Hasil Pencarian  ::  Simpan CSV :: Kembali

"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%."

"Waktu merupakan hal yang penting khususnya bagi mahasiswa, oleh karena itu dibuatlah aplikasi bikunin untuk memperkirakan waktu datangnya bikun 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. Dari hasil pengujian didapatkan bahwa hasil eksekusi waktu untuk fitur tracking bikun membutuhkan waktu 656,2 milisecound, fitur pengiriman pesan broadcast 1143,5 milisecond, pengiriman pesan personal 798,3 milisecond, estimasi waktu dan jadwal 13971,9 milisecond serta 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.

---

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 used for better use. The bikunin application also has other features such as messaging and bikun tracking to make it easier for the user to find out the condition and location of the bikun. Bikunin Application using Arduino hardware as "core" of system. Arduino is prototyping platform based on hardware and software which easy to use.

Performance tests show that the average processing time for Arduino initialitation using millis() function is 656.2 milisecond. The subjective user measurement tests point out that satisfactory level is 83.1 percent for main feature function, 77.1 percent for other feature and 74.6 percent for user interface."

"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."

"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. "

"Aplikasi mobile sudah menjadi kebutuhan dalam kehidupan sehari-hari manusia, sehingga makin banyak aplikasi mobile yang dikembangkan saat ini. Untuk mengembangkan aplikasi mobile, dibutuhkan sebuah framework pengembangan aplikasi mobile. Saat ini terdapat berbagai jenis framework pengembangan aplikasi mobile dengan pendekatannya masing-masing, baik itu native apps, mobile web apps, widget based, bridging dengan javascript, dan yang lainnya. Pada penelitian ini akan dibuat sebuah eksperimen pengukuran performa terhadap beberapa framework pengembangan aplikasi mobile berbasis Android berdasarkan lima parameter yaitu response time, cpu usage, memory usage, app size, dan frame rate. Hasil dari penelitian ini berupa sebuah data bagaimana performa masing-masing framework pada lima parameter yang dipilih. Dari beberapa framework yang diukur performanya, aplikasi native merupakan framework pengembangan aplikasi mobile yang memiliki performa terbaik

---

Mobile applications have become a necessity in people's daily lives, so more and more mobile applications are being developed at this time. To develop mobile applications, a mobile application development framework is needed. Currently there are various types of mobile application development frameworks with their respective approaches, be it native apps, mobile web apps, widget based, bridging with javascript, and others. In this research, an experiment will be conducted about performance measurement of several Android based mobile application development frameworks that will be measured based on five parameters, namely response time, cpu usage, memory usage, app size, and frame rate. The results of this study are in the form of data on how each framework performs on the five parameters chosen. Of the several frameworks whose performance is measured, native applications are mobile application development frameworks that have the best performance"

"Bencana banjir kerap terjadi di Jakarta disebabkan oleh banyak faktor, seperti pendangkalan sungai, jalur air yang curam, dan intensitas hujan yang tinggi (Mane, 2019). Tidak jarang banjir menimbulkan banyak kerugian, seperti korban jiwa, korban terdampak (mengungsi), dan kerugian materi. Dalam upaya untuk evakuasi korban banjir, rescuers membutuhkan informasi nama, kontak, dan lokasi. Selain itu, dibutuhkan juga informasi jumlah orang dan kondisi korban untuk disesuaikan dengan peralatan dan kebutuhan evakuasi. Melalui penelitian ini, dikembangkan Res-Q, sebuah aplikasi berbasis Android yang dapat membantu rescuers dalam proses evakuasi korban banjir. Melalui Res-Q, rescuers dapat mengetahui lokasi korban beserta informasi terkait kondisi korban. Rescuers juga dapat melakukan komunikasi dengan korban melalui fitur kirim pesan. Selain itu, rescuers dapat menambahkan informasi posko terdekat yang dapat dikunjungi korban untuk mendapatkan bantuan. Pengembangan aplikasi dilengkapi dengan tahapan evaluasi secara kualitatif dan kuantitatif. Evaluasi secara kualitatif menggunakan task scenario-usability testing, sementara evaluasi kuantitatif menggunakan metode System Usability Scale (SUS). Berdasarkan hasil evaluasi, didapatkan skor SUS 76,25 dengan grade B (Good). Adapun secara kualitatif, diperlukan perbaikan pada desain interaksi dan fungsi fitur untuk memenuhi kebutuhan rescuers.

---

Floods disaster that occurs in Jakarta caused by many factors, such as river stiltation, steep waterways, and high intensity of rainfall (Mane, 2019). Flood also caused many losses, such as casualties, victims affected (evacuated), and material losses. In an effort to evacuate the victims, rescuers need information on name, contact, and location. Rescuers also need the information on number of people and conditions of the victim to be adjusted to the equipment and evacuation needs. Through this research, Res-Q was developed, an Android-based application that can help rescuers in the process of evacuating flood victims. With Res-Q, rescuers can find out the victims’ location along with information related to their condition. Rescuers can also communicate with victims through messaging feature. In addition, rescuers can add information to the nearest aid posts that victim can visit to get help. Application development is completed with qualitative and quantitative evaluation stages. Qualitative evaluation uses task scenario – usability testing, while quantitative evaluation uses System Usability Scale (SUS). Based on the evaluation result, a SUS score of 76,25 was obtained with grade B (Good). Also qualitatively, improvements are needed for interaction design and the feature functions to meet the needs of rescuers"

"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. "

"ABSTRAKTeknologi wearable device sangat memiliki dampak yang besar di bidang kesehatan dan kebugaran. Wearable device ini bisa dimanfaatkan oleh sebuah instansi atau perusahaan guna memantau kondisi kesehatan atau kebugaran pekerjanya. Untuk saat ini, aplikasi yang tersedia di pasar hanya mendukung untuk dapat terhubung dengan perangkat masing-masing vendornya saja dan juga setiap pengguna hanya bisa terhubung ke satu jenis device. Diperlukan suatu aplikasi yang dapat terhubung dengan lebih dari satu perangkat dan jenis wearable device serta mendukung untuk perangkat dari berbagai vendor. Aplikasi tersebut dibuat dengan menggabungkan API dari berbagai jenis vendor dan dapat menghubungkan smartphone dengan wearable melalui Bluetooth Low Energy. Aplikasi dapat melakukan pengukuran detak jantung dengan tingkat akurasi sebesar 100 untuk Mi Band 2 dan Mi Band 3 serta 96.16 untuk Amazfit Cor, pengukuran jumlah langkah dengan akurasi sebesar 99.28 untuk Mi Band 2 dan 99.93 untuk Amazfit Cor serta pengukuran total waktu tidur dengan akurasi sebesar 72.78 untuk Mi Band 2 dan 69.49 untuk Amazfit Cor.

---

ABSTRACTWearable device technology has a huge impact on health and fitness. This wearable device can be used by an agency or company to monitor the health or fitness conditions of its workers. For now, the applications available on the market only support being able to connect to each vendors device and each user can only connect to one type of device. An application is needed that can be connected with more than one device and type of wearable device and supports for devices from various vendors. The application is created by combining APIs from various types of vendors and can connect smartphones with wearable via Bluetooth Low Energy. Applications can measure heart rate with an accuracy of 100 for Mi Band 2 and Mi Band 3 and 96.16 for Amazfit Cor, measuring the number of steps with an accuracy of 99.28 for Mi Band 2 and 99.93 for Amazfit Cor and measuring total sleep time with an accuracy of 72.78 for Mi Band 2 and 69.49 for Amazfit Cor."

"

Sistem pengereman adalah salah satu sistem pengaman utama pada kendaraan roda empat dan membutuhkan perhatian khusus dalam pemantauan dan pemeliharaannya. Terdapat banyak faktor yang dapat mengakibatkan komponen sistem ini mengalami potensi kegagalan, salah satunya adalah karakter pengereman yang tidak baik. Pengembangan aplikasi android dengan konsep internet of things (IoT) dan cloud server ini bertujuan untuk mengetahui prediksi sisa masa hidup kampas dan cakram rem serta analisis kenaikan temperatur proses pengereman menggunakan data yang diambil menggunakan raspberry pi 3 B+ melalui OBD II port serta menggunakan pendekatan energi pengereman dari grafik kecepatan terhadap waktu. Hasilnya adalah aplikasi berhasil melakukan akuisisi data dan melakukan analisis, meskipun masih ada rata-rata 3,047 % error rate. Analisis pada aplikasi menyimpulkan periode waktu pemeliharaan komponen kritikal sistem pengereman harus disesuaikan untuk setiap pengguna karena rata-rata pengurangan masa hidup komponen berbeda pada setiap variasi karakter pengereman dengan hasil 20 kilometer per hari untuk kondisi 1 (pengereman yang baik), 25 kilometer per hari untuk kondisi 2 (pengereman yang kurang baik), dan 44 kilometer per hari untuk kondisi 3 (pengereman yang tidak baik).

 

---

Brake System is one of the most essential system for four-wheeler safety and drivers tend to strictly follow the service manual book for maintenance or replacement. However, brake system condition should be checked regularly because many factors contributing to the accelerated wear rate and other potential failure, one of them is bad braking behavior. The development of this android-based application with internet of things and cloud server concept has the objective to perform life expectancy of disc and pad life also temperature rise increase analysis to determine the condition of brake system according to daily data acquired using raspberry pi 3 B+ via OBD II port with the use of braking energy approach from velocity versus time graph. The results are the application system successfully do data acquisition and run all analysis, although the average error rate is around 3,047 %. The output of the analysis concluded that time interval or period of four-wheeler brake system maintenance must be adjusted because the decreasing of life expectancy for braking character variation are different with the result as follows; 20 kilometer per day for condition 1 (good braking character), 25 kilometer per day for condition 2 (average braking character), and 44 kilometer per day for condition 3 (bad braking character).

 

"

"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."