High accuracy and a real-time system are priorities in the development of a prosthetic hand. This study aimed to develop and evaluate a real-time embedded time-domain feature extraction and machine learning on a system on chip (SoC) Raspberry platform using a multi-thread algorithm to operate a prosthetic hand device. The contribution of this study is that the implementation of the multi-thread in the pattern recognition improves the accuracy and decreases the computation time in the SoC. In this study, ten healthy volunteers were involved. The EMG signal was collected by using two dry electrodes placed on the wrist flexor and wrist extensor muscles. To reduce the complexity, four time-domain features were applied to extract the EMG signal. Furthermore, these features were used as the input of the machine learning. The machine learning evaluated in this study were k-nearest neighbor (k-NN), Naive Bayes (NB), decision tree (DT), and support vector machine (SVM). In the SoC implementation, the data acquisition, feature extraction, machine learning, and motor control process were implemented using a multi-thread algorithm. After the evaluation, the result showed that the pairing of the MAV feature and machine learning DT resulted in higher accuracy among other combinations (98.41%) with a computation time of ~1 ms. The implementation of the multi-thread algorithm in the pattern recognition system resulted in significant impact on the time processing.

Merupakan warisan budaya Indonesia, batik Papua hadir dengan ragam motif, selain dikenal dengan motif daerah asal pembuatannya, motif corak budaya serta corak flora dan faunapun mewarnai keragaman motif batik dari Papua. Kemampuan untuk mengenal motif – motif tersebut, menjadi tantangan untuk menemukan model dalam mengklasifikasi motif batik dari Papua untuk melestarikannya. Penelitian ini menggunakan deep learning dalam mengklasifikasi motif batik dari Papua dengan melakukan transfer learning menggunakan arsitektur efficienNet dengan transfer learning dan teknik agumentasi data Hasil pengujian menggunakan empat kelas dataset memperoleh dengan arsitektur EfficientNet-B2 dengan fine tuning memberikan akurasi 72% dan ditambahkan teknik augmentasi tertinggi dengan menggunakan teknik ColorJitter dan Contrast dengan hasil 90%.

Indonesia's exchange rate can rise due to foreign tourist visits, which can also benefit the local economy. The provincial capital. South Sulawesi is Makassar which is one of the locations for tourist visits. There are 11 main tourist attractions in Prov. South Sulawesi according to sulselprov 1) Maritime Tourism, 2) Losari Beach, 3) Rotterdam Fort, 4) Somba opu Fort, 5) Takabonerate Marine Park, 6) Bantimurung National Park, 7) Malino, 8) Tanjung Bira Beach, 9) Kesu Tourism, 10) Londa Tourism, 11) Pallawa Tourism. The purpose of this study is to analyze the application of data mining in classifying the number of foreign tourists visiting the prefecture. South Sulawesi uses k-means. The data used comes from BPS Prov. South Sulawesi. The data is grouped into two clusters. That is, the most tourists as C1 with results from Malaysia, and low tourist arrivals as C0 with results from Singapore, Japan, South Korea, Taiwan, China, India, the Philippines, Hong Kong, Thailand, Australia, USA, UK, Netherlands, Germany, France, Russia, Saudi Arabia, Egypt, United Arab Emirates, Pearl of the Persian Gulf, and Switzerland then I use and process this data again with SVM to look for precision, precision and recall values and get 100.00% accuracy in the RapidMiner application.

Polrestabes Makassar adalah institusi negara yang berada di bawah naungan kepolisian daerah Sulawesi Selatan yang memiliki tugas dan tanggung jawab untuk melayani masyarakat kota Makassar dalam proses penanganan berbagai macam permasalahan keamanan dan kriminalitas pada masyarakat kota Makassar. Adapun permasalahan pada penelitian ini adalah bagaimana masyarakat dapat melaporkan tindak kriminal yang terjadi di sekitar mereka tanpa harus datang ke kantor polisi dan bagaimana aparat dapat menerima langsung laporan kriminal dari masyarakat tanpa harus bertemu dan dapat melihat kejadian dari foto yang dikirimkan serta dapat mengetahui lokasi kejadian tindak kriminal di wilayah kota Makassar. Tujuan dari penelitian ini adalah membuat aplikasi berbasis android dengan memanfaatkan teknologi Google Maps API untuk mengirim laporan kriminal dalah bentuk foto serta mengirimkan lokasi kejadian tindak kriminal dari masyarakat ke aparat kepolisian. Adapun metode atau teknologi yang digunakan adalah Google Maps API dan berbasis Android, google maps api adalah adalah sebuah jasa peta global virtual gratis dan online yangdisediakan oleh perusahaan Google. Google Maps yang dapat ditemukan di alamat http://maps.google.com dan berbasis android adalah sistem operasi berbasis Linux yang dirancang untuk perangkat bergerak layar sentuh seperti telepon pintar dan komputer tablet. Hasil dari penelitian ini adalah dengan adanya aplikasi tersebut maka masyarakat dapat melaporkan tindak kriminal yang terjadi di sekitar mereka tanpa harus datang ke kantor polisi dan memudahkan para aparat kepolisian untuk melihat laporan kriminal dari masyarakat dengan melihat gambar dan lokasi kejadian kriminal.