The eyes are crucial tools for human observation and perception, facilitating various tasks in daily life. Individuals, including those with visual impairments or blindness, engage in currency transactions, posing challenges in recognizing notes and preventing mishaps with counterfeit money. Despite government efforts, features like embossing on banknotes have limited effectiveness due to the circulated currency's disheveled condition. Addressing the visually impaired community's needs is imperative. An innovative solution, the "all-in-one smart white cane," integrated with machine learning supports daily activities, enhancing independence for visually impaired individuals. The YOLOv8 algorithm is employed for the precise detection of monetary denominations, subsequently recorded through a camera and seamlessly integrated into a smart cane, resulting in a consolidated device. This device, designed with standout features, excels in detecting Indonesian Rupiah banknote denominations. Detection performance testing, incorporating methods like object rotation, utilized a dataset divided into training (70%), validation (20%), and test (10%) segments. Modifications to contrast and variability rotation are essential in the context of real-time nomination recognition. These adjustments are implemented to ensure accurate and swift identification in dynamic, real-world scenarios. Testing results reveal a 99% average accuracy in recognizing currency note denominations, presenting an effective solution for the visually impaired community.

Customer segmentation is an important strategy in a company, it affects good customer relationships which will result in increased profits. Grouping customers in data mining can use several algorithms, but K-Medoids is the right choice because it can reduce noise and outlier sensitivity. However, the selection of cluster centers is still random and has an effect on the results of clustering, so it is necessary to improve the k-medoids algorithm so that the resulting cluster value can be optimal. Particle Swarm Optimization is an optimization algorithm that is often used and has been proven to improve the results of a clustering. In this case, optimization using Particle Swarm Optimization (PSO) in the selection of the initial cluster center needs to be applied to the k-medoids algorithm so that the results of the cluster can be optimal. The results of the study showed the Davies-Bouldin Index (DBI) value for K-Medoids K 2 = 0.379, K 3 = 0.283, and K 4 = 0.593, while the DBI value PSO + K-Medoids K 2 = 0.088, K 3 = 0.226, and K4 = 0.363. The DBI value shows that PSO optimization on K-Medoids to determine the initial centroid is proven to improve the results of clustering than standard K-Medoids.

Kista ginjal adalah pertumbuhan jaringan berbentuk kantong yang berisi carian pada sekitar ginjal. Seringkali kista ginjal tidak menimbulkan gejala, sehingga memerlukan pantauan reguler dokter. Dokter dapat melakukan pemeriksaan dan merencanakan tindakan penelitian lebih lanjut. Penelitiaan ini fokus pada model klasifikasi kista menggunakan model Deep Learning dengan arsitektur Convolution Neural Network (CNN), jenis jaringan syaraf tiruan untuk analisis gambar CT scan kista ginjal. Selain itu, penggunaan teknik pre-processing untuk meningkatkan performa model dengan memperbanyak varisasi data. Dalam membuat model klasifikasi perlu memperhatikan pemahaman data, tingkat interpretabilitas model, dan penanganan overfitting. Overfitting terjadi ketika model terlalu fokus pada data latih, sehingga tidak dapat memproses data uji dengan baik. Solusi untuk menangani masalah distribusi kelas adalah dengan penyeimbang kelas (resampling). Resampling dibagi menjadi dua jenis yaitu, undersampling dan oversampling. Undersampling merupakan metode sampling secara acak memilih di kelas mayoritas dan menambahkannya di kelas minoritas. Dan oversampling merupakan menggandakan sampel di kelas minoritas secara acak. Pada hasil pengujian model yang dilakukan dapat ditarik kesimpulan bahwa penggunaan teknik undersampling RUS memiliki tingkat akurasi tertinggi dengan nilai 30,82% untuk klasifikasi kista ginjal pada dataset tidak seimbang.

Sistem Pendaftaran Kembali Undiksha menjadi salah satu sistem yang berperan penting khusunya dalam pendaftaran ulang calon mahasiswa baru yang ingin melanjutkan pendidikan ke Undiksha. Berdasarkan wawancara yang dilakukan terhadap beberapa stakeholder dan melalui grup diskusi telegram yang difasilitasi Undikhsha didapatkan hasil bahwa sering terjadi kebingungan saat calon mahasiswa ingin melakukan pengisian data, mencari navbar menu, cetak NIM dan kebingungan lainnya. Penelitian ini bertujuan untuk memperbaiki pengalaman pengguna saat menggunakan Sistem Pendaftaran Kembali Undiksha dengan menggunakan metode Design Thinking. Pada tahap test awal, variabel efektivitas mendapatkan nilai rata-rata sebesar 93.34%, efisiensi sebesar 89% dan kepuasan sebesar 58,5. Berdasarkan hasil tersebut kemudian dilakukan perbaikan pada layout sistem dan perbaikan juga dilakukan dengan menambah dan menghilangkan beberapa field pada setiap menu serta membuat sistem menjadi leih konsistem. Perbaikan design yang telah dirancang tersebut diuji kembali dan mendapatkan hasil pada tahap test akhir variabel efektivitas mendapatkan nilai rata-rata sebesar 100%, efisiensi sebesar 92,7% dan kepuasan sebesar 95. Sehingga dapat disimpulkan bahwa perbaikan design Sistem Pendaftaran Kembali Undiksha yang dihasilkan memiliki pengalaman pengguna yang lebih baik.

Peringkasan dokumen berita adalah sebuah aspek penting dalam pemrosesan bahasa alami dan jurnal ini bertujuan untuk menggambarkan perkembangan terbaru dalam bidang ini. Dengan ledakan informasi dan jumlah berita yang terus meningkat, peringkasan dokumen berita menjadi kunci dalam menghadapi tantangan untuk mengakses informasi yang relevan dan berharga.  Pada paper ini dilakukan peringkasan multi dokumen berbahasa Indonesia dengan menggunakan metode RNN (Recurrent Neural Network) variasi yang digunakan adalah Long Short-Term Memory (LSTM), dengan ekstraksi fitur menggunakan dua model Word2Vec yang berbeda, yaitu CBOW (Continuous Bag of Words) dan Skip-gram. Hasilnya menunjukkan nilai recall, presisi, dan F-measure yang signifikan. Untuk model CBOW, nilai recall, presisi, dan F-measure yang ditemukan adalah 0.487, 0.704, dan 0.550. Sementara itu, untuk model Skip-gram, hasil pengujian menunjukkan nilai recall sebesar 0.414, presisi sebesar 0.687, dan F-measure sebesar 0.504.

Quick response code adalah matriks dua dimensi yang dapat menyimpan informasi dalam empat mode pengkodean berbeda. QR Code menawarkan kemudahan dan kecepatan dalam menyimpan dan mengakses informasi sehingga dalam implementasinya terbatas pada penyematan informasi singkat seperti kode produk, tautan  website ataupun kode pembayaran. Pada perkembangannya, QR Code seharusnya dapat mengubah kebiasaan manusia dalam menyimpan informasi akan tetapi hal ini sulit dilakukan karena QR Code memiliki batasan karakter bergantung pada metode pengkodean. Oleh karena itu tujuan dari penelitian ini adalah untuk mengoptimalisasi kapasitas informasi pada QR Code dengan mengkombinasikan  algoritma Huffman dan metode  Rivest Shamir Adleman. Hasil penelitian menunjukan bahwa metode yang diusulkan yaitu flowchart QR Code Generator dan QR Code Reader dapat mengoptimalisasi kapasitas informasi pada QR Code sebesar 81% . Hal ini menunjukan bahwa QR Code versi 40 dengan level L yang memiliki batasan 4296 karakter alfanumerik, dapat dioptimalkan sampai dengan 7775 karakter alfanumerik. Oleh karena itu kesimpulan dari penelitian ini adalah metode yang diusulkan yaitu flowchart QR Code Generator dan QR Code Reader tidak hanya dapat mengoptimalkan kapasitas informasi pada QR Code tapi juga dapat mengamankan informasi yang disematkan pada QR Code dengan tidak mengorbankan kecepatan pemrosesan saat pemindaian.

Pacitan memiliki banyak tempat wisata menarik namun Pacitan belum memiliki sistem untuk pengelolaan informasi wisata. Pengunjung harus mengumpulkan informasi wisata satu per satu dan ada banyak objek wisata Pacitan yang belum diketahui untuk dijadikan alternatif kunjungan. Penelitian ini bertujuan untuk mengembangkan sistem pariwisata di Kabupaten Pacitan berdasarkan System Usability Scale (SUS). Tahap penelitian yaitu studi literatur, pengumpulan informasi, perancangan dan pengembangan sistem serta analisis kepuasan pengguna menggunakan metode SUS beserta perbaikannya. Tahap analisis menghasilkan kebutuhan pengguna dan diagram aktivitas serta diagram use case. Tahap perancangan menghasilkan Class Diagram dan ERD serta perancangan antarmuka sistem kemudian dilakukan implementasi yaitu pembuatan program, pengujian dan implementasi. Sistem dianalisis skala kebergunaannya menggunakan metode SUS. Skor SUS diperoleh nilai 71 dengan nilai C. Net Promoter Score kriteria pasif, acceptable dan adjective dengan kategori ok. Hasil penelitian ini menjadi sarana bagi pengunjung Pacitan untuk memperoleh informasi tentang pariwisata di Pacitan.

Meluasnya penggunaan internet semakin memudahkan seseorang untuk mendapatkan informasi. Kemudahan akses ini membuka peluang perilaku illegal dalam memperoleh dan atau penyebaran informasi. Karenanya pengamanan informasi menjadi faktor krusial saat ini. Dalam penelitian ini operasi XOR menggunakan bilangan acak digunakan untuk meningkatkan hasil enkripsi teks menggunakan rotasi multi kubus. Hasil pengujian menunjukkan terjadi peningkatan yang signifikan. Nilai korelasi meningkat sebesar 82%, Nilai MAE meningkat sebesar 77% dan nilai AE meningkat sebesar 44%. Peningkatan ini menunjukkan penggunaan XOR pada rotasi multi kubus mampu memenuhi kriteria difusi dan konfusi sebagai karakteristik kriptografi yang baik.

Kemajuan dalam ilmu pengetahuan dan teknologi mendorong adaptasi terhadap pemanfaatan teknologi di berbagai sektor, seperti komunikasi, pendidikan, dan informasi. Terutama dalam konteks teknologi pendidikan, dapat diamati bahwa pembelajaran online sedang mendapatkan popularitas yang signifikan di berbagai lembaga pendidikan. Oleh karena itu, penting untuk mengeksplorasi seberapa baik peserta didik dapat beradaptasi dengan lingkungan pembelajaran online. Memprediksi tingkat adaptasi peserta didik memiliki signifikansi yang besar bagi pendidik dan pengembang platform pembelajaran online, dengan tujuan meningkatkan efisiensi dan kualitas pengalaman belajar. Penelitian ini menggunakan dataset “Students Adaptability Level in Online Education” dengan menerapkan pendekatan Algoritma Decision Tree. Hasil penelitian memperoleh akurasi sebesar 95%, meningkat 7,44% dari penelitian sebelumnya yang hanya memperoleh akurasi sebesar 87,56% dengan menggunakan algoritma yang sama tanpa Feature Engineering. Hal ini menunjukkan bahwa Feature Engineering memegang peranan penting dalam klasifikasi tingkat kemampuan adapatasi siswa untuk mendapatkan hasil yang baik dengan akurasi yang tinggi.

Berkembangnya kebutuhan masyarakat terhadap layanan telekomunikasi telah mengakibatkan persaingan yang semakin sengit di antara perusahaan-perusahaan di industri tersebut. Oleh karena itu, perusahaan-perusahaan ini dituntut untuk mencari strategi promosi guna meningkatkan penjualan produk mereka. SiDompul adalah aplikasi yang dikembangkan XL Axiata untuk membantu RO (Retail Outlet) dalam melakukan penjualan paket data XL Axiata. Di tahun 2022 terjadinya penurunan penjualan paket data XL Axiata dilihat dari transaksi penjualan Retail Outlet melalui aplikasi SiDompul mengalami penurunan 37% dan targetnya tidak tercapai. Penelitian ini bertujuan untuk membentuk dan menguji pemodelan klasterisasi dari data transaksi penjualan dengan metode K-Means dan metode Particle Swarm Optimization (PSO). PSO untuk optimasi penentuan pusat klaster atau centroid. Pada penelitian ini, Algoritma K-Means dan PSO terbukti dapat membentuk 2 klaster yang lebih baik dimana nilai quantization errornya dan nilai SSE lebih rendah yaitu quantization 2.920 dan SSE 17.255 sedangkan pada K-Means quantization 2.939 dan SSE 17.288.