Pembangkit Listrik Mikrohidro (PLTMH) merupakan pembangkit skala kecil yang umum dibangun di daerah yang tidak terjangkau oleh jaringan listrik namun daerahnya memiliki potensi air yang cukup untuk membangkitkan energi listrik. Dalam pembuatan PLTMH terdapat beberapa permasalahan-permasalahan yang terjadi dalam kinerja generator untuk mengkonversi energi mekanik menjadi energi listrik, seperti debit air yang tidak konstan dan beban yang berubah-ubah, sehingga dalam proyek akhir ini dibuatlah perancangan PLTMH dengan bosst converter yang dikontrol dengan menggunakan kontrol PI, desain PLTMH ini mampu menghasilkan tegangan sebesar 1084.58 Watt dengan tegangan keluaran sebesar 229.3 Volt. hal tersebut menjadikan desain PLTMH ini memiliki efisiensi sebesar 63.14%.

Pixel art telah menjadi hal yang sering dijumpai dalam industri game, dengan gaya visualnya yang unik dan daya tarik nostalgia, pixel art bisa membangun peminatnya dari dulu hingga saat ini. Namun, membuat desain karakter pixel art yang memenuhi kebutuhan game tertentu, melibatkan kombinasi keterampilan artistik dan pengetahuan teknis. Seperti halnya dalam pembuatan game “Project N”, karakter musuh membutuhkan aspek desain yang rumit. Penelitian ini bertujuan untuk meningkatkan proses pembuatan karakter pixel art, dengan mengidentifikasi kekuatan dan kelemahan dari berbagai teknik yang digunakan. Dalam penelitian “Project N: Designing Fictional Creature Enemies In Pixel art: Techniques and Process”, menggunakan metode Design-Based Research (DBR), yang menerapkan pendekatan iteratif melalui tahapan analisis, pengembangan desain, dan evaluasi. Yang dilakukan pada pembuatan 3 karakter musuh beserta animasinya. Sehingga penelitian dapat menghasilkan dokumentasi yang berisikan workflow yang mencakup teknik dan proses desain yang dilakukan. Dari pengujian yang dilakukan pada umum dan profesional, didapatkan jika proses pembuatan desain karakter telah mencapai target. Hal ini terbukti dari hasil pengujian, yang dimana responden menyetujui jika aspek visual sesuai dengan tujuan, dan responden profesional memberikan tanggapan positif terhadap visual, teknik, dan proses.

Diabetes Melitus adalah penyakit yang terjadi akibat kadar glukosa di dalam darah terlalu tinggi karena tubuh tidak dapat melepaskan atau menggunakan insulin secara normal. Tesis ini membandingkan dua metode dalam teknik Data Mining yaitu metode Logistik Regression dan metode Bayesian untuk memprediksi tingkat resiko penderita diabetes dengan menggunakan aplikasi berbasis web. Data yang digunakan ada sebanyak 1450 data pasien yang diambil dari RSD BALUNG JEMBER, dengan pengambilan data mulai 26 september 2014 sampai 30 april 2015. Untuk mengukur performansi dari kedua metode digunakan accuracy, nilai sensitivity, specificity dan area dibawah kurva ROC (Receiver Operating Characteristic). Pada hasil percobaan menunjukkan bahwa kedua metode Logistik Regression dan metode Bayesian menggunakan data training dan data testing yang sama dari 1450 data pasien pada performasi sensitivity yang tertinggi terdapat pada metode bayesian 96,5% sedangkan logistic regression 95,1%, specificity nilai tertinggi terdapat pada metode logistic regression 88,2% sedangkan pada metode bayesian 87,6%, accuracy nilai tertinggi terdapat pada metode bayesian 91% sedangkan pada metode logistic regression 90,8% dan pada ROC nilai tertinggi terdapat pada metode logistic regression 98,8% sedangkan pada metode bayesian 96,4%. Dari kedua metode memeiliki kelebihan dan kekurangan yang sama sedangkan dengan perhitungan c-index metode terbaik terdapat pada metode bayesian. Tesis ini juga mengembangkan metode Bayesian yang tidak hanya dapat menggunakan kategorikal saja tapi juga bisa menggunakan data numerical.

Sektor pertanian, khususnya budidaya hortikultura seperti tanaman melon, membutuhkan pengelolaan lingkungan yang presisi agar produktivitas dan kualitas panen tetap terjaga. Kondisi suhu, kelembaban, dan nutrisi yang tidak stabil di dalam greenhouse seringkali menjadi kendala bagi petani, terutama ketika pemantauan masih dilakukan secara manual. Oleh karena itu, dibutuhkan sistem monitoring yang terintegrasi dan cerdas untuk mendukung penerapan smart farming. Penelitian ini membahas perancangan dan implementasi sistem monitoring kondisi lingkungan pada greenhouse budidaya tanaman melon berbasis Web SCADA FUXA. Sistem dikembangkan agar petani dapat memantau suhu dan kelembaban udara, suhu dan kelembaban tanah, serta parameter nutrisi (pH, TDS, salinitas, dan konduktivitas) secara real-time. Arsitektur sistem memanfaatkan PLC sebagai pengendali utama proses otomasi, sensor SHT22 dan soil nutrient RS485 sebagai sumber data, Raspberry Pi sebagai gateway dan server pengolahan data, serta basis data MySQL sebagai penyimpan data historis. Komunikasi data antara PLC dan Raspberry Pi menggunakan protokol Modbus TCP/IP, sedangkan integrasi dengan Web SCADA FUXA dilakukan melalui REST API. Pada sisi pengolahan data, diterapkan metode logika fuzzy Sugeno bertingkat yang terdiri atas beberapa sub-FIS (udara, tanah, nutrisi) dan FIS utama untuk mengklasifikasikan kondisi lingkungan ke dalam level aman, waspada, bahaya, dan invalid. Hasil pengujian menunjukkan bahwa seluruh jalur komunikasi (sensor–PLC–Raspberry Pi–database–API–FUXA) dapat bekerja secara stabil, data sensor tersimpan dengan benar, dan sistem mampu menampilkan informasi kondisi lingkungan beserta indikator alarm secara real-time. Pengujian skenario fuzzy juga menunjukkan bahwa keluaran skor dan level alarm yang dihasilkan sistem konsisten dengan perancangan rule base, sehingga sistem dapat digunakan sebagai alat bantu pengambilan keputusan dalam pengelolaan greenhouse tanaman melon.

Kecelakaan di jalan raya merupakan masalah yang cukup besar di Indonesia, yang disebabkan oleh beberapa faktor seperti kelalaian pengemudi, kondisi kendaraan, kondisi jalan, dan cuaca. Pihak berwenang mengidentifikasi penyebab kecelakaan melalui pemeriksaan tempat kejadian, wawancara saksi, pemeriksaan bukti, dokumentasi foto, analisis laporan, evaluasi data, rekonstruksi kecelakaan, dan pelaporan akhir. Waktu yang dibutuhkan untuk menentukan jenis kecelakaan tergantung pada informasi yang dikumpulkan. Pada Tugas Akhir ini, telah dikembangkan sebuah alat untuk mengidentifikasi penyebab kecelakaan. Perangkat ini merekam data dari kendaraan mulai melaju hingga berhenti dengan mengekstrak informasi dari electronic control unit (ECU) kendaraan dan menggunakan kamera. Metode deep learning dan Facial Emotion Recognition (FER) memproses rekaman video, menyederhanakan proses identifikasi kecelakaan bagi pihak berwenang.