Perkembangan teknologi yang sangat pesat memungkinkan distribusi informasi yang cepat dan efektif melalui aplikasi mobile sebagai pendukung sistem informasi manajemen yang sudah ada. Aplikasi mobile sangat diperlukan bagi jajaran direksi dan manajemen karena keterbatasan dalam mengakses sistem informasi yang pada umumnya berbasis website. Kebutuhan yang harus diakomodasi oleh aplikasi mobile bagi jajaran direksi dan manajemen adalah dashboarding atau laporan terkait target dan pencapaian penjualan klinik kecantikan dalam bentuk rekapitulasi serta saran target penjualan selanjutnya berdasarkan hasil forecasting dengan metode perhitungan Double Exponential Smoothing. Fitur tersebut akan sangat membantu jajaran direksi dan manajemen dalam pengambilan keputusan meskipun tidak memungkinkan untuk berada di klinik secara langsung.

Motor listrik telah mengambil peran utama dalam pembangunan berkelanjutan. Dibandingkan dengan mesin pembakaran tradisional, motor listrik memiliki efisiensi yang jauh lebih tinggi, pengurangan emisi, dan kebisingan yang lebih rendah. Motor BLDC memiliki keunggulan seperti efisiensi tinggi, kebisingan rendah, dan emisi yang rendah, sehingga populer di industri dan otomotif. Namun, dengan peningkatan daya dan kinerja motor BLDC, masalah termal menjadi faktor penting yang perlu dipertimbangkan. Penelitian ini menggabungkan pendekatan pemodelan. Penelitian ini bertujuan untuk mengamati pengaruh variasi kecepatan aliran dan fraksi campuran cairan pendingin terhadap sistem pendinginan untuk motor brushless dc pada aplikasi motor sport. Pemodelan menggunakan metode numerik seperti Computational Fluid Dynamics untuk memprediksi distribusi suhu dalam berbagai kondisi operasional. Parameter fisik seperti ketahanan termal, kapasitansi termal, hambatan gulungan, dan kehilangan daya pada komponen diperhitungkan. Variasi yang digunakan kecepatan aliran antara lain 0,9 m per s, 1,09 m per s, 1,37 m per s, 1,64 m per s, dan 1,91 m per s. dan variasi fraksi massa mulai dari air murni, etilen 20 persen, etilen 40 persen, etilen 50 persen, dan etilen 60 persen. Dengan data yang ada dilakukan validasi dengan membandingkan hasil pengukuran dengan penelitian yang dilakukan oleh penelitian terdahulu apabila range nilai simulasi yang dilakukan tidak jauh berbeda dengan eksperimen yang dilakukan tersebut maka bisa dinyatakan penelitian yang dilakukan sudah valid. Dari penelitian yang dilakukan variasi kecepatan 7 liter per menit dan fraksi etilen 60 persen memiliki kenaikan temperature paling rendah dibanding variasi lainnya.

Evaluasi pembelajaran merupakan bagian penting dalam proses pendidikan untuk mengukur pemahaman siswa terhadap materi. Namun, pembuatan soal kuis secara manual kerap memerlukan waktu, tenaga, dan keterampilan pedagogis yang tidak sedikit. Penelitian ini mengusulkan dan mengembangkan sebuah sistem yang mampu menghasilkan soal kuis secara otomatis dari materi pembelajaran berbasis teks menggunakan teknologi Large Language Model. Sistem ini dirancang dengan pendekatan Retrieval-Augmented Generation untuk mengatasi keterbatasan konteks pada model generatif serta dilengkapi metode chunking untuk pemrosesan materi yang panjang. Tiga jenis soal yang didukung oleh sistem ini meliputi Pilihan Ganda, Jawaban Singkat, dan Benar/Salah, masing-masing dengan prompt template yang disusun berdasarkan kaidah resmi dari Pusat Penilaian Pendidikan Kementerian Pendidikan dan Kebudayaan. Hasil pengujian terhadap 60 soal menunjukkan bahwa sistem mampu menghasilkan pertanyaan dengan tingkat kepatuhan tinggi terhadap kaidah penulisan soal, dengan rata-rata persentase kepatuhan di atas 90% untuk setiap jenis soal. Temuan ini menunjukkan bahwa integrasi LLM dalam sistem pembelajaran dapat meningkatkan efisiensi dan kualitas proses evaluasi, serta menjadi solusi potensial untuk pengembangan fitur dinamis dalam Learning Management System seperti ETHOL di lingkungan Politeknik Elektronika Negeri Surabaya

Automated Guided Vehicle (AGV) merupakan salah satu jenis mobile robot yang digunakan untuk pengangkut barang menuju suatu tempat tujuan. Dikarenakan Automated Guided Vehicle berhadapan dengan objek serta lingkungan sekitarnya saat melakukan tugasnya, AGV harus beroperasi dengan aman dilingkungannya. Oleh karena itu, AGV memerlukan kemampuan untuk mendeteksi dan menghindari rintangan yang ada disekitar robot sambil menentukan jalan atau rute yang akan diambil untuk mencapai titik tujuan. AGV menggunakan LIDAR dan sensor odometry untuk melakukan pemetaan terhadap lingkungan jelajahnya terlebih dahulu atau lebih dikenal dengan SLAM. Selain itu, LIDAR juga melakukan deteksi obstacle. Dari posisi obstacle yang telah dideteksi digunakan sebagai gaya atau force untuk robot dapat menghindari rintangan dan menuju tempat tujuan dengan metode Social Force Navigation Model. Metode tersebut membutuhkan posisi dan orientasi dari rintangan terhadap robot, dan tujuan. Metode tersebut akan menghasilkan gaya tolak terhadap rintangan dan gaya tarik terhadap tempat tujuan. Sehingga, robot dapat menghindari rintangan dan menuju tempat tujuan tanpa membahayakan lingkungan sekitar. Dalam sistem navigasi menggunakan Social Force Model, besaran gaya tolak ketika berhadapan dengan obstacle diatur adaptif menggunakan fuzzy dengan membership function jarak dan arah robot menuju obstacle. Sementara itu hasil yang didapat dari pengujian yang dilakukan adalah robot dapat menghindari rintangan serta melakukan navigasi menuju tempat tujuan dengan menggunakan data pemetaan ICP-SLAM dengan baik dibandingkan robot melakukan navigasi tanpa menggunakan data pemetaan ICP-SLAM. Dari pengujian yang telah dilakukan, sistem navigasi SFM menggunakan data pemetaan ICP-SLAM memiliki iterasi mencapai 7.498% lebih cepat dibandingkan jika tidak menggunakan data pemetaan.

Permintaan yang semakin berkembang pesat akan kecepatan data yang tinggi dalam sistem komunikasi nirkabel (wireless) menjadi penyebab penggabungan teknik MIMO dan OFDM. Teknik MIMO-OFDM membutuhkan RF front end di setiap antena, dimana hal tersebut tidak efektif untuk ukuran antena berdimensi besar. Oleh karena itu, RF front end di sisi penerima akan disederhanakan dengan teknik single RF yang didasarkan pada antena ESPAR. Dalam kehidupan nyata, suatu kanal tidak mungkin bersifat ideal. Oleh karena itu, sebelum sinyal ditransmisikan, perlu dilakukan teknik pengkodean untuk meminimalisir kesalahan pada proses pengiriman data. Convolutional code merupakan sebuah teknik pengkodean yang mampu mendeteksi dan mengkoreksi bit yang salah (error control coding) sehingga diharapkan dapat menekan kuantitas Bit Error Rate (BER). Pada proyek akhir ini, dirancang simulasi untuk menganalisa kinerja single RF pada sistem MIMO-OFDM menggunakan detektor VBLAST pada convolutional code encoder dan Viterbi decoder untuk rate ½. Hasil simulasi menunjukkan bahwa teknik estimasi kanal bekerja dengan baik pada sistem MIMO-OFDM berbasis single RF yang ditunjukkan pada kurva magnitudo dan fasa terhadap index subcarrier antara kanal teori dan kanal estimasi yang berada pada titik-titik yang hampir sama. Performansi detektor VBLAST-ZF ditunjukkan pada kurva BER terhadap SNR, dimana selisih nilai BER untuk nilai SNR (Eb/No) 10 dB antara kanal teori dan kanal estimasi sebesar 0.001499. Teknik pengkodean kanal menggunakan convolutional code encoder dan Viterbi decoder dengan rate ½ bekerja dengan baik pada sistem MIMO-OFDM berbasis single RF yang ditunjukkan pada kurva BER terhadap SNR, dimana nilai BER yang didapatkan dengan pengkodean kanal lebih kecil dibandingkan nilai BER tanpa pengkodean kanal.