One of the efforts to break down traffic jams is to establish special lanes that can be passed by two, four or more wheeled vehicles. By being able to recognize the type of vehicle can reduce congestion. Citran based vehicle classification helps in providing information about the vehicle type. This study aims to classify the type of vehicle using a backpropagation neural network algorithm. The vehicle image can be recognized based on its shape, then the backpropagation neural network algorithm will be supported by metric and eccentricity parameters to perform feature extraction. Then from the results of feature extraction with metric parameters and eccentricity, the object will be classified using a backpropagation neural network algorithm. The test results show an accuracy of 87.5%. This shows the algorithm can perform classification well.

Abstract. Development of a Mental Disorders Diagnostic System Using an Inference Engine Using the Dempster-Shafer Theory Algorithm. Patients with mental disorders in Indonesia show a high number. Mental disorders can be treated with special therapies by a psychologist or psychiatrist. However, the number of clinical psychologists and psychiatrists is not sufficient. So we need a system that can diagnose mental disorders and their treatment to prevent mental disorders as early as possible. Expert system development will face uncertainty due to the lack of information needed to decide. This study develops an expert system using the Dempster-Shafer theory algorithm as an inference engine to diagnose mental disorders. The system built can recognize mental disorders based on the symptoms felt by the patient. The system also includes explanations of mental disorders, causes, and treatment recommendations for patients. The accuracy test results show a comparison between the results of expert diagnostics and the system with a system accuracy level of 84%. Keywords: Dempster-Shafer theory, Disease diagnosis, Expert systems, Mental disorders, Uncertainty Abstrak. Penderita penyakit gangguan mental di Indonesia menunjukkan angka yang tinggi. Gangguan mental dapat diatasi dengan terapi-terapi khusus oleh psikolog atau psikiater. Akan tetapi jumlah psikolog klinis dan psikiater tidak mencukupi. Maka diperlukan sebuah sistem yang dapat mendiagnosa gangguan mental dan penanganannya sehingga dapat dicegah sedini mungkin. Pengembangan sistem pakar akan menghadapi ketidakpastian karena terjadi kurangnya informasi yang dibutuhkan untuk membuat sebuah keputusan. Penelitian ini mengembangkan sistem pakar menggunakan algoritma dempster-shafer theory sebagai mesin inferensi untuk mendiagnosis penyakit gangguan mental. Sistem yang dibangun dapat mengenali penyakit gangguan mental berdasarkan gejala yang dirasakan oleh pasien. Sistem juga menyertakan penjelasan mengenai penyakit gangguan mental, penyebab, dan rekomendasi pengobatan untuk pasien. Hasil pengujian akurasi menunjukkan perbandingan antara hasil diagnosa pakar dan sistem dengan tingkat akurasisistem mencapai 84%.Kata Kunci: Teori Dempster-shafer, Diagnosa penyakit, Sistem pakar, Gangguan mental, Ketidakpastian

Computational thinking merupakan salah satu keahlian yang perlu dimiliki dalam era teknologi informasi sekarang ini. Banyak negara telah memasukkan computational thinking dalam kurikulum pembelajaran mereka. Peringkat negara Indonesia pada Programme for International Student Assessment (PISA) berdasar survei tahun 2018 berada dalam urutan bawah, yaitu peringkat 72 dari 77 negara untuk nilai kompetensi membaca, peringkat 72 dari 78 negara untuk nilai Matematika, dan peringkat 70 dari 78 negara untuk nilai sains. Hal ini menjadikan perhatian bagi pemerintah dan kita semua dalam upaya meningkatkan kemampuan computational thinking masyarakat Indonesia, khususnya para pelajar. Oleh karena itu, melalui kegiatan PkM ini, sebagai salah satu upaya peningkatan computational thinking, memberikan pelatihan pemrograman untuk menyelesaikan permasalahan, khususnya terkait IoT untuk siswa SMA PAHOA Tangerang. Kegiatan ini dilaksanakan melalui ekstrakurikuler pemrograman dengan bentuk pemaparan teori dan praktikum hands-on bagaimana memecahkan masalah dengan membangun aplikasi IoT menggunakan Tinkercad. Melalui kuesioner di akhir kegiatan PkM, 62% peserta setuju bahwa kemampuan computational thinkingnya meningkat dan 96% peserta dapat memahami bagaimana membuat aplikasi IoT.

No abstract

Pembuatan aplikasi berbasis multimedia berupa sistem informasi tata letak ruang visual dengan menggunakan aplikasi adobe flash, merupakan sebuah perangkat lunak yang dapat mempresentasikan citra lingkungan sekitar mendekati situasi sesungguhnya. Lokasi yang akan menjadi objek pada pembuatan tugas akhir ini adalah pusat perbelanjaan yang terdapat gedung XYZ Mall, Jakarta. Pengembangan sistem informasi tata letak ruang visual ini merupakan pengembangan sistem tata letak ruang berbasis multimedia pada pusat perbelanjaan yang terdapat pada XYZ Mall menjadi visualisasi tentang tata letak ruang berbasis multimedia agar mempermudah para pengunjung dalam pencarian lokasi perbelanjaan yang ingin dituju. Dengan penerapan teknologi flash dalam pencitraan dua dimensi ini diharapkan dapat menghasilkan pencitraan yang detail dan interaktif pada pusat perbelanjaan gedung XYZ Mall dimana pencitraan tata letak ruang secara visual tersebut diharapkan dapat memberikan user experience yang bersifat nyata sehingga tingkat pemahaman yang user friendly terhadap hasil pencitraan akan lebih tinggi.