Para atlet pencak silat memiliki keinginan untuk meraih kemenangan dalam setiap pertandingan. Dalam pertandingan pencak silat kategori tanding, pesilat dapat memperoleh 2 poin jika berhasil melakukan tendangan yang tepat mengenai sasaran tanpa terhalang oleh tangkisan lawan. Tendangan seringkali menjadi pilihan karena memberikan poin lebih besar dibandingkan dengan pukulan, memiliki pola gerakan yang mudah, dan melibatkan bagian tubuh dengan anatomi yang lebih panjang. Namun, tinggi rendahnya tendangan sangat mempengaruhi performa selama pertandingan. Tendangan dengan ketinggian rendah dapat menyebabkan pelanggaran berupa teguran atau pengurangan poin. Sasaran tendangan dalam pertandingan pencak silat adalah bagian tubuh kecuali leher ke atas dan dari pusar hingga kemaluan. Dalam menghadapi permasalahan tersebut, dikembangkanlah sebuah sistem yang bertujuan untuk membantu atlet pencak silat meningkatkan kualitas tendangan mereka. Sistem ini menggunakan kamera sebagai input yang selalu merekam aktivitas tendangan. Metode estimasi pose digunakan sebagai pengenalan pola tendangan pencak silat. Sistem ini mampu mendeteksi tendangan dengan tingkat error kesalahan deteksi pada tendangan depan kanan sebesar 20%, tendangan depan kiri sebesar 20%, tendangan T kiri sebesar 36%, dan tendangan T kanan sebesar 20%.

Jantung adalah organ utama dalam sirkulasi darah, memainkan peran krusial dalam menyuplai oksigen ke seluruh tubuh. Pada keadaan normal seluruh komponen pembentuk jantung bekerja saling melengkapi agar jantung berfungsi memompa darah secara memadai dan tanpa berhenti. Denyut jantung normal pada orang dewasa berkisar dari 60 sampai 100 kali per menit. Gangguan irama jantung atau aritmia, dapat menyebabkan berbagai masalah kesehatan. Aritmia terbagi menjadi dua jenis utama, yaitu Sinus Bradikardi dengan irama sinus yang lambat dan Sinus Takikardi dengan irama sinus yang lebih cepat, salah satu penyebab dari aritmia yaitu dapat dipicu karena stress. Komplikasi yang mungkin timbul akibat adanya gangguan irama jantung adalah sinkop (pingsan), hipertensi, sesak napas, kelenjar keringat dan lain-lain. Dalam upaya pencegahan dan pengelolaan penyakit aritmia, proyek akhir ini bertujuan untuk mengembangkan sistem deteksi yang menggunakan sensor Elektrocardiogram (ECG) dan Sensor Galvanic Skin Response (GSR). Metode yang digunakan adalah ANN (Artificial Neural Network). Metode ini akan mengklasifikasikan status kondisi jantung normal, bradikardia dan tacikardia dengan menggunakan data hasil dari sensor ECG. Proses dimulai dengan pembacaan sensor Elektrocardiogram (ECG) dan Sensor Galvanic Skin Response (GSR) kemudian data diproses pada mikrokontroler ESP32 dengan metode ANN (Artificial Neural Network) dengan komulikasi Bluetooth dengan hasil ditampilkan pada GUI. Dengan dirancangnya alat deteksi pada aritmia seseorang dapat memantau kondisi jantungnya sendiri dan mengidentifikasi potensi masalah kesehatan jantung sejak dini. Hasil pemodelan neural network didapatkan berdasarkan trial dan error, dalam tahapan dilakukan dengan mencoba-coba untuk mendapatkan performa model yang paling baik. Dimana dengan menggunakan 2 ayer dengan masing masing 10 neuron dan aktivasi ReLU dengan Tingkat akurasi 100%. Tingkat akurasi pada klasifikasi untuk kondisi bradikardia, normal dan takikardia menggunakan metode ANN sebesar 99,8%. Berdasarkan hasil percobaan dapat disimpulkan bahwa deteksi aritmia dini dengan pengukuran sensor AD8232 dan sensor GSR meililiki keterkaitan dengan akurasi 99,8%, namun pada sensor GSR diperlukan alat pembanding agar lebih akurat.

Assembly lines merupakan salah satu lini tugas dalam industri yang banyak digunakan dan berbasis bin picking dan computer vision untuk mengambil dan menyusun objek, dimana salah satu objek yang banyak digunakan dalam tugas tersebut adalah pipa fitting. Namun, permasalahan yang dihadapi dalam hal computer vision adalah object recognition dan pose estimation dimana masih terkendala pada keakuratan dari pemrosesan. Pada penelitian ini bertujuan untuk memberikan sebuah pipeline object recognition dan pose estimation menggunakan kamera Time-of-Flight. Pada pipeline yang diusulkan, tahap clustering merupakan bagian krusial karena menentukan hasil dari pemrosesan selanjutnya. Penulis mengusulkan sebuah improvement dari algoritma density-based yaitu Curvature-Density-Based Spatial Clustering Application with Noise (CVR-DBSCAN) untuk menangani objek yang bertumpuk dan overlapping. Dilanjutkan dengan object recognition dan object pose estimation masing-masing menggunakan Convolutional Neural Network (CNN) serta SAmple Consensus Initial-Alignment (SAC-IA) dan Iterative Closest Point (ICP). Pada kondisi tumpukan objek yang acak, CVR-DBSCAN mampu memberikan performa akurasi hingga 73.17% yang mana jauh lebih baik dari algoritma yang umum digunakan yaitu Euclidean clustering. Untuk analisis object recognition digunakan beberapa metrics seperti Akurasi, Recall, Precision, dan F-1 Score dimana masing-masing bernilai 97.73%, 95.45%, 95.73%, dan 95.47%. Evaluasi pose estimation didapatkan dari error baik rotasi maupun translasi yang masing-masing bernilai 0.47 derajat dan 4.17 mm. Secara keseluruhan, sistem yang diusulkan dapat merekognisi dan mengestimasi pose dari objek dengan berbagai kondisi peletakan.

Pengujian terhadap suatu lingkungan industri sangat diperlukan untuk menjamin kesehatan dan sebagai cara untuk menanggulangi polusi di sekitar lingkungan tersebut. Untuk mendapatkan data dan informasi seputar kandungan dari zat kimia yang ada pada daerah tersebut sangat membutuhkan ketelitian yang baik agar bisa memberikan hasil penelitian yang sangat akurat. Jika dalam pengerjaannya masih menggunakan cara manual, akan membutuhkan waktu lama untuk membuat laporan dari informasi yang didapat. Sedangkan untuk berbagai sampel yang diambil mempunyai standar atau metode yang berbeda. Pembuatan perangkat lunak untuk laboratorium ini diharapkan bisa membantu manajemen data dan administrasi di laboratorium PT. Envilab Indonesia, serta memudahkan para pengguna dalam memasukkan data yang akan diolah menjadi sebuah informasi sementara atau laporan akhir untuk evaluasi penelitian yang telah dilakukan.

Baru – baru ini, banyak terjadi pelanggaran di wilayah perairan yang kita tahu bahwa 2/3 wilayah Indonesia terdiri dari lautan. Untuk menganggulangi yakni dengan memaksimalkan keefektifan pengawasan laut. Sarana utama pengawasan laut berupa kapal sangat berperan dalam proses pemantauan daerah peairan. Kapal dengan dikendalikan program dapat membantu pengawasan laut yang dilakukan. Pada sistem ini, dengan menambahkan alat pengindra maka kapal dapat mendeteksi adanya halangan di sekitar kapal. Alat tersebut berupa sensor jarak yang mengirimkan sinyal masukan ke mikrokontroler untuk menentukan pergerakan kapal. Pergerakan tergantung dari penggerak elektrik kapal berupa motor dc. Terdapat 2 motor dc yaitu motor dc 12 volt sebagai penggerak propeler dan motor servo sebagai penggerak ruder kapal. Metode yang sering digunakan untuk mengatur putaran motor dc adalah Pulse Width Modulation (PWM). Sinyal PWM menentukan putaran motor propeler. Sedangkan motor servo mendapat sinyal triger 0,6-2 ms agar dapat membentuk sudut 0-180 ̊ . Jika halangan di sebelah kanan kapal berjarak kurang dari 50 cm maka sensor mengirim pulsa output melalui pin data echo ke mikrokontroler untuk menggerakkan motor servo 135 ̊ agar kapal bergerak serong kiri dan jika halangan di sebelah kiri kapal berjarak kurang dari 50 cm maka motor servo diatur menjadi 45 ̊ agar kapal bergerak serong kanan. Jika halangan di depan kapal maka motor propeler mengurangi kecepatan. Sehingga kapal bergerak menghindari halangan mencegah tabrakan.