Sistem monitoring kualitas air budidaya ikan laut akan dirancang menggunakan sensor cerdas dengan menyesuaikan kondisi lingkungan teripang, yaitu kualitas air pada salinitas 30-37%, dimana air laut umumnya mempunyai salinitas antara 33-37%, di perairan pantai berkisar antara 32-35% dan kondisi perairan dengan kisaran optimum pH 7,5-8,0 serta kondisi jumlah oksigen terlarut (Dissolved Oxygen) berkisar antara 5,0-5,5 mg/L dalam perairan. Salinitas, pH, dan DO merupakan faktor utama sebuah keramba menjadi lebih sensitif terhadap budidaya teripang, apabila tidak terpantau rutin. Maka dikembangkanlah inference engine dengan logika fuzzy untuk memantau DO, pH, dan salinitas serta model algoritma pembelajaran supervise. Hasil simulasi akan dianalisis dengan algoritma pembelajaran berbasis supervisi, menghitung bobot dan bias secara iteratif. Representasi data diakuisisi dan dikembangkan kecerdasan buatan model fuzzy untuk memantau DO, pH, dan salinitas. Kemudian menggunakan software LabVIEW yang mampu memonitor dan mengakuisisi data secara cepat dan akurat serta microcontroller sebagai pengolah data dari sensor DO, pH, dan salinitas. Luaran penelitian ini akan merealisasikan prototipe system monitoring jarak jauh dengan teknologi IoT yang ditujukan untuk memonitor nilai pH 7,77-8,27, DO pada 5,0-5,5 mg/L, dan salinitas pada 27,33-30 ppt secara kontinyu dan akurat

Eye strain is a big concern, especially when it comes to continuous and prolonged online learning. If this is allowed to continue, it will result in Computer Vision Syndrome, also known as Digital Eye Strain (DES), which includes headaches, blurred vision, dry eyes, and even neck and shoulder pain. This condition can be observed either directly based on excessive eye blinking or indirectly based on observations of the electrical activity of eye movements or electrooculography (EOG). The observed blink signal from the EOG, as a representation of eye strain, is the focus of this study. Data acquisition was obtained using the EOG sensor and was carried out on the condition that the participants were conducting online learning activities. There are four different modes of observation taken in succession: when the eye is in a viewing state but without blinking, when the eye blinks intentionally, when the eye is closed, and finally when the eye sees naturally. Observation time is 10s, 20s and 30s, where each interval is performed three times for every mode. The obtained signal is processed by the proposed method. The resulting signal is then labeled as a Blinking signal. Determination of the number of blinks or CNT_PEAK is the result of training this signal by tunning its threshold and width. If the number of blinks is less than or more than 17 then the system will provide a prediction of eye status which is stated in two categories, the first is normal eye while the last is eye strain or fatigue.

No abstract

Recommendation system always involves huge volumes of data, therefore it causes the scalability issues that do not only increase the processing time but also reduce the accuracy. In addition, the type of data used also greatly affects the result of the recommendations. In the recommendation system, there are two common types of data namely implicit (binary) rating and explicit (scalar) rating. Binary rating produces lower accuracy when it is not handled with the properly. Thus, optimized K-Means+ clustering and user-based collaborative filtering are proposed in this research. The K-Means clustering is optimized by selecting the K value using the Davies-Bouldin Index (DBI) method. The experimental result shows that the optimization of the K values produces better clustering than Elbow Method. The K-Means+ and User-Based Collaborative Filtering (UBCF) produce precision of 8.6% and f-measure of 7.2%, respectively. The proposed method was compared to DBSCAN algorithm with UBCF, and had better accuracy of 1% increase in precision value. This result proves that K-Means+ with UBCF can handle implicit feedback datasets and improve precision.

Bidang pendidikan merupakan komponen penting dalam membantu kelahiran generasi ekonomi bangkit suatu negara. Karena dengan adanya kualitas pendidikan yang maksimum  akan menunjang  aktualisasi  mencetak generasi bangsa yang berkualitas, sehingga dapat memberi impact pada ekonomi, sosial, budaya, dan bidang lainnya. Salah satu upaya aktualisasi peningkatan mutu pendidkan yaitu dengan melakukan kreativitas SDM melalui Media pembelajaran matematika dasar yang meliputi penjumlahan, pengurangan dan perkalian, pembagian untuk siswa SD/MI tingkat rendah, yang telah diterapkan pada siswa SDN Bareng 1 yaitu 3P BSB Matematika. Media ini merupakan media yang dikembangkan untuk membantu pengajar dalam  memberikan  bahan ajaran kepada siswa yang masih belum mengerti tentang belajar berhitung dengan suasana baru melalui inovasi dan kreativitas. Tahapan yang digunakan dalam pengembangan media ini yaitu analysis, desain, development, implementation. Pembuatan media pembelajaran papan pintar ini Hasil pengembangan berupa sebuah media yang dapat digunakan dalam proses pembelajaran  matematika   khususnya   materi   penjumlahan, pengurangan  danperkalian, pembagian untuk siswa ini diharapkan dapat efektif. Kegiatan ini bertujuan untuk menghasilkan media pembelajaran matematika berbasis papan pintar dengan inovasi bermain sambil belajar untuk siswa SDN Bareng 1  dengan referensi yang  memadai  pada  proses  pengembangan  kreativitas belajar matematika  pada  siswa.  Dengan adanya inovasi   menggunakan model 4 dimensi, yaitu: melakukan design (merancang produk dengan alat dan bahan hingga memproyeksikannya dalam bentuk papan pintar), dan disseminate (uji coba pada calon pengguna). Selain itu dalam bidang pendidikan, Desa Bareng  ini mempunyai potensi berupa adanya siswa / anak didik SD kelas rendah yang mempunyai bakat, minat, serta kreativitas yang cukup optimal yang dapat dikembangkan melalui media pembelajaran ini.