasi - Zona Pengembangan Ekonomi Pesisir Yancheng Ringshui China dengan jam masuk kerja dijadwalkan setiap senin sampai jumat, dari jam 08.00 sampai dengan jam 17.00 WIB.

Deep learning is a technological tool that holds great potential for use in the image recognition industry. This paper will review and investigate the use of deep learning in image recognition, given the theoretical and practical importance of this technology in advancing computer vision and artificial intelligence. This paper first describes the history of icon recognition technology. It then presents the three primary deep learning learning models—generative adversarial networks, recurrent neural networks, and convolutional neural networks—and offers a comparison of them. Ultimately, an analysis and discussion are held regarding the research findings from the fields of deep learning image recognition application, including face recognition, medical image recognition, and remote sensing image classification.This paper also examines the deep learning development trend in the image recognition space, concluding that the successful recognition of video images and the theoretical reinforcement of models represent the future development direction.