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.

Penelitian ini mengembangkan aplikasi edukasi sains planet tata surya berbasis Augmented Reality (AR) untuk mengatasi rendahnya pemahaman dan minat siswa akibat pembelajaran konvensional. Bertujuan meningkatkan pemahaman dan minat siswa terhadap topik tata surya, aplikasi ini dibangun menggunakan metode Multimedia Development Life Cycle (MDLC), dengan Unity, Vuforia Engine, dan Blender sebagai alat utama. Mengimplementasikan metode Marker Based, aplikasi ini menampilkan objek 3D benda tata surya beserta penjelasan audio interaktif dan fitur kuis 'Tebak Nama Planet'. Uji coba efektivitas pada 29 siswa kelas 4 SD Muhammadiyah 1 Sidoarjo menggunakan desain pre-test dan post-test menunjukkan peningkatan pemahaman signifikan, dari 70.34% pada pre-test menjadi 89.66% pada post-test. Dengan demikian, aplikasi edukasi AR ini terbukti efektif dan layak digunakan sebagai penunjang media pembelajaran sains di tingkat sekolah dasar.

Perkembangan teknologi smart home mendorong inovasi dalam pengendalian perangkat rumah tangga, salah satunya adalah sistem kendali lampu berbasis suara. Sistem ini menjadi solusi potensial bagi penyandang disabilitas fisik dan tunanetra untuk meningkatkan aksesibilitas dan kemandirian dalam kehidupan sehari-hari. Penelitian ini mengimplementasikan metode template matching dengan ekstraksi fitur menggunakan Mel-Frequency Cepstral Coefficients (MFCC) dan pengukuran kemiripan sinyal menggunakan Dynamic Time Warping (DTW) untuk mengenali perintah suara. Template yang digunakan bersifat speaker dependent, artinya sistem hanya mengenali suara pengguna yang telah direkam sebelumnya. Hasil pengujian identifikasi pengguna menunjukkan akurasi 71,67%, precision 78,26%, dan recall 60,00%. Sementara pengujian perintah suara mencapai akurasi 76,67%. Meskipun masih terdapat tantangan dalam menghadapi variasi suara dan kondisi lingkungan, sistem ini menunjukkan performa yang cukup andal dan berpotensi meningkatkan aksesibilitas serta kemandirian pengguna dalam lingkungan berbasis IoT.

Rancang Bangun Alat Deteksi Kebisingan Berbasis Arduino Uno Dengan ESP32-CAM dan Motor Servo Untuk Pemantauan Sumber Suara Secara Real-Time, Ahmad Dhani Alvarisi, E32222865, Tahun 2025, Teknologi Informasi, Politeknik Negeri Jember, Agus Hariyanto, ST, M.Kom (Pembimbing). Kebisingan yang berlebihan dapat menimbulkan gangguan pada lingkungan, terutama di ruang publik seperti perpustakaan, ruang kelas, atau tempat ibadah. Oleh karena itu, pada tugas akhir ini dirancang dan dibangun sebuah alat deteksi kebisingan berbasis Arduino Uno dan ESP32-CAM yang mampu mendeteksi arah sumber suara secara real-time serta mendokumentasikannya melalui gambar. Sistem ini menggunakan dua sensor suara KY-037 untuk menangkap intensitas suara dari arah kiri dan kanan. Arduino Uno bertugas memproses data dari sensor untuk menentukan arah sumber suara dominan. Selanjutnya, motor servo akan menggerakkan ESP32-CAM ke arah suara tersebut dan mengambil gambar. Gambar hasil pemantauan dikirim dan disimpan dalam database MySQL melalui koneksi ke website yang dirancang khusus untuk menampilkan hasil pemantauan. Sebagai antarmuka lokal, digunakan layar LCD I2C untuk menampilkan nilai kebisingan dari kedua sensor. Selain itu, LED dot matrix MAX7219 digunakan untuk menampilkan peringatan visual seperti tulisan “DIAM” saat kebisingan terdeteksi. Seluruh sistem dikembangkan menggunakan Arduino IDE, dan pengolahan data citra ditangani oleh ESP32-CAM secara otomatis. Dengan alat ini, proses deteksi kebisingan dan dokumentasi sumber suara dapat dilakukan secara otomatis dan efisien. Hasil pemantauan dapat dilihat melalui website, sehingga memudahkan pengguna dalam mengakses data secara real-time maupun historis.