Noise is an unexpected sound from business or activity at a certain level and time, which can cause reduced comfort. The causes of noise can be grouped based on the sound and noise spectrums. However, in general, noise sources come from traffic, industrial, aeroplane, and train activities. When the wheels scuff up against the rail surface, a train operates, producing noise. In this research, a design was created to monitor the noise level produced by railway facilities. This system is made using main components such as arduino uno, DFR0034 sound sensor, SIM800L, and other supporting components. The system is designed to be able to monitor and display data on the noise values that occur. The system is designed based on the internet of things so that it can display data automatically on the computer. Data can be accessed using thingspeak via SIM800L as an internet source, making it easy to observe and measure noise. This design testing was carried out using light rail transit trains, inspection trains, and lorries. Noise levels in trains range from 70 dB to 80 dB. If more than 80 dB is detected, the cause of the noise can be checked to maintain the comfort and safety of passengers and avoid more serious damage if damage is found to the facilities.

Manusia tak lepas dari aktifitas sehari-hari. Seorang pekerja harus berangkat ke kantor untuk bekerja. Seorang pelajar harus berangkat ke kampus ataupun ke sekolah untuk belajar, dan sebagainya. Terkadang seseorang tersebut berangkat untuk melakukan aktifitas masing-masing menuju tempatnya menggunakan kendaraan yaitu mobil.
Harga mobil yang begitu mahal dan hanya dimiliki oleh kalangan tertentu, membuat pemilik cenderung menambahkan sebuah alat yang dapat memberikan tingkat keamanan yang lebih tinggi agar terhindar dari tindak kriminalitas pencurian mobil yaitu dengan menambahkan fingerprint car starter. Pemanfaatan fingerprint car starter digunakan ketika pemilik akan menghidupkan mesin mobil.
Fingerprint car starter ini menggunakan metode support vector machine (SVM). SVM adalah salah satu metode jaringan syaraf tiruan pada pengenalan sidik jari. SVM mengimplementasikan prinsip structural risk minimization yang bertujuan untuk meminimalisasi sebuah hubungan dari kesalahan umum. Keuntungan lain menggunakan metode SVM adalah hasil pelatihan dari SVM dapat menyelesaikan solusi yang unik dan optimal.
Cara kerja dari sistem ini yaitu meng-input-kan sidik jari ke dalam alat ini. Sebelum sidik jari diproses, sidik jari telah tersimpan ke dalam database. Kemudian sidik jari diklasifikasi ke salah satu database sidik jari yang telah tersimpan. Jika sidik jari tersebut sesuai dengan database sidik jari yang tersimpan, maka mesin mobil akan menyala dan mobil siap untuk digunakan.