Indirect Field Oriented Control (IFOC) terdiri atas dua pengendali arus stator dq-axis. Performa pengendalian motor induksi secara keseluruhan bergantung pada salah satu atau kedua pengendali arus stator tersebut. Umumnya pengendali arus stator menggunakan pengendali PI, namun pengendali ini memiliki beberapa kelemahan utama yaitu susahnya menentukan gain dari proportional maupun integral. ANFIS yang menggabungkan fuzzy logic controller dan artificial neural network menawarkan kemampuan training, adaptif, cepat, dan handal. Pada tesis ini pengendali ANFIS diterapkan untuk pengendali arus stator d-axis pada pengemudian motor induksi. Pengendali ANFIS dibandingkan dengan pengendali PI untuk mengevaluasi performanya. Evaluasi performa yang diamati yaitu performa kecepatan dinamik, performa arus, dan performa daya serta efisiensi. Skema pengujian dilakukan dalam referensi beban konstan dan bervariasi, referensi kecepatan konstan dan bervariasi, serta variasi nilai resistansi stator dalam referensi kecepatan rendah. Dari keseluruhan pengujian, pengendali arus stator d-axis PI dan ANFIS cenderung menghasilkan trend respon kecepatan dinamik yang sama, namun pengendali arus stator d-axis ANFIS mampu mereduksi konsumsi arus fasa, ripple arus stator d-axis, THD arus fasa, konsumsi daya, dan power losses dari motor.

Hydroculture merupakan metode bercocok tanam tanpa menggunakan media tanah sehingga dapat diterapkan di lahan yang sempit. Tanaman yang biasa ditanam di media air adalah sayuran berdaun. Faktor-faktor yang dapat mempengaruhi pertumbuhan sayuran yaitu kadar Total Dissolved Solids (TDS) dalam nutrisi, suhu air nutrisi, dan kelembaban udara di sekitar kebun. Pada penelitian ini, didesain sebuah sistem monitoring dan kontrol untuk mengoptimalkan pertumbuhan sayuran pada media air dengan sistem Deep Flow Technique (DFT). Pada sistem ini, kadar TDS, pH dan suhu air nutrisi menjadi acuan klasifikasi level kualitas nutrisi yang ditentukan dengan fuzzy logic classification. Air nutrisi dijaga pada range yang telah ditentukan menggunakan Fuzzy Logic Controller (FLC) dengan menghasilkan output volume larutan pekat nutrisi A dan B yang dialirkan ke bak utama. Semua data pengukuran sensor akan dikirimkan ke dashboard website untuk dimonitoring. Implementasi sistem kendali nutrisi dalam pengukuran dan pengelolaan kualitas air nutrisi terbukti efektif dan stabil. Sensor yang digunakan memiliki tingkat akurasi yang tinggi dengan error rata-rata ±5%. Sistem klasifikasi kualitas air nutrisi berhasil diterapkan dan menunjukkan nilai persentase yang akurat dengan berbagai kategori kualitas. Kontroler fuzzy logic yang digunakan untuk mengatur TDS juga efektif dengan waktu respon 40-60 detik untuk mencapai nilai setpoint yang diinginkan. Implementasi kendali nutrisi pada tanaman selada dan pak choy mempercepat laju pertumbuhan 1,72 dan 1,53 kali lebih cepat. Data sensor dapat dikirim ke website setiap 5 detik memperkuat sistem monitoring dan pengendalian nutrisi secara online. Secara keseluruhan, sistem ini menunjukkan kinerja yang baik dalam meningkatkan kualitas dan efisiensi pertanian hidroponik.

Dalam suatu lembaga pendidikan seperti PENS, jadwal merupakan bagian penting dalam berlangsungnya proses perkuliahan dengan memanfaatkan ketersediaan ruang yang ada sehingga dapat digunakan untuk melaksanakan seluruh beban perkuliahan. Akan tetapi bertambahnya jumlah mahasiswa yang masuk setiap tahun dengan ketersediaan ruang belajar yang terbatas mengakibatkan sulitnya penyusunan jadwal perkuliahan yang ada. PENS memiliki beberapa kriteria khusus dalam menyusun suatu jadwal yang semakin membuat suatu proses penjadwalan menjadi sangat kompleks. Simulated annealing dikenal sebagai salah satu algoritma penjadwalan yang mampu mengatasi jebakan lokal optima.Pembentukan initial state dan penggunaan update state yang akurat akan sangat mempengaruhi hasil dari state yang dapat dibentuk simulated annealing. Penggunaan rule-based dan menerapkan prioritas penjadwalan pada initial state menghasilkan state (jadwal) yang lebih baik dibandingkan pembentukan initial state secara random tanpa suatu rule. Hasil dari initial state akan dioptimasi dengan update state menggunakan cooling schedule pada simulated annealing. State yang dihasilkan dari penelitian ini cenderung memiliki energi yang relatif kecil dengan process time yang singkat dibanding penjadwalan secara manual.

Maraknya kasus pencurian kendaraan bermotor di Indonesia mendorong perlunya sistem pelacak yang akurat, mudah digunakan, dan terjangkau. Proyek akhir ini merancang dan membangun alat pelacak kendaraan berbasis IoT yang menggunakan modul GPS Neo untuk akuisisi lokasi dan modul GSM SIM800L untuk mengirimkan informasi lokasi melalui SMS. Sistem ini dikendalikan oleh mikrokontroler Arduino Uno dan dioperasikan dengan perintah SMS dari pengguna. Pengujian dilakukan di 15 titik lokasi di wilayah Mojokerto, Sidoarjo, dan Jombang. Hasil pengujian menunjukkan bahwa sinyal GSM memiliki cakupan dan stabilitas lebih baik dibandingkan GPS, yang cenderung menurun pada area tertutup atau perbukitan. Sistem ini mampu mengirim lokasi dengan akurasi memadai di lingkungan terbuka, meskipun mengalami keterbatasan pada blank spot sinyal. Selain itu, sistem menunjukkan efisiensi konsumsi daya dan mampu beroperasi lebih dari dua hari tanpa pengisian ulang. Berdasarkan hasil tersebut, alat ini dapat menjadi solusi pelacakan kendaraan yang efektif dan sederhana untuk implementasi dunia nyata, dengan catatan masih diperlukan pengembangan lebih lanjut pada aspek akurasi GPS dan penanganan area tanpa sinyal GSM.

Code smell merujuk kepada pola struktur kode perangkat lunak yang memiliki desain buruk, sehingga menjadi ancaman yang dapat menimbulkan bugs, error, ataupun celah pada keamanan di masa yang akan datang. Long method adalah salah satu jenis code smell, yang akan menyebabkan pengembang perangkat lunak kesulitan untuk memahami method yang ditulis. Maka perlu dilakukan proses refactoring. Namun, proses ini membutuhkan pengetahuan terkait code smell yang ingin diatasi. Selain itu, proses pengembangan perangkat lunak akan terhenti. Oleh karena itu, dikembangkan sebuah pustaka yang secara otomatis dapat mendeteksi keberadaan, sekaligus melakukan refactoring terhadap long method code smell yang berhasil dideteksi. Dengan demikian, pengembang perangkat lunak dapat mengembangkan perangkat lunak yang berkualitas dengan proses yang lebih mudah dan cepat. Berdasarkan uji coba yang dilakukan, terbukti bahwa pustaka yang dikembangkan dapat 100% mendeteksi keberadaan long method code smell. Selanjutnya, pustaka ini berhasil merefactoring 68.66% dari long method code smell yang terdeteksi. Berdasarkan hal tersebut, maka pustaka yang dikembangkan dapat mengurangi waktu serta memudahkan pengembang perangkat lunak mengembangkan perangkat lunak yang berkualitas.