Penelitian ini dilakukan berdasarkan kebutuhan akan adanya alat bantu bagi peternak maupun penyuluh dalam mendiagnosis penyakit pada ayam. Basis pengetahuan sepenuhnya diambil dari pengetahuan pakar yang dapat mendiagnosa dan menentukan nama penyakit yang diderita oleh ayam. Penelitian ini dibuat berdasarkan hasil analisis dengan membandingkan 4 jurnal internasional yang berjudul “Expert system of quail disease diagnosis using forward chaining method, An Expert System for Management of Poultry Diseases, Developling Mobile Expert Web-based System Using Brainstroming Method, Disease Diagnosis System”. Berdasarkan keempat jurnal tersebut dapat dikembangkan inovasi baru berupa Sistem pakar diagnosa penyakit ayam menggunakan metode Certainty Factor. Metodologi penelitian menggunakan wawancara dan studi literature sehigga dapat menggumpulkan data yang lebih lengkap. Sistem Pakar ini akan di implementasikan kedalam sebuah aplikasi mobile berbasis android dengan harapan memudahkan user dalam menggunakan karena dibuat kedalam aplikasi android sehingga bisa di install dalam handphone. Hasil akhir berupa suatu informasi data penyakit dengan nilai Certainty Factor/kepastian.Kata Kunci — Diagnosa Penyakit Ayam, Sistem Pakar, Android, Certainty FectorThis study was conducted based on the need for tools for farmers and extension workers in diagnosingdiseases in chickens. The knowledge base is completely drawn from the expert knowledge that can diagnose and determine the name of the disease suffered by chickens. This study was based on the results of the analysis by comparing four international journals entitled "Expert system of quail disease diagnosis using forward chaining method, An Expert System for Management of Poultry Diseases, Developing Mobile Expert Web-based System Using Brainstroming Method, Disease Diagnosis System". Based on the four journals can be developed a new innovation in the form of expert system of chicken disease diagnosis using Certainty Factor method. The research methodology uses interviews and literature studies so that it can collect more complete data. Expert System will be implemented into an android-based mobile application with the hope of facilitating the user in using because it is made into the android application that can be installed in the mobile phone. The final result is an information of disease data with Certainty Factor value/certainty.Keywords — Diagnosis of Chicken Disease, Expert System, Android, Certainty Fector

Pandemi Covid-19 yang melanda dunia memiliki dampak luar biasa terhadap model bisnis usaha termasuk model usaha peternak ikan KOI di Kota Blitar. Untuk tetap bertahan pada kondisi ini diperlukan inovasi berupa pemasaran ikan koi melalui website. Dengan menggunakan website masih mempunyai peluang yang besar dalam pemasaran secara daring tetapi peternak masih belum mampu untuk membuat dan mengelola website secara mandiri. Sehingga dibutuhkan pelatihan dalam bentuk pengabdian kepada masyarakat untuk membuat website. Metode PkM ini dilakukan dengan cara pelatihan dimulai dari materi teori dilanjutkan dengan praktik pembuatan website dan pendampingan implementasi. Selama kegiatan dilakukan dengan cara yang menyenangkan sesuai tema pelatihan. sehingga Capaian akhir dari kegiatan ini peternak dapat secara mandiri, aktif, dan kreatif serta mempunyai ketrampilan dalam pembuatan website. Hasil akhir dari Pengabdian Kepada Masyarakat ini adalah peternak telah memiliki website yang sudah di implementasikan atau diujicoba sehingga kedepannya peternak mempunyai kemampuan untuk mengelola website.

Objektif.  Deteksi lokasi kendaraan menggunakan GPS dan GSM berbasis mikrokontroler adalah topik yang menarik untuk diteliti karena dapat membantu dalam mengatasi masalah pencurian kendaraan. Beberapa penelitian sebelumnya telah dilakukan untuk mengembangkan sistem pelacakan kendaraan berbasis GPS dan GSM, seperti sistem pelacakan kendaraan hilang menggunakan GPS dan ditampilkan dengan smartphone, rancang bangun GPS sebagai pelacak dan pengaman kendaraan berbasis mikrokontroler ATMega128, serta sistem pelacakan dan pengamanan kendaraan berbasis GPS dengan menggunakan komunikasi GPRS. Penelitian ini bertujuan untuk mengembangkan sistem deteksi lokasi kendaraan menggunakan GPS dan GSM berbasis mikrokontroler. Sistem ini akan memanfaatkan teknologi GPS dan GSM untuk menentukan lokasi kendaraan dan mengirimkan informasi lokasi tersebut ke ponsel pengguna melalui jaringan internet. Material and Metode.  Sistem yang akan dibuat dalam penelitian ini terdiri atas alat pendeteksi lokasi dan antarmuka pengguna berbasis web. Data lokasi didapat oleh GPS kemudian dikirimkan oleh mikrokontroller melalui jaringan GSM sehingga tersimpan kedalam database untuk ditampilkan melalui antarmuka berbasis web. Hasil. Uji coba dilakukan untuk mendapatkan informasi kecepatan respon kedua alat beserta durasi alat bisa bekerja jika ditenagai dengan baterai 9V 450mAh. Komunikasi data antara perangkat dengan server menggunakan Wi-Fi. Diketahui bahwa kecepatan respon pertama antara ESP 32 dengan ESP 8266 memiliki perbedaan rata-rata sekitar 0. Kesimpulan. Informasi lokasi bisa didapatkan dengan memanfaatkan mikrokontroller ESP32 maupun ESP 8266 dilengkapi dengan modul GPS. Data lokasi tersebut berhasil dikirimkan ke server menggunakan jaringan Wifi atau jaringan ISP. Informasi lokasi dan perangkat pengirim selanjutnya disimpan didatabase server melalui API yang dibuat khusus untuk masing-masing perangkat IoT ketika dilakukan penambahan data.

Pencocokan citra telah menjadi salah satu isu penting dalam Computer vision, didefinisikan sebagai pengelolaan hubungan antara dua atau lebih citra yang sama namun diambil pada waktu atau sudut pandang yang berbeda. Didalam pengenalan fitur citra banyak metode yang dapat dipergunakan, dalam penelitian ini penulis menggunakan metode  Oriented Fast and Rotated Brief (ORB) untuk mengekstraksi dan mencocokan fitur citra dan K-Nearest Neighbor (KNN) untuk mengidentifikasi fitur citra. Objek yang digunakan dalam pengujian adalah objek yang ada disekitar seperti case kaset PS4, beng-beng drink dan Energen jagung. Hasil identifikasi fitur citra dengan menggunakan metode ORB dan KNN memiliki akurasi 87,5 % dengan jarak pengujian terjauh adalah 30 cm