Hasil Pencarian  ::  Simpan CSV :: Kembali

"Penelitian ini menguraikan upaya pengembangan sistem Real-Time Safety Driving Assistance dengan menggunakan smartphone Android. Sistem ini ditujukan untuk kendaraan beroda empat untuk dapat memberikan feedback berdasarkan perilaku pengendara secara real time. Feedback yang akan dikeluarkan bertujuan untuk mengingatkan pengemudi jika melakukan pelanggaran, memperbaiki perilaku berkendara yang buruk, dan memberikan pelajaran untuk pengemudi yang belum mahir mengemudi. Sebagai salah satu pengaplikasian dari Telematics 3.0, aplikasi ini dapat digunakan sebagai bagian dari ADAS (Advanced Driving Assistance System) kategori keamanan mengemudi. Sistem Real-Time Safety Driving Assistance yang dikembangkan menggunakan kumpulan algoritma pemrosesan data yang didapat dari sensor-sensor yang dimiliki smartphone dan disinkronisasi dengan data sensor kendaraan yang didapatkan dari OBD-II Bluetooth Dongle. Pada tulisan ini akan dibahas mengenai requirement dari aplikasi yang dibutuhkan, rancangan aplikasi yang dapat memenuhi requirement, implementasi dari rancangan sistem, dan analisis semua sensor dan algoritma pemrosesannya. Dari hasil penelitian ini, data rate OBDSIM (Simulator OBD-II) secara signifikan lebih cepat daripada data rate OBD-II dengan dongle murah di pasaran berdasarkan waktu koneksi awal hingga proses komunikasi data setelahnya dengan perbedaan hingga 30 kali lipat lebih lama untuk uji penerimaan data OBD kendaraan. Dengan rata-rata sampling rate data OBD dan pemrosesannya hingga berbentuk nilai desimal bernilai 5.19Hz, terdapat beberapa masalah pada algoritma yang sangat time-sensitive karena pemrosesan algoritma disinkronisasikan dengan masukan data OBD. Walau begitu, reliabilitas dari segi komunikasi Bluetooth maupun aplikasi sangat tinggi dengan tingkat error dibawah 10 persen selama penggunaan. Reverse geocoding, shaky movement analysis, dan sharp turn analysis adalah algoritma yang dinilai masih kurang akurat, namun secara umum akurasi feedback yang diberikan kepada pengguna akurat dan real-time processing dilakukan dengan cepat sehingga aplikasi dapat memastikan fungsinya sebagai pemberi feedback secara real-time selama mengemudi dapat berjalan dengan baik.

---

This research outline an effort to develop a Real-Time Safety Driving Assistance system using android smartphone. This system is developed to be used on 4-wheeled vehicle to give real-time feedback based on driver’s activity. The feedback output aim to warn driver if they did a mistake, help fix driver’s bad driving behavior, and teach driver whom not experienced yet. As one of the application of Telematics 3.0, this application can be used as parts of ADAS (Advanced Driving Assistance System) in safety driving category. The developed Real-Time Safety Driving Assistance system consists of various data processing algorithms which get the input from smartphone’s sensor and vehicle’s sensor sent by OBD-II Bluetooth Dongle. This paper will describe the application’s system requirement, design, implementation, and analysis of its sensors and processing algorithms.

From the research, it is known that data rate of OBDSIM (OBD-II Simulator) significantly faster than vehicle’s OBD-II with Bluetooth dongle in the market based on initial startup connection and the data communication process after with the difference up to 30 times longer time needed by vehicle’s test. With average sampling rate from OBD to usable values in application has value of 5.19Hz, there are some problem with time-sensitive algorithms because all of the algorithms processing rate synchronized with received OBD Data’s timings. However, the reliability of Bluetooth communication and the application itself is high with error rate below 10 percent during the tests. Reverse geocoding, shaky movement analysis, and sharp turn analysis are the algorithm which proven not accurate enough for the expected resulr, but in general the feedback given to driver is accurate and the real-time processing done in very fast manner so the application can provide its main function as real-time feedback system while driving."

"Penelitian ini bertujuan untuk mengimplementasi dan menganalisis sistem Smart wheeled robot dengan menggunakan Smartphone Android dan Modul IOIO yang dapat mengutilisasi sensor dan aktuator eksternal dari robot. Sistem Smart wheeled robot yang dirancang menggunakan kumpulan algoritma umum untuk wheeled mobile robot, algoritma remote control dan algoritma human interaction untuk memenuhi fungsi yang dibutuhkan berdasarkan system requirement dari berbagai referensi dan tukar wawasan. Smartphone Android dijadikan pusat kontrol robot yang mengendalikan fungsi bernavigasi, melakukan penghindaran tabrakan, serta menjalankan fungsi-fungsi lainnya yang berakar dari fasilitas smartphone Android. Robot beroda ini akan dapat bergerak sesuai dengan program navigasi yang diimplementasikan padanya dengan menggunakan sifat modularitas dan Object Oriented Programming. Implementasi tersebut dilakukan dengan menggunakan bahasa pemrograman Java yang telah dikhususkan untuk Android. Hal tersebut dapat mempermudah pembuatan dan maintenance dari aplikasi. Dari penelitian ini, didapatkan data bahwa animo responden sangat tinggi terhadap teknologi yang dikembangkan dengan pendapat setuju sistem yang diteliti menarik hingga 96%, kebermanfaatan sistem 77%, dan 53% berminat untuk hasil akhir penelitian yang dikomersialisasi dari 30 responden beta tester. Dari segi beban aplikasi, kebutuhan CPU Smartphone berkisar antara 16-75%, dan 4.96-8.47% dari 826 MB RAM untuk platform ujicoba yang digunakan. Hal tersebut memungkinkan aplikasi untuk dikembangkan lagi untuk lebih memfungsikan kemampuan smartphone dan diimplementasikan kedalam sistem yang lebih aplikatif seperti Smart system dan autonomous car.

---

This research has purpose to implement and analyze a Smart wheeled robot System using Android Smartphone and IOIO Module to utilize robot?s external sensors and actuators. Smart wheeled robot system designed with a set basic algorithm for Wheeled Robot, Remote Control algorithm, and Human Interaction aglorithm to fullfil functions based on System Requirement gathered from references and insight from other roboticist. Android smartphone is used as main control unit to control navigation, collision avoidance and other functions which roots from Android smartphone?s facility. This robot can move according to the navigation module implemented on the program using object oriented programming based on JAVA. This usage can simplify the implementation and maintenance of the application. From 30 of the beta tester, the respondent seems really excited and interested with the proven concept with 96% agree the concept is interesting, 77% agree the system will be useful, 53% personally interested with research?s final product and its commercialization. From the performance side, the smartphone?s CPU usage is ranging between 16-75% and 4.96-8.47% from the 826MB RAM available for the system in the testing platform. This robot can be used as testing platform of many algorithms and systems development such as smart and autonomous car."

"Perkembangan teknologi pada saat ini telah berkembang pesat, beberapa aplikasi berbasis android pun telah banyak diciptakan dan digunakan dalam berbagai bidang. Salah satu penggunaannya adalah dalam bidang pemesanan makanan. Aplikasi android untuk pemesanan makanan pada umumnya digunakan untuk lingkup besar, seperti pada sebuah restoran. Sementara itu, pada lingkup yang lebih kecil seperti kantin, aplikasi pemesanan makanan jarang sekali ditemukan padahal hal tersebut dapat memudahkan proses yang ada pada kantin tersebut. Aplikasi e-Canteen merupakan inovasi yang dapat mempermudah layanan pada sebuah kantin dimana aplikasi ini mengambil uji lokasi di area kantin Politeknik Negeri Jakarta. Layanan utama yang ditawarkan oleh aplikasi e-Canteen adalah pengaksesan menu yang terdapat pada kantin serta pemesanan menu. Melalui aplikasi e-Canteen, pelanggan dapat memiliki akses terhadap menu yang ditawarkan dalam sebuah area kantin. Pelanggan dapat melihat seluruh menu yang ditawarkan tiap penjual dalam kantin lengkap dengan harga serta hitungan sisa porsi yang tersedia, Selanjutnya, pelanggan dapat menikmati kemudahan pemesanan menu dengan mengikuti prosedur yang telah diatur oleh sistem dalam aplikasi. Pelanggan dapat memilih menu pesanan serta jumlah pesanan yang diinginkan. Proses pun berlanjut ke tahap pembayaran, dimana pelanggan melakukan pembayaran sesuai dengan total harga pembelian dengan menggunakan sistem saldo. Sistem kerja aplikasi ini akan digambarkan mengggunakan diagram UML dan desain sistem aplikasi."

"Waktu merupakan hal yang penting khususnya bagi mahasiswa, oleh karena itu dibuatlah aplikasi bikunin untuk memperkirakan waktu datangnya bikun (Bis Kuning) pada setiap halte, sehingga waktu yang digunakan untuk menunggu bikun dapat dimanfaatkan dengan lebih baik. Selain itu, aplikasi bikunin juga memiliki fitur lain seperti pesan dan tracking bikun untuk lebih memudahkan user mengetahui kondisi dan lokasi bikun. Perancangan dan pengimplementasian aplikasi bikunin menggunakan metode HCI (Human and Computer Interaction) untuk memudahkan user menggunakan aplikasi bikunin dan memberikan tampilan yang menarik. Dari hasil pengujian didapatkan bahwa rata-rata hasil eksekusi waktu pada fitur tracking bikun adalah 936,5 milliseconds untuk kartu Smartfren dan 500,7 untuk kartu Axis. Sedangkan waktu pemrosesan rata-rata untuk melakukan pengiriman pesan kepada 20 user adalah 11492,1 milliseconds, untuk 10 user adalah 6305,1 milliseconds, untuk 5 user adalah 3902,7 milliseconds, untuk 1 user adalah 2792,6 milliseconds. Waktu pemrosesan rata-rata untuk menampilkan estimasi waktu kedatangan Bis Kuning pada halte berikutnya adalah 13971,9 milliseconds untuk kartu Smartfren dan 15935,1 untuk kartu Axis. Hasil pengujian responden menunjukkan bahwa tingkat kepuasan responden sebesar 83,1% untuk fungsi utama, 77,1% untuk fitur-fitur serta 74,6% untuk tampilan antarmuka. Secara keseluruhan tingkat kepuasan responden sebesar 78,8 %.

---

Time is important, especially for students, therefore we made an bikunin application to estimate the arrival time of bikun (Bis Kuning) at each bikun shelter, so the time spent waiting bikun can be optimized. In addition, the bikunin application also has other features such as messaging and bikun tracking to assists the user to find out the location of the Bis Kuning. The design and implementation of bikunin applications employs HCI (Human and Computer Interaction) principles to allow users to use the bikunin application easily and provides attractive appearance.

From the test results, it is showed that the average execution time on the bikun tracking features is 936.5 milliseconds for Smartfren card and 500.7 milliseconds for Axis card. While the average processing time for sending messages to the 20 users is 11492.1 milliseconds, whereas for 10 users is 6305.1 milliseconds. Meanwhile for 5 users is 3902.7 milliseconds, and 2792.6 milliseconds for one user. The average processing time to provides the expected arrival time of Bis Kuning to the next shelter is 13971.9 milliseconds for Smartfren card and 15935.1 milliseconds for Axis card.

The test results shows that the respondents' satisfaction level is 83.1% for the main function, 77.1% for features and 74.6% for the interface. Overall satisfaction level of respondents is 78.8%."

"Kecanduan smartphone dapat mengakibatkan individu tidak mampu mengontrol waktu penggunaan smartphone bahkan hingga larut malam sehingga dapat mempengaruhi kualitas tidur.Penelitian ini bertujuan untuk mengidentifikasi tentang hubungan kecanduan penggunaan smartphone dengan kualitas tidur pada mahasiswa RIK UI menggunakan metode penelitian potong lintang (Cross-sectional). Sampel berjumlah 165 mahasiswa yang didapatkan dari hasil skrining awal mengenai perilaku berisiko kecanduan. Teknik pengambilan sampel yang digunakan yaitu Total Sampling hasil skrining. Instrumen pengukuran yang digunakan adalah Smartphone Addiction Scale untuk mengukur kecanduan smartphone dan Pittsburgh Sleep Quality Index untuk mengukur kualitas tidur. Penelitian ini dianalisis menggunakan uji korelasi Pearson.Hasil penelitian ini menunjukkan terdapat hubungan yang bermakna dan berkorelasi positif antara skor kecanduan smartphone dengan skor kualitas tidur pada mahasiswa RIKUI (p= 0,011; r=0,197).Saran dari penelitian ini yaitu perlu adanya promosi kesehatan sebagai upaya preventif dan dilakukan penelitian lebih lanjut mengenai hubungan kecanduan penggunaan smartphone dan kualitas tidur pada mahasiswa rumpun sosial dan rumpun sains serta penelitian lebih lanjut mengenai kecanduan smartphone menggunakan analisis multivariat.

---

Smartphone addiction was causing individual unable to control smartphone usage. The excessive smartphone usage especially at the night is possibly impact on the quality of sleep.

This study is aiming to identify correlation between smartphone addiction and sleep quality among college students at RIKUI, used cross-sectional method. This Study was using sample amounted 165 respondents as addiction screening result.

There are two questionnaires type used, Smartphone Addiction Scale for measuring addiction and Pittsburgh Quality Sleep Index for measuring sleep quality. This study was analyzed by Pearson Correlation test.

The result showed a significant relationship and positively correlation between smartphone addiction and sleep quality among college students (p=0,011; R=0,197).

Researcher suggested for next research to do research at social science faculty or science and technology faculty for comparison and multivariate analysis in various factors of smartphone addiction as advance research."

"Di awal tahun 2020, banjir beberapa kali menggenangi sebagian besar wilayah Jakarta dan sekitarnya. Ribuan warga harus mengungsi ke tempat lain karena air yang masuk dan menggenangi rumah mereka. Fenomena baru yang banyak terjadi pada saat banjir awal tahun ini adalah maraknya warga yang menggunakan media sosial untuk mencari berbagai jenis bantuan, mulai dari bantuan evakuasi atau pun bantuan seperti makanan dan medis. Fenomena tersebut melatarbelakangi adanya penelitian ini, yaitu untuk mengembangkan aplikasi berbasis Android bernama Res-Q yang dapat memfasilitasi para korban banjir mencari berbagai jenis bantuan. Melalui aplikasi Res-Q, para korban banjir dapat mengirimkan lokasi terbaru beserta dengan jenis bantuan yang diinginkan agar dapat diketahui oleh pihak tim penolong. Korban banjir yang masih dapat melakukan evakuasi mandiri juga dapat mencari posko bantuan dan penampungan terdekat beserta informasi seputar posko tersebut. Aplikasi Res-Q yang telah dikembangkan dievaluasi menggunakan pengujian task scenario dan kuesioner System Usability Scale (SUS). Skor yang didapatkan pada pengisian kuesioner SUS adalah 87 yang berarti aplikasi Res-Q termasuk acceptable dengan grade A. Sementara itu, dari pengujian task skenario didapatkan beberapa masukan terkait tampilan dan juga fungsionalitas beberapa fitur tertentu.

---

In the early 2020, Jakarta and its neighborhood suffered from floods several times. Thousands of people had to be evacuated since their dwellings were flooded. This sudden emergence of repeating floods incited the society to use social media platforms to seek for help such as food supply, evacuation, and medical support. The urge of people using the social media platforms to help fulfilling their needs is the main background why this research is conducted, which is developing an Android-based application called Res-Q. This application works for those people who seek for several kind of aids. By using the application, the user is able to send their location along with the kind of aids they need. The floods victim who is still capable to independently evacuate themselves is also possible to find the closest aid post along with its detailed information. Res-Q application that has been developed is evaluated by task scenario test and System Usability Scale (SUS) questionnaire. The research reveals that the final score earned in SUS questionnaire is 87, which shows how the Res-Q application is acceptable with the A grade. On the other hand, the task scenario test received several feedbacks in regards of its display and its functional features. "

"Dengan berbagai kemajuan teknologi, transportasi tetap bertanggung jawab sebagai penyumbang polusi udara terbesar khususnya emisi CO2. Dampak emisi CO2 ini sangat berbahaya bagi kesehatan dan lingkungan. Sudah ada beberapa cara yang dilakukan untuk mengurangi dampak yang dihasilkan emisi CO2 pada kendaraan roda empat. Salah satunya dengan melakukan tes emisi. Prosedur tes emisi ini dilakukan dengan perilaku berkendara tetap yang menyebabkan tes ini tidak representative terhadap keadaan nyata di jalan, oleh karena itu dibutuhkan monitoring langsung pada perilaku berkendara yang berbeda-beda. Dengan memanfaatkan teknologi OBD II dan konsep IoT (Internet of Things), peneliti dapat melakukan pengembangan ke arah monitoring. Pengembangan dilakukan dengan cara menghubungkan OBD II dan Raspberry Pi ke kendaraan roda empat. Perhitungan emisi CO2 dilakukan dengan memanfaatkan data MAF yang diperoleh dari OBD II. Hasil perhitugan tersebut dikirim ke aplikasi Android melalui Cloud Server agar dapat dibaca oleh pengguna aplikasi Android tersebut. Untuk memverifikasi model perhitungan, pengetesan dilakukan pada Nissan Juke tahun 2015 dengan melakukan uji jalan sejauh 300km pada tiga perilaku berkendara yang berbeda. Emisi CO2 yang dihasilkan diukur menggunakan Portable CO2 Meters Detector Tvoc Hcho AQI Monitor dan dibandingkan dengan hasil uji pada aplikasi. Nilai error verifikasi pengukuran pada masing-masing perilaku berkendara yaitu 11,65 % untuk eco, 7,38% untuk Normal, dan 49,56% untuk Sport. pengetesan yang dilakukan juga menunjukkan bahwa model perilaku berkendara Eco memiliki tingkat emisi terendah dibanding dua perilaku berkendara lainnya dengan jumlah emisi CO2 yang dihasilkan sebesar 33.401,25 g sedangkan untuk Normal dan Sport masing-masing secara berurutan menghasilkan emisi CO2 sebesar 56.250,26 g dan 123.122,99 g. Kemudian apabila dihubungkan dengan parameter perilaku berkendara, perilaku berkendara Eco dengan interval nilai Accelerator Position 4,63% – 10,99% menghasilkan CO2 per detiknya sebesar 0,57 g/s – 1,93 g/s, perilaku berkendara Normal dengan interval nilai Accelerator Position 16,23% – 24,15% menghasilkan CO2 per detiknya sebesar 3,37 g/s – 5,09 g/s, dan perilaku berkendara Sport dengan interval nilai Accelerator Position 71,89% – 78,39% menghasilkan CO2 per detiknya sebesar 13,00 g/s – 14,24 g/s.

---

With various technological advances, transportation remains responsible as the biggest contributor to air pollution, especially CO2 emissions. The impact of CO2 emissions is very dangerous for health and the environment. There have been several ways to reduce the impact of CO2 emissions on four-wheeled vehicles. One of them is by conducting emission tests. This emission test procedure is carried out with a fixed driving behavior which causes this test not to be representative of the actual situation on the road, because of that we require direct monitoring of different driving behaviors. By utilizing OBD II technology and collaborating with the concept of IoT (Internet of Things) Researchers can make development towards monitoring. Development is carried out by connecting the OBD II and Raspberry Pi that has been programmed to calculate CO2 emissions. The calculation of CO2 emissions is done by calculating the MAF data that can be obtained from OBD II. The results of these calculations are sent to the Android application via Cloud Server so that they can be read by the application's users. To verify the calculation model, testing was done on the 2015 Nissan Juke by conducting a road test on three different driving behaviors. The resulting CO2 emissions are measured using Portable CO2 Meters Detector Tvoc Hcho AQI Monitor and compared with test results on the application. The verification error measurement value on each driving behavior is 11,65% for Eco, 7,38% for Normal, and 49,56% for Sport. The testing also shows that the Eco-driving behavior model has the lowest emission level compared to the other two driving behaviors with the amount of CO2 emissions produced of 33.401,25 g while for Normal and sport respectively produced CO2 emissions of 56.250,26 g and 123.122,99 g. Then when connected with driving behavior parameters, Eco-driving behavior with an interval value of Accelerator Position 4.63% - 10.99% produces CO2 per second of 0.57 g/s - 1.93 g/s, Normal driving behavior with an interval value Accelerator Position 16.23% - 24.15% produces CO2 per second of 3.37 g/s - 5.09 g/s and Sport driving behavior with an interval of Accelerator Position 71.89% - 78.39% produces CO2 per second of 13.00 g/s - 14.24 g/s."

"Pengembangan aplikasi yang tidak dilengkapi dengan informasi detail mengenai aspek keamanan aplikasi menyebabkan pengguna mengalami kesulitan untuk menilai dan memahami risiko keamanan privasi yang mereka hadapi, sehingga banyak informasi sensitif yang terungkap tanpa sepengetahuan pengguna. Penelitian ini mengembangkan desain penilaian risiko privasi melalui pendekatan analisis statik dengan memanfaatkan permission dan beberapa atribut aplikasi (multiple application attributes), serta menggunakan majority voting ensemble learning dengan menerapkan teknik pemilihan fitur Random Forest Feature Importance untuk mendeteksi keamanan aplikasi. Nilai risiko diperoleh dari sebuah matriks risiko yang dibentuk dari dua aspek penilaian, yaitu frekuensi terjadinya risiko (likelihood) dan tingkat keparahannya (severity). Penilaian likelihood dilakukan dengan mengkombinasikan prediksi ensemble learning dan atribut aplikasi, sementara penilaian severity berdasarkan pada karakteristik dan jumlah permission. Untuk mengevaluasi model pembelajaran dan desain penilaian risiko privasi digunakan dataset CIC-AndMal2017 yang terdiri dari 2126 file APK. Jumlah data yang digunakan untuk membentuk model memiliki proporsi 80% data training dan 20% data testing, serta metode klasifikasi data yang digunakan adalah binary class (malicious dan benign). Penelitian ini menerapkan bahasa pemrograman Python dan menggunakan parameter default pada proses pembentukan model pembelajaran. Hasil percobaan menunjukkan bahwa model ensemble learning yang dibentuk dari algoritma Decision Tree, K-Nearest Neighbor, dan Random Forest memiliki performa model yang lebih baik dibandingkan single classification model, dengan accuracy sebesar 95.2%, precision 93.2%, dan F1-Score sebesar 92.4%. Penerapan teknik pemilihan fitur mampu meningkatkan efisiensi waktu selama pembelajaran model dengan total waktu sebesar 263 ms. Serta, hasil penilaian risiko mampu memberikan informasi yang komprehensif dan logis mengenai keamanan privasi aplikasi kepada pengguna. Hal ini menunjukkan bahwa desain penilaian risiko yang dibuat dapat menilai aplikasi secara efektif dan objektif.

---

Lack of detailed information about the application's security aspects leads to the user's inability to assess and understand the risk of privacy breaches and leads to the disclosure of a great deal of sensitive information without the user's knowledge. This study proposes a privacy risk assessment development through employing static analysis with permission and multiple application attributes and using majority voting ensemble learning with the Random Forest Feature Importance technique to detect app security. The risk score is obtained from a risk matrix based on two assessment aspects, namely the frequency of risk (likelihood) and its severity. The likelihood assessment is performed by combining ensemble learning predictions and information on multiple application attributes, while the severity assessment is performed by utilizing the number and characteristics of permissions. The dataset CIC-AndMal2017, which consists of 2126 APK files, was used to evaluate learning models and privacy risk assessment design. The amount of data used to build models consists of 80% data training and 20% data testing, while the data classification method used is binary class (malicious and benign). This study employs Python programming and implements default parameters in building a learning model. The experimental results show that ensemble learning model built from Decision Tree, K-Nearest Neighbor, and Random Forest algorithms provides better model performance than single classification models with accuracy of 95.2%, precision of 93.2%, and F1-Score of 92.4%. By applying feature selection technique, it could improve the efficiency of time used to learn the model with a total time of 263 milliseconds. Moreover, the results of the risk assessment provide comprehensive and rational information about the security of application privacy to users. This shows that the risk assessment design can assess the applications effectively and objectively. "

"Cyberbullying merupakan hal yang marak terjadi di dunia global, bahkan di Indone- sia. Menurut survei yang dilaksanakan oleh UNICEF terhadap 2.777 anak muda di Indonesia pada tahun 2019, 45 persen dari partisipan tersebut pernah mengalami cy- berbullying. Dari data tersebut, penulis ingin mencoba mengurangi jumlah tersebut dengan membuat suatu aplikasi untuk mendeteksi apakah sebuah kalimat yang ditulis mengandung unsur cyberbullying atau tidak sehingga pengguna aplikasi terse- but dapat menjaga ucapannya dalam mengirim pesan secara online. Aplikasi tersebut dibuat berbasis android sehingga mudah untuk diakses masyarakat Indonesia. Aplikasi tersebut juga dibuat berdasarkan bahasa pemrograman Kotlin, karena ba- hasa pemrograman tersebut merupakan bahasa yang modern, ringkas, mudah untuk dioperasikan, serta merupakan bahasa pemrograman yang lebih aman untuk digu- nakan dalam mendesain suatu aplikasi android dibandingkan dengan bahasa pem- rograman yang lainnya.

---

Cyberbullying is something that is happening massively in global, especially in In- donesia. According to a survey by UNICEF that is conducted to 2,777 young people in Indonesia in 2019, 45 percent of the participants had experienced cyberbullying. From this data, the author wants to try to reduce this number by creating an application to detect whether a sentence written contains elements of cyberbullying or not so that application users can protect their speech when they are sending messages online. The application is based on Android so that it is easy for Indonesian people to access. The application is also made based on Kotlin programming language, be- cause this programming language is a modern, concise, easy-to-operate language, and is a safer programming language to use in designing an Android application compared to other programming languange."

"Hampir semua aspek kehidupan manusia mulai dari pemantauan kondisi kesehatan, lokasi dan pergerakan setiap individu dapat dipantau dengan menggunakan peralatan yang terkoneksi dengan internet dengan memanfaatkan IoT dan Cloud Computing. Belum banyak pemanfaatan teknologi pada kendaraan roda empat yang meningkatkan experience dan kesadaran pengguna kendaraan roda empat dalam hal pemeliharaan kendaraan roda empat. Salah satu komponen yang penting untuk dipantau yang berdampak besar jika tidak dilakukan pemeliharaan adalah filter udara. Meskipun komponen ini sering diabaikan, namun jika terjadi clog atau pemampatan pada filter udara dapat menyebabkan AFR (Air Fuel Ratio) saat proses pembakaran yang terjadi di ruang bakar menjadi terganggu sehingga menyebabkan penurunan performa pada proses pembakaran pada ruang bakar.Penelitian ini membahas mengenai bagaimana pemanfaatan IoT untuk membangun suatu sistem (alat dan aplikasi berbasis android) yang stabil dan dapat berfungsi dengan baik untuk menjalankan fungsi pemantauan dan pemeliharaan khususnya predictive maintenance pada komponen filter udara. Dengan melakukan pengambilan data dari beberapa variabel seperti MAF (Mass Air Flow), TPS (Throttle Position Sensor) dan Engine Speed pada kendaraan roda empat mesin bensin 1500cc dan pengolahan data menggunakan persamaan Air Filter Coefficient Discharge (Caf) maka dapat diketahui kondisi terkini filter udara, waktu dan jarak sebelum filter udara mengalami pemampatan.Hasil akhir dari penelitian ini yaitu sebuah aplikasi berbasis android yang dapat menampilkan kondisi terkini filter udara pada kendaraan roda empat mesin bensin 1500cc yang memberikan beberapa informasi seperti kondisi filter udara dalam persen, estimasi waktu penggantian filter udara dalam bulan dan estimasi jarak tersisa sebelum filter udara sebelum mengalami pemampatan. Dari hasil pengujian yang dilakukan menggunakan dua sampel filter udara (filter udara baru dan lama) diapatkan hasil bahwa filter udara baru menunjukan kondisi 88% dengan estimasi waktu penggantian 38 bulan dan estimasi jarak penggantian filter udara 47954 km. Pada pengujian menggunakan filter udara lama dapat diketahui kondisi filter udara adalah 45% dengan estimasi waktu penggantian 10 bulan dan estimasi jarak penggantian 0 km yang mana menyatakan filter udara harus segera diganti.

---

lmost all aspects of human life, such as monitoring health conditions, location and movement of each individual can be monitored using equipment connected to the internet by utilizing IoT and Cloud Computing. There is not much use of technology in vehicles that increases vehicle user experience and awareness in terms of vehicle maintenance. One important component to monitor that has a major impact if not carried out maintenance is the air filter. Although these components are often ignored, if a clog occurs in the air filter will cause AFR (Air Fuel Ratio) during the combustion process that occurs in the combustion chamber to be disrupted and decrease its performance.This study discusses how to use IoT to build a system (Android-based tools and applications) that is stable and can work properly to perform monitoring and maintenance functions, especially predictive maintenance on air filter components. By taking data from several variables such as MAF (Mass Air Flow), TPS (Throttle Position Sensor) and Engine Speed ​​on four-wheeled 1500cc gasoline engines and processing data using the Air Filter Coefficient Discharge (Caf) equation, we will know the current condition of air filters, the time and distance before the air filter will be clogged.The final result of this research is an Android-based application that can display the current conditions of air filters on four-wheeled 1500cc gasoline engines that provide some information such as air filters in percent, estimation of replacement time of air filters in months and estimated cost before air filters before improving compression. From the results of tests carried out using two samples of air filters (new and old air filters) the results of the new air filter showed 88% conditions with an estimated 38-month replacement time and estimated distance of air filter replacement 47954 km. In testing using an old air filter, it can be ascertained that the 45% air filter with an estimated replacement time of 10 months and the estimated replacement distance of 0 km which is approved by the air filter must be replaced immediately.

---

"