Salah satu wujud nyata Pemerintah Kabupaten Tana Tidung dalam mengelola program kerjanya secara transparan dan akuntabel adalah melalui proses monitoring dan evaluasi (monev) secara komprehensif dan berkala. Hanya saja selama ini proses monev masih dilakukan secara manual dengan beberapa kelemahan, seperti format laporan yang tidak seragam, keterlambatan proses penyampaian laporan untuk SKPD yang jauh, terjadinya kesalahan input dalam laporan karena data tercecer, dan tidak adanya kontrol monitoring progress realisasi anggaran per triwulan secara efektif dan efisien. Oleh karena itu, penelitian ini mengusulkan untuk mengembangkan Simdalev (Sistem Informasi Manajemen Pengendalian dan Evaluasi Pembangunan Daerah) Kabupaten Tana Tidung. Simdalev ini dibangun dalam bahasa pemrograman web PHP diatas framework CodeIgniter dan generator CRUD Harviacode. Pengembangan dalam pembuatan aplikasi ini menggunakan metode Waterfall atau biasa disebut SDLC (Software Development Life Cycle) dan diuji terhadap 33 responden dengan pengujian black-box, kompabilitas, dan usabilitas. Hasil penelitian menunjukkan bahwa pengujian black-box sebagian besar bernilai valid, pengujian kompatibilitas bernilai kompabilitas untuk semua jenis browser, serta pengujian usabilitas bernilai 80,79 yang menunjukkan antarmuka Simdalev dapat digunakan oleh pengguna dengan mudah.

The overlapped equal subarray transmit radar, which is also known as the Subarray Multiple-Input Multiple-Output radar, utilizes the key advantages simultaneously of both types of multi-antenna radar, i.e. the phased array and MIMO radars, so that it is able to detect multiple targets even though it has a radar cross section (RCS) of a weak or small target. In this paper, it is proposed to develop a parameter estimation approach called amplitude and phase estimation (APES). This approach provides improved resolution to the estimation of the amplitude and direction of arrival (DoA) of the target reflection signal on the radar compared to the existing conventional estimation methods such as least squares (LS). The formulation of the APES method on this radar is based on the tested parameters such as DoA and RCS and continuously being evaluated. The results show that the performance of the APES method of this radar can detect targets very precisely when the number of subarrays (M) is greater than the number of detection targets (P), precisely M > P. For the results of DoA and RCS accuracy from the APES method, this radar is more accurate than the LS when testing the angular resolution between the two targets, an angle resolution of 2° is obtained for the APES method which is superior to the LS with an angle resolution of 5.8°. In these conditions, the APES method is able to accurately distinguish between two targets while the LS method is only able to detect one target.

Indeks massa tubuh dapat dilakukan dengan membandingkan tinggi badan dan berat badan seseorang. Pengukurantinggi dan berat badan manusia umumnya menggunakan cara manual dan kurang efisien terutama jika terdapat banyak manusia yang akan diukur dan pada saat masa pandemi yang mengharuskan untuk dapat saling menjaga jarak. Oleh sebab itu, pada penelitian ini dirancang suatu bangun sistem perhitungan Indeks Massa Tubuh (IMT) dengan Computer Vision dan regresi linier yang dapat menjadi alternatif dalam pengembangan sistem perhitungan IMT secara otomatis berbasis sensor kamera yang efektif, efisien, dan mampu mengurangi kontak langsung (less contact). Tahapan awal berupa pengambilan citra depan dan samping tubuh manusia menggunakan kamera yang kemudian masuk ke tahapan pengolahan citra berupa grayscale, blur, deteksi tepi, dan bounding box untuk memperoleh tinggi dan lebar badan sampel dalam piksel yang dilanjutkan dengan operasi regresi linier untuk menkonversi nilai piksel tersebut menjadi centimeter (cm) sehingga diperoleh data tinggi badan dan lebar badan sistem, sedangkan untuk berat badan digunakan metode Body Surface Area (BSA) yaitu perhitungan luas area tubuh manusia dengan memodelkan tubuh manusia sebagai tabung elips dan ditambahkan faktor pengali untuk meningkatkan perhitungan sistem. Hasil penelitian menunjukan bahwa sistem dapat memperkirakan tinggi serta berat badan. Diperoleh akurasi sebesar 98,96% pada perhitungan tinggi badan, 88,54% pada perhitungan berat badan, 88,24% untuk skor Indeks Masa Tubuh (IMT), serta nilai akurasi kategori IMT sebesar 60%.