Tumor otak memiliki beragam tipe, tergantung pada posisi tumor otak tersebut, yang secara garis besar dikategorikan menjadi 3 tipe yakni Glioma, Meningioma, dan Pituitary. Untuk mendeteksi tumor otak digunakan Magnetic Resonance Imaging (MRI) yang menghasilkan citra tumor otak. Metode klasifikasi citra MRI otak yang digunakan pada penelitian ini adalah Deep Learning dengan Convolutional Neural Network (CNN) dengan 2 model skema arsitektur CNN. Model skema 1 terdapat 2 max pooling layer dan 2 hidden layer, sedangkan model skema 2 terdapat 3 max pooling layer dan 4 hidden layer. Dataset yang digunakan memuat citra MRI otak manusia dengan total 7023 citra, dengan rincian 1621 Glioma, 1645 Meningioma, 1757 Pituitary, dan 2000 Notumor. Evaluasi F1-Score model skema 1 dan skema 2 berturut-turut: 96% dan 97%, Sedangkan untuk nilai Accuracy yaitu 98%. Hal ini menunjukkan bahwa nilai F1-Score dan Accuracy, model skema 2 lebih baik. Untuk menguji dataset digunakan 10 fold cross-validation menghasilkan nilai rata-rata Accuracy, F1-Score, Precision, dan Recall berturut-turut 0,8520, 0,8470, 0,8493 dan 0,8504, dengan standar deviasi yang kecil, yaitu berturut-turut 0,0352; 0,0346; 0,0337 dan 0,0353 yang menunjukkan bahwa penyimpangan sebaran nilai semakin mendekati nilai rata-ratanya. nilai metrik F1-score dan accuracy berturut-turut, 97,47% dan 97,39%. Hasil accuracy penelitian ini lebih tinggi dibandingkan dengan beberapa penelitian sebelumnya, yakni dari [1], [2], [3], [5], [7], dan [8], berturut-turut: 94.39%, 97.54%, 97.18%, 96.08%, 96,36%, dan 95.55%.

Saat ini sistem pembelajaran pada perguruan tinggi mulai mengalami perubahan yakni dari bentuk Teacher Centered Learning (TCL) ke Student Centered Learning (SCL). Adanya penilaian dalam belajar sangat dibutuhkan untuk mengetahui sudah seberapa tingkat kemampuan yang dimiliki seorang mahasiswa. Self Assessment adalah penilaian yang dilakukan dengan berbagai cara dan penggunaan beragam alat penilaian untuk memperoleh informasi tentang sejauh mana hasil belajar seseorang atau ketercapaian kompetensi (rangkaian kemampuan) seseorang. Ada banyak media yang digunakan untuk membangun Self Assessment, salah satunya ialah web. Dengan berkembangnya sistem informasi dan komunikasi, pembuatan web dapat mendukung pembelajaran menggunakan Self Assessment. Maka dari itu, untuk menunjang sistem pembelajaran Student Centered Learning pada mata kuliah Statistika di Prodi MMB, diperlukan tool sebagai bentuk penilaian diri mahasiswa, yang mana bisa menjadi evaluasi diri dan dapat mengetahui seberapa kemampuan yang telah dicapai oleh seorang mahasiswa. Untuk itu, dibuatlah sebuah platform Self Assessment berbasis web untuk mata kuliah Statistika Prodi MMB.

Pada PT Promanufacture Indonesia melakukan produksi pipet/tip berskala nanoliter sebagai tempat protein. Pengecekan kualitas low volume tip masih secara manual. Pada tugas akhir ini dibuat low volume tip automation untuk mengoptimalkan quality control pada tip. Dengan alat ini dapat mengatasi masalah di perusahan seperti penggunaan sumber daya manusia yang banyak, memerlukan banyak jam kerja, serta biaya operasional yang besar. Pada low volume tip terdapat desain mekanik untuk mendukung dalam pengecekan pada tip seperti, base untuk kamera, holder untuk dudukan pipet, dan lightning sebagai pencahayaan. Dari perancangan dan implementasi desain mekanik pada sistem imaging low volume tip dibuat dengan bergeraknya secara dinamis dalam pemfokusan kamera pada saat quality control tip serta dibuat dengan dimensi ukuran 450mm x 280mm dan tinggi 240mm dengan menggunakan material utama aluminium dan menggunakan 4 motor stepper.

Sistem proteksi merupakan suatu sistem yang berfungsi untuk melindungi peralatan-peralatan listrik dari gangguan serta mengurangi dampak kerusakan yang mungkin timbul sehingga dapat meminimalisir resiko terjadinya kebakaran. Alat proteksi listrik yang pada umum sudah terpasang bersamaan dengan KWH (Kilo Watt Hour) meter adalah MCB (Miniatur Circuit Breaker) dan sekering yang terpasang setelah KWH meter dimana jika terjadi gangguan pada instalasi baik disebabkan oleh hubung singkat atau beban lebih maka MCB akan memutus aliran listrik. Rancang bangun alat Sistem Proteksi Listrik berbasis IoT ini menggunakan mikrokontroler ESP32 sebagai kendali dimana akan digunakan untuk mengolah sinyal input sehingga menjadi ouput yang berupa tampilan pada LCD dan akan mengendalikan relay sebagai pemutus hubungan listrik dan akan membunyikan buzzer apabila terjadi beban lebih dari yang ditentukan. Sistem proteksi ini juga dilengkapi teknologi Internet of Things yang dapat melakukan monitoring secara online dan realtime.

Di zaman yang modern ini tentu sudah banyak industri – industri yang lahir terutama di kota-kota besar. Dampaknya adalah meningkatnya tingkat polusi udara yang jika diabaikan akan berpengaruh pada kesehatan tubuh manusia. Udara dari zat-zat tersebut memicu terjadinya gangguan pernapasan seperti ISPA, asma, kanker paru-paru, dan lain-lain yang mana sangat berbahaya bagi kesehatan. Tentunya area pemukiman yang dekat dengan kawasan industri akan memiliki resiko pencemaran yang tinggi. Salah satunya adalah kawasan industri yang ada di kecamatan Waru, Sidoarjo. Oleh karena itu dibuatlah solusi untuk mengatasi permasalahan tersebut dengan membuat suatu sistem yang dapat memonitoring polusi udara menggunakan sensor MQ7 untuk mengukur kadar gas CO dan sensor debu GP2Y1010AU0F untuk densitas debu. Kedua sensor diproses oleh ESP32 dan ditampilkan di LCD yang sebelumnya telah diklasikasikan ke range kategori menurut Indeks Standar Pencemar Udara sesuai dengan Keputusan Menteri Negara Lingkungan Hidup Nomor : KEP 45/MENLH/1997. Selain itu, data hasil pengukuran juga dikirimkan ke penyimpanan cloud storage melalui WiFi access point dan ditampilkan di ThingSpeak dalam bentuk grafik agar memudahkan pembacaan. Diharapkan dengan adanya sistem ini, warga sekitar dapat mengetahui kondisi lingkungannya dan tetap waspada dalam menjaga kesehatan tubuh.