Batik is one of Indonesia's cultural heritages that is recognized around the world and has existed since the colonial era. Indonesia has a variety of different batik pattern in every Indonesia's region. It causes many ordinary people and tourists to become harder to identify and recognize the existing patterns. Banyuwangi regency itself has more than 10 batik patterns, including the Gajah Oling pattern which in the oldest batik pattern. For preserving the culture and supporting the growing tourism aspect in Banyuwangi, this study developed a system for recognizing Banyuwangi batik patterns based on digital image processing. This system is built using python language and is able to recognize three classes of Banyuwangi batik patterns, such as Gajah Oling, Kopi Pecah and other Banyuwangi batik patterns. This system proposes Gray Level Co-occurrence Matrix (GLCM) as feature extraction method and k-Nearest Neighbors (kNN) as classification method. Based on the experiments that have been carried out, the optimal accuracy is 87,5% with the K parameter of kNN is 9.

Sistem penerimaan dan pengeluaran kas di SMK Nurut Taqwa Songgon masih menggunakan cara konvensional dengan menulis secara manual di buku sehingga proses yang dilakukan kurang optimal, dan banyak sekali kendala yang dihadapi seperti kehilangan data dan butuh waktu yang cukup panjang dalam pengurusannya. Berdasarkan permasalahan yang ada, pada penelitian ini dilakukan pengembangan aplikasi yang dapat membantu pekerjaan bendahara berbasiskan web dan WhatsApp Gateway. Metode pengembangan sistem yang digunakan dalam aplikasi ini menggunakan RAD (Rapid Application Development) dan dibangun menggunakan framework Codelgniter. Hasil yang didapatkan dari penelitian ini adalah aplikasi ini dapat mempermudah bendahara dalam mengelola data tanggungan siswa dan pencatatan transaksi pengeluaran sekolah, seperti penggajian karyawan, pengelolaan pembayaran siswa dan melihat transaksi penerimaan dan pengeluaran secara keseluruhan di SMK Nurut tanpa memerlukan waktu yang panjang lagi, sedangkan untuk para wali murid dapat terbantu dalam memantau pembayaran yang dilakukan oleh anaknya melalui fitur Whatsapp Gateway. Berdasarkan pengujian yang dilakukan didapatkan bahwa semua fitur yang dikembangkan dapat berjalan sesuai dan tingkat kualitas sistem berkriteria baik dengan presentase sebesar 88.5%.

AbstrakPemeriksaan kesehatan jantung sangat penting dilakukan, mengingat jantung merupakan organ vital tubuh yang dapat mempengaruhi kinerja organ lain. Pemeriksaan jantung menggunakan sensor elektrokardiograf pada sebuah rumah sakit membutuhkan biaya yang cukup mahal. Pemeriksaan ini perlu dilakukan secara signifikan, karena banyak hal yang bisa mempengaruhi kinerja jantung. Penelitian ini merupakan penelitian pengembangan alat monitoring denyut jantung manusia menggunakan sensor AD8232 yang berfungsi untuk membaca sinyal biolistrik tubuh, dengan cara menempelkan lead atau alat penerima implus listrik jantung pada bagian tubuh yang telah ditentukan berdasarkan teori segitiga Einthoven. Selain itu, Modul MCU ESP8266 juga digunakan untuk mengontrol keluaran dan memungkinkan menjalankan sistem Internet of Things (IoT). Hasil penelitian menunjukkan bahwa perbandingan persentase rerata error antara sistem yang dikembangkan dengan alat yang digunakan di rumah sakit sebesar 1,2%. Selain itu, keberhasilan pengiriman data ke website melalui media internet sebesar 100%.

Batik cloth is one of Indonesia's most valuable cultural heritages and has been recognized by UNESCO as one of the world heritages. Many Indonesian people do not know the batik motifs of each region. Banyuwangi itself has more than 10 batik motifs, among the most famous Banyuwangi batik motifs is the Gajah Oling motif. The Banyuwangi batik motif classification system is a system built using the Python library with Python programming language. This system can recognize 7 types of Banyuwangi batik motifs, including Gajah Oling, Gedegan, Coffee Pecah, Moto Pitik, Kutah Rice, Paras Earthy and Sisikan. This system uses the convolutional neural network method and for evaluation, the confusion matrix method is used to measure the accuracy value. The research uses a CNN model with an architecture named MyCustomModel. The data used in this study were 120 images for each batik motif and the prediction results get an accuracy value of 63%.

No abstract