COVID-19 telah menginfeksi jutaan orang dan menyebabkan ribuan korban jiwa di Indonesia. Teknologi yang memungkinkan deteksi cepat pada infeksi COVID-19 dengan akurasi tinggi dapat sangat membantu tenaga kesahatan. Alat klinis utama yang saat ini digunakan untuk diagnosis COVID-19 adalah reverse transcription polymerase chain reaction (RT-PCR). RT-PCR memiliki sensitifitas kurang lebih 80 persen, masih ada kemungkinan 20 persen kasus yang tidak terdeteksi. Sehingga, laporan CT scan atau x-ray juga harus menjadi faktor pemandu dalam pengobatan pasien, daripada hanya mengandalkan tes RT-PCR saja. Tujuan penelitian ini adalah mengusulkan teknik yang kuat dalam deteksi otomatis sebagai alat pelengkap untuk menyempurnakan ketepatatan deteksi COVID-19 sehingga dapat lebih menyakinkan hasil diagnosis. Sistem ini membuat pendekatan baru menggunakan teknologi deep learning dan image processing untuk mengklasifikasi pasien COVID-19, viral pneumonia, lung opacity (penyakit paru-paru selain COVID-19), dan normal dari citra x-ray paru-paru. Penelitian ini terdiri dari lima tahapan, yaitu data preprocessing, hyperparameter tuning, model training, model evaluation, dan model testing. Proses training memanfaatkan teknik transfer learning dari pre-trained model convolutional neural network (CNN) Tensorflow untuk menghasilkan model yang dapat dijadikan solusi. Kemudian melakukan uji coba menggunakan data yang tidak dilatih untuk mengevaluasi kinerja model menggunakan confusion matrix dan performance metric. Sebagai upaya optimasi model, dilakukan uji coba dengan preprocessing citra menggunakan CLAHE. Hasil percobaan menggunakan empat pre-trained network (InceptionV3, Xception, VGG19, dan ResNet50), Model ResNet50 memiliki performa paling baik dengan hasil akurasi 92,62 persen, sensitifitas COVID-19 97 persen, dan presisi COVID-19 97 persen. Hal ini membuktikan bahwa CNN menggunakan pre-trained model Tensorflow dapat menjadi solusi dalam mendeteksi COVID-19 dari citra x-ray.

MANET merupakan teknologi yang cocok untuk diterapkan pada aplikasi komersial seperti, pertemuan konferensi, dan berbagi informasi di ruang kelas siswa dan layanan penting lainnya seperti komunikasi taktis dalam operasi militer, bantuan bencana, dan operasi penyelamatan. Dalam penerapan teknologi MANET yang menggunakan jaringan wireless membuat teknologi ini rentan terhadap berbagai jenis serangan seperti packet eavesdropping, data disseminating, message replay, message modification, dan khususnya masalah privacy issue. Dalam tesis ini, diusulkan sebuah sistem keamanan komunikasi dan pertukaran informasi di MANET dengan mempertimbangkan keamanan pada routing aman dan pertukaran informasi. Mengenai masalah privasi atau anonimitas, digunakan enkripsi asimetris yang handal yang melindungi privasi pengguna dengan memanfaatkan atribut pengguna yang tidak sensitif sebagai identitas pengguna, skema CP-ABE (Ciphertext-Policy Attribute-Based Encryption). Dalam tesis ini juga dirancang protokol untuk menerapkan skema yang diusulkan untuk berbagai skenario dalm studi kasus komunikasi takstis dalam medan perang. Hasil eksperimen menunjukkan bahwa tambahan skema HMAC (Keyed-Hash Message Authentication Code) dan AES (Advanced Encryption Standard) menggunakan prosesor 1,2 GHz hanya membutuhkan waktu proses sekitar 4,452 ms. Dengan demikian, dapat diambil kesimpulan bahwa skema keamanan yang diusulkan menggunakan CP-ABE dengan tambahan skema HMAC dan AES menghasilkan overhead yang rendah.

Penelitian robot humanoid banyak sekali dikembangkan, namun sampai saat ini masih jarang membahas tentang kontrol keseimbangan. Dalam sistem keseimbangan pada robot humanoid rata-rata menggunakan sensor IMU(Inertial Measurement Unit) untuk mendeteksi kemiringan, pergeseran dan gaya gravitasi. Tetapi banyak juga cara dan model sensor agar bisa membuat robot humanoid menjadi seimbang. Dengan menggunakan salah satu sensor yaitu FSR(Force Sensing Resistance). Oleh karena itu pada tugas akhir ini penulis membuat suatu sistem keseimbangan robot berkaki dua (humanoid). Model kinematika robot yang digunakan memiliki 6 sendi untuk tiap kaki. Sistem ini menggunakan multisensor yaitu sensor FSR yang berfungsi untuk mengukur tekanan pada 4 titik terluar kaki agar dapat mengetahui gaya tekan pada setiap titik, kemudian dari itu dapat ditarik resultan gaya pada keempat titik tersebut. Hasil pengolahan dari resultan gaya pada keempat titik tersebut akan memunculkan sebuah koordinat titik tumpu pada telapak kaki robot. Jadi saat robot dalam kondisi miring titik tumpu robot akan berpindah. Dari perpindahan titik tumpu ini digunakan sebagai sistem keseimbangan robot dan masukan dalam sistem kontrol keseimbangan yang menggunakan metode logika fuzzy yang menggabungkan input dari keluaran resultan gaya berupa nilai error koordinat y dan nilai integral error y. Berdasarkan penelitian yang telah dilakukan pada kondisi papan pengujian di permukaan rata dan tidak licin, robot dapat mempertahankan keseimbangan pada papan dengan kemiringan 20° dari permukaan tanah dalam arah anterior dan posterior.

Salah satu metode yang dapat digunakan untuk mengetahui aktivitas otak adalah Electroencephalography (EEG). EEG merekam aktivitas listrik disepanjang kulit kepala. Aktivitas listrik dideteksi oleh elektroda yang ditempatkan pada kulit kepala yang selanjutnya akan melalui proses penguatan dan pemfilteran sinyal. Subjek akan diberi perlakuan khusus dengan 2 kondisi yang berbeda, kondisi rileks dan beraktivitas. Perlakuan yang berbeda ini akan menghasilkan jenis sinyal tertentu yang akan lebih dominan, tetapi hal itu akan tidak sama untuk tiap subjek yang di uji. Mikrokontroler ATMega32 bertugas mengkonversi sinyal analog menjadi sinyal digital untuk dikirim ke PC menggunakan komunikasi serial. Sinyal akan ditampilkan pada PC menggunakan aplikasi Visual Basic dan diproses menggunakan filter digital FIR untuk memisah jenis sinyal EEG. Dari data yang diperoleh saat subjek dalam kondisi rileks, amplitude sinyal yang muncul untuk sinyal beta sebesar 20 – 70 µV dan saat bearktivitas sebesar 30 – 80 µV. Untuk sinyal alpha saat kondisi rileks, amplitude sinyal yang muncul sebesar 120 – 140 µV, dan saat beraktivitas sebesar 120 – 130 µV. Untuk sinyal tetha saat kondisi rileks, amplitude sinyal yang muncul sebesar 180 – 280 µV, dan saat beraktivitas sebesar160 – 200 µV.

Kenyamanan penumpang selalu berhubungan dengan mekanisme peredaman getaran pada kendaraan. Sistem suspensi mampu meredam getaran bodi kendaraan ketika melewati profil jalan yang buruk. Namun mayoritas kendaraan masih menggunakan suspensi pasif. Dalam penelitian ini akan dibuat rancang bangun sistem suspensi semi-aktif yang dapat beradaptasi pada semua jenis profil jalan. Dalam pembuatan suspensi semi-aktif ini diperlukan pengaturan gaya redaman pada damper suspensi. Sistem pneumatik dapat digunakan untuk mengatur besar volume udara pada damper berdasarkan nilai koefisien peredaman. Dengan mengukur percepatan vertikal bodi kendaraan dan perubahan jarak antara roda dengan bodi dapat digunakan sebagai variabel-vaiabel input akuisisi data kontrol logika fuzzy untuk menghasilkan nilai koefisien peredaman. Hasil pengujian menunjukkan simpangan rata-rata suspensi semi-aktif dengan kontrol logika fuzzy mempunyai perbandingan peredaman lebih besar dibandingkan dengan suspensi pasif pada modul seperempat kendaraan. Penggunaan sistem pneumatik sebagai aktuator menghasilkan respon yang lebih cepat dibandingkan dengan aktuator lainnya untuk pendukung sistem suspensi.