Jawa Timur adalah salah satu provinsi yang sering terlanda bencana banjir. Provinsi Jawa Timur terdiri dari 38 wilayah kabupaten dan kota. Tercatat sebanyak 170 data bencana banjir sejak 2011 hingga 2015 yang menimpa kabupaten dan kota di jawa timur. Upaya pemerintah dalam melakukan penanggulangan bencana banjir membutuhkan suatu sistem pendukung keputusan dalam menentukan wilayah-wilayah yang akan menjadi sasaran dalam proses mitigasi bencan banjir. BNPB (Badan Nasional Penanggulanan Bencana) telah menerbitkan dokumen pedoman dalam melakukan pemetaan risiko bencana di Indonesia. Proyek akhir ini memanfaatkan PERKA BNPB dan Metode AHP untuk melakukan perhitungan indeks risiko bencana banjir pada tiap kabupaten dan kota di Jawa Timur untuk menghasilkan SDSS (Spatial Decission Support System) yang dikemas dalam bentuk aplikasi android. Hasil pemetaan risiko banjir pada kedua metode diklasifikasikan dan divisualisasikan dalam bentuk peta risiko bencana banjir. Hasil kemiripan 29 % pada Metode AHP menjadikan Metode AHP lebih baik dan realistis dibandingkan dengan Metode Indeks yang menghasilkan kemiripan 16.5 % dari kondisi sebenarnya.

Sebagai sumber daya alam, energi harus dimanfaatkan sebesar-besarnya bagi kemakmuran masyarakat dan pengelolaannya harus mengacu pada asas pembangunan berkelanjutan. Namun demikian, eksplorasi sumberdaya energi lebih banyak difokuskan pada energi fosil yang bersifat unrenewable resources sedangkan energi yang bersifat renewable relatif belum banyak dimanfaatkan. Indonesia memiliki iklim tropis yang hanya mempunyai 2 musim sepanjang tahunnya yaitu musim kering (kemarau) dan musim basah (hujan). Letak geografis Indonesia yang berada di ekuator menyebabkan Indonesia adalah salah satu daerah yang memiliki nilai surplus sinar matahari karena mendapat sinar matahari sepanjang tahun. Untuk memanfaatkan kelebihan tersebut dirancang sebuah alat yang digunakan untuk memanfaatakan sinar matahari sehingga dapat menghasilkan energi listrik yang tidak akan pernah habis. Digunakan Maximum Power Point Tracker (MPPT) agar daya yang di hasilkan oleh panel surya dapat maksimal dalam kondisi apapun. Keluaran dari panel surya berupa tegangan dan arus yang di ukur oleh sensor ACS712 dan sensor tegangan kemudian di olah menggunakan mikrokontroler STM32F407VG yang berisikan metode MPPT Fuzzy logic controller (FLC). Keluaran dari FLC akan menghasilkan duty circle yang digunakan untuk membangkitkan Pulse Wide Modulation (PWM). PWM akan membangkitkan zeta converter yang digunakan untuk charging batrai 24V/35Ah. Baterai tersebut mensuplai beban lampu untuk menghangatkan ruangan inkubator yang dikontrol dengan relay. Suhu dalam inkubator di jaga konstan yang berkisar 38 - 39°C dan kelembaban inkubator berkisar 52 – 55% RH menggunakan sensor DHT11.

Energi surya adalah sumber energi terbarukan yang tidak akan pernah habis, namun efisiensinya dapat menurun akibat peningkatan suhu permukaan panel potovoltaic (PV). Oleh karena itu, sistem pendingin diperlukan untuk menjaga kinerja termal modul PV. Studi ini bertujuan untuk mengevaluasi pengaruh tinggi dan penambahan lubang pada heatsink terhadap kinerja pendinginan modul PV melalui simulasi numerik menggunakan Computational Fluid Dynamics (CFD) dengan metode SIMPLE. Menggunakan 4 variasi heatsink tanpa lubang dan lainnya dengan lubang dengan tinggi 10 mm dan 30 mm diberi jarak 15 mm dan 7.5 mm, pada kecepatan udara 1,5 m/s. Tujuan utama adalah memodelkan konfigurasi heatsink, menganalisis pengaruh geometri heatsink terhadap distribusi suhu, tekanan, dan aliran udara di sekitar modul PV. Hasil simulasi menunjukkan bahwa heatsink tanpa lubang memiliki efisiensi pendinginan rendah akibat penumpukan panas dan aliran udara yang stagnan. Sebaliknya, heatsink berlubang menunjukkan kecepatan udara dan distribusi suhu yang lebih merata, serta dapat menurunkan suhu permukaan PV dengan hasil efisiensi thermal diperoleh sebesar 69.6% untuk variasi heatsink berlubang dengan tinggi 30 mm. Desain ini terbukti lebih efektif dalam meningkatkan transfer panas konvektif dan efisiensi pendinginan, serta memperkuat efek konveksi alami di sekitar modul PV.

Kebisingan suara / noise merupakan hal yang sering dikeluhkan masyarakat. Kebisingan yang dialami sehari-hari merupakan faktor utama terjadinya pencemaran suara. Kebisingan tersebut dapat memberi dampak buruk pada kesehatan yakni dapat mengganggu pendengaran, bahkan hingga tuli, dan gangguan psikis seseorang, serta menyebabkan gangguan aktivitas sehari-hari yakni mengganggu komunikasi antar manusia, menyebabkan kejengkelan, perasaan tertekan dan jenuh sehingga dapat mempengaruhi produktivitas kerja manusia. Oleh karena itu pada proyek akhir ini dibuat sebuah solusi untuk membantu meredam noise dengan suatu metode yakni Adaptive Neuro Fuzzy Inference System (ANFIS). ANFIS merupakan metode yang menggabungkan Fuzzy Inference System (FIS) dan Neural Network (NN) untuk mendapatkan data informasi yang didapat dari output pada fungsi FIS yang kemudian dilakukan learning dengan pemberian data training menggunakan NN untuk mendapatkan persamaan (aturan dasar) dan diinferensikan oleh FIS. Sehingga dasar pemodelan ANFIS adalah himpunan fuzzy, fungsi keanggotaan, sistem inferensi, dan learning dari neural network. Metode ANFIS menggunakan bantuan perangkat lunak Matlab untuk simulasi peredam kebisingan tersebut. Dengan menggunakan metode ANFIS dapat menurunkan level daya noise yang terukur sebesar 0,01 watt atau 0,0629 dB sehingga menghasilkan sinyal suara yang lebih bersih dengan SNR senilai 0,0618.

Metode pembelajaran bahasa inggris dengan Game berbasis Dynamic Level Adjustment merupakan sebuah inovasi belajar yang menggambarkan proses belajar bahasa inggris yang ditujukan kepada semua orang sehingga mereka dapat belajar dengan mengukur kemampuan masing – masing. Hal ini dilakukan untuk meningkatkan kualitas dan kemampuan masing – masing serta memanfaatkan teknologi khususnya pada dunia pendidikan. Untuk membuat game lebih interaktif dan efektif, penulis akan membuat Artificial Intelligence yang reintegrasi dengan web dan memiliki tingkat akurasi yang baik dalam menyajikan soal. Artificial Intelligence akan menghitung tingkat keaktifan melalui pengambil an tes setiap harinya. Selain itu Artificial Intelligence yang digunakan mampu menyajikan soal yang sesuai dengan tingkat kecerdasan user atau Dynamic Level Adjustment. Saat pertama kali melakukan tes, Pengguna akan disajikan soal yang mudah dan bertahap menjadi sulit, namun soal yang disajikan dapat menjadi lebih mudah jika pengguna kesulitan berada di level yang lebih tinggi. Pengguna dapat melihat hasil pembelajaran melalui statistik. Statistik didapatkan dari data yang dikumpulkan dan dihitung oleh Artificial Intelligence saat pengguna melakukan pembelajaran. Selain itu pengguna juga dapat melihat achievement yang menunjukan hasil belajar. Game bahasa inggris dengan Dynamic Level Adjustment diharapkan membuat proses belajar menjadi menarik dan mudah dipahami.