Komunikasi merupakan kegiatan kemasyarakatan yang dimana dilakukan dua atau lebih orang untuk dapat saling bertukar informasi. Komunikasi dapat dilakukan dimana saja dan kapan saja.  Namun komunikasi secara normal tidak dapat dilakukan oleh kalangan berkebutuhan khusus terutama tuna wicara. Permasalahan tersebut menimbulkan banyak kerugian bagi penyandang tunawicara untuk berkomunikasi dengan kaum dengar. Kondisi tersebut dapat dihindari dengan membuat sistem pendeteksian bahasa isyarat alfabet BISINDO berbasis computer vision. Penelitian ini memanfaatkan kecerdasan buatan dalam mengenali bahasa isyarat, serta penggunaan konsep Deep Learning dan pemanfaatan arsitektur YOLOv4.  Kecepatan dan keringanan komputasi juga menjadi pertimbangan penting dalam penelitian ini untuk mendapat hasil yang cukup baik dengan waktu komputasi secepat mungkin. Sistem dibangun menggunakan total 494 dataset citra yang sekaligus digunakan untuk pelatihan serta pengujian sistem. Untuk dapat mengukur besarnya performa dari model digunakanlah Confusion Matrix. Hasil dari pengujian menunjukkan bahwa sistem memiliki tingkat accuracy sebesar 99.7%, tingkat precision sebesar 96%, dan tingkat recall sebesar 96%. Penelitian ini membuktikan bahwa metode ini dapat digunakan untuk mendeteksi bahasa isyarat alfabet BISINDO dengan benar dan akurat berdasarkan masukan gambar.Komunikasi merupakan kegiatan kemasyarakatan yang dimana dilakukan dua atau lebih orang untuk dapat saling bertukar informasi. Komunikasi dapat dilakukan dimana saja dan kapan saja.  Namun komunikasi secara normal tidak dapat dilakukan oleh kalangan berkebutuhan khusus terutama tuna wicara. Permasalahan tersebut menimbulkan banyak kerugian bagi penyandang tunawicara untuk berkomunikasi dengan kaum dengar. Kondisi tersebut dapat dihindari dengan membuat sistem pendeteksian bahasa isyarat alfabet BISINDO berbasis computer vision. Penelitian ini memanfaatkan kecerdasan buatan dalam mengenali bahasa isyarat, serta penggunaan konsep Deep Learning dan pemanfaatan arsitektur YOLOv4.  Kecepatan dan keringanan komputasi juga menjadi pertimbangan penting dalam penelitian ini untuk mendapat hasil yang cukup baik dengan waktu komputasi secepat mungkin. Sistem dibangun menggunakan total 494 dataset citra yang sekaligus digunakan untuk pelatihan serta pengujian sistem. Untuk dapat mengukur besarnya performa dari model digunakanlah Confusion Matrix. Hasil dari pengujian menunjukkan bahwa sistem memiliki tingkat accuracy sebesar 99.7%, tingkat precision sebesar 96%, dan tingkat recall sebesar 96%. Penelitian ini membuktikan bahwa metode ini dapat digunakan untuk mendeteksi bahasa isyarat alfabet BISINDO dengan benar dan akurat berdasarkan masukan gambar.

Stunting mengakibatkan gangguan pertumbuhan anak-anak batita sehingga perkembangan tubuhnya menjadi tidak maksimal. Kondisi ini berdampak pada perkembangan Indonesia di masa mendatang. Banyaknya stunting akan menyebabkan generasi muda Indonesia tidak mampu berkompetisi dalam dunia global. Penanganan stunting dapat dilakukan pada anak dan calon ibu. Calon ibu yang merupakan remaja putri jarang menjadi fokus untuk penurunan angka stunting. Remaja putri yang sering mengalami anemia akan memiliki kemungkinan besar untuk melahirkan calon bayi stunting. Pengukuran hemoglobin secara invasif seringkali menjadi halangan bagi remaja putri untuk melakukan pengukuran hemoglobin. Penelitian ini bertujuan untuk mengembangkan perangkat pengukuran hemoglobin secara non-invasif sehingga dapat dilakukan untuk memantau hemoglobin pada remaja putri. Pencatatan hemoglobin secara elektronik nirkabel berbasis jaringan Long Range (LoRa) juga dilakukan untuk menyediakan data yang terbaru. Hasil dari penelitian menunjukkan bahwa perangkat mampu membaca Hemoglobin dengan tingkat galat berkisar antara 0,01% – 0,67% dengan rata-rata galat sebesar 0,31%. Hasil pengujian performa jaringan LoRa menunjukkan bahwa jaringan LoRa telah siap digunakan untuk pengiriman data jarak jauh secara nirkabel. Kuat sinyal pengiriman di sekitar Kabupaten Banyumas telah mencapai kuat minimum yang disyaratkan untuk pengiriman data yaitu -120dBm. Data penelitian menunjukkan bahwa pengembangan perangkat untuk mengirimkan data menggunakan jaringan LoRa dapat digunakan untuk pengukuran Hemoglobin remaja putri secara berkala di Kabupaten Banyumas.

Infus merupakan proses memasukan cairan ke dalam pembuluh darah pasien untuk menggantikan cairan dalam tubuh. Kelemahan proses infus saat ini adalah tidak ada pemantauan kondii infua. Apabila infus habis kemudian diabaikan dapat menyebabkan darah pasien justru masuk ke dalam selang infus yang dapat mengakibatkan kekurangan darah. Maka dari itu sebuah sistem pemantauan infus diperlukan untuk menghindari kejadian tersebut. Parameter kecepatan tetesan infus dan kondisi cairan infus telah habis dapat dikenali secara otomatis menggunakan sensor. Cairan infus yang masih penuh lebih berat dibandingkan cairan infus yang telah habis. Kondisi ini dapat dideteksi menggunakan sensor berat. Kecepatan tetesan infus dapat dideteksi melalui interval waktu halangan yang terjadi saat cairan menetes. Informasi kondisi kecepatan tetesan dan berat cairan infus akan dikirimkan secara otomatis melalui telegram perawat. Hasil penelitian menunjukkan bahwa sensor berat mampu mengukur berat dengan rata-rata akurasi sebesar 97,80% dibandingkan dengan timbangan pembanding. Sedangkan akurasi pengukuran interval waktu untuk mendeteksi kecepatan tetesan infus memiliki rata-rata akurasi sebesar 99,77% dibandingkan dengan etimasi seharusnya dalam orde mili detik. Pengujian kualitas jaringan untuk mengirimkan data menunjukkan bahwa rata-rata waktu tunda yang diberikan adalah 95.664ms dengan nilai jitter sebesar 0,153ms, dan nilai rata-rata troughput sebesar 5,510kbps. Data-data tersebut menunjukkan bahwa sistem mampu bekerja dengan baik untuk mengirimkan kondisi infus melalui notifikasi Telegram Perawat.

Setiap orang memerlukan istirahat yang cukup agar dapat menjalankan aktivitas sehari-hari dengan optimal. Istirahat yang tidak cukup memicu kondisi kantuk seseorang. Rasa kantuk dapat mengganggu aktivitas karena adanya penurunan konsentrasi. Kondisi yang berbahaya terjadi ketika pengemudi mengantuk saat mengemudi. Kondisi tersebut dapat dihindari dengan membuat sistem alarm berbasis computer vision. Penelitian ini memanfaatkan kamera dan kecerdasan buatan untuk mendeteksi apakah pengemudi dalam keadaan mengantuk atau tidak. Penelitian ini melakukan perancangan sistem untuk mendeteksi kantuk melalui kondisi mata pada citra wajah berbasis metode Haar Cascade. Sistem dibangun menggunakan total 1.600 dataset citra dan 200 kali pengujian. Hasil dari pengujian menunjukkan bahwa sistem memiliki tingkat accuracy sebesar 92,5%, tingkat precision sebesar 89,71%, dan tingkat recall sebesar 96%. Penelitian ini membuktikan bahwa metode haar cascade dapat digunakan untuk mendeteksi kondisi mata kantuk berdasarkan masukan gambar dari kamera.