Peningkatan keandalan dan kinerja sistem otomasi dalam proses pembelajaran menjadi salah satu faktor penting dalam menyiapkan sumber daya manusia yang unggul di bidang industri. Tugas akhir ini bertujuan untuk mengembangkan sistem sorting berbasis image processing. Modul ini dirancang untuk menyortir benda kerja secara otomatis berdasarkan data yang diperoleh dari sistem pengolahan citra menggunakan YOLOv5. Sistem dilengkapi dengan fitur alarm yang akan aktif saat kehabisan benda kerja. Modul ini dirancang untuk memberikan gambaran ataupun konsep dasar pada otomasi industri. Desain dan sistem yang dirancang pada modul ini diambil dari teknologi yang diterapkan pada industri saat ini seperti Progammale Logic Controller, Human Machine Interface, dan Image Processing (YOLOv5). Modul sorting sendiri bekerja dengan cara mengelompokkan benda kerja dari line sebelumnya yang masih dalam kondisi acak, kemudian diproses di line sorting untuk dikelompokkan sesuai dengan tempat yang telah ditentukan. Modul ini dirancang dengan sistem otomasi yang presisi, sehingga mampu melakukan penyortiran benda kerja dengan tingkat akurasi yang tinggi, baik berdasarkan warna, bentuk, maupun parameter lainnya. Keunggulan lainnya adalah kemampuannya untuk dioperasikan dalam mode manual maupun continue, sesuai perintah dari pengguna melalui antarmuka HMI yang interaktif. Selain itu, sistem ini dilengkapi fitur alarm otomatis yang akan aktif saat benda kerja habis, memberikan informasi secara real-time kepada pengguna. Modul ini juga memiliki nilai tambah sebagai media pembelajaran yang menarik dan interaktif, sehingga dapat meningkatkan minat peserta didik dalam memahami konsep sistem otomasi industri dan teknologi pengolahan citra secara langsung melalui praktik nyata.

Saat ini, perkembangan teknologi semakin meningkat. Tahun demi tahun pasti terdapat sesuatu yang ditemukan ataupun dikembangkan baik dari segi bentuk, efisiensi energi atau kemudahan dalam penggunaan. Namun, dengan adanya permasalahan terkait keterbatasan energi yang harus dihadapi, setiap orang dari berbagai kalangan berlomba untuk menemukan sesuatu yang dapat menghemat energi ataupun medapatkan energi cadangan. Baterai merupakan energi cadangan yang paling sering digunakan karena mudah dalam perawatan dan efisien. Akan tetapi, kapasitas baterai dapat habis seiring dengan waktu penggunaan. Sehingga diperlukan suatu charger aki dengan buck-boost converter yang digunakan sebagai regulator tegangan dari solar cell ke aki 12 Volt. Desain tegangan keluaran buck-boost converter adalah 14,4 Volt dengan arus pengisian maksimal adalah 3 Ampere. Buck-boost converter pada proyek akhir ini berhasil menaikkan dan menurunkan tegangan masukan dari panel surya 8 Volt - 16 Volt menjadi 14 Volt sehingga dapat mengisi aki 12 Volt dengan arus charging 2 Ampere. Untuk menjaga agar tegangan output konstan maka diberikan kontrol melalui PWM (Pulse Widht Modulation) dengan feedback sensor tegangan. Sistem ini dilengkapi dengan pemutus otomatis, sehingga saat arus pengisian aki 0,51 Ampere relay akan open dengan otomatis. Selain itu juga dilengkapi dengan monitoring tegangan output dan arus charging melalui LCD.

Pada era digital saat ini pengolahan data sudah mulai tanpa menggunakan buku atau pendataan secara manual, tapi dengan berkembangnya proses pendataan tersebut maka akan besar pula kemungkinan dampak dari kebocoran data dan penyalahgunaannya maka dengan itu salah satu solusi untuk mencegah terjadinya dampak tersebut dengan menggunakan metode kriptografi. Tujuan dari setiap sistem kriptografi adalah pertukaran informasi di antara pengguna yang dituju tanpa adanya kebocoran informasi kepada orang lain yang mungkin memiliki akses tidak sah ke sana. Kunci rahasia umum dapat dibuat beberapa metode salah satunya dengan menggunakan metode pertukaran kunci untuk saluran nirkabel sering disebut sebagai PHY layer. Pada proyek akhir ini akan dibangun sebuah sitem pertukaran kunci untuk komunikasi wireless di lingkungan indoor dengan menggunakan metode neural network. Dari hasil pengujian yang dilakukan terlihat bahwa skenario jarak 4 meter, jarak 5 meter dan jarak 6 meter pada Ruang B302 dalam kondisi Dinamis, skenario jarak 4 meter Dinamis memiliki nilai korelasi neural network tertinggi yaitu 0.377695364 dan korelasi terendah pada skenario dengan jarak 5 meter dalam kondisi dinamis yaitu 0.159755408, tetapi pada penerapan neural network sebagai praproses, neural network tidak dapat meningkatkan korelasi data. Semua korelasi skenario yang dihasilkan neural network lebih rendah dari korelasi sebelum dilakukannya praproses neural network. Waktu komputasi untuk membangkitkan kunci pada skenario jarak 4 meter adalah 1,92 detik, jarak 5 meter adalah 1,83 detik dan jarak 6 meter adalah 2 detik semua pada Ruang B302 dalam kondisi Dinamis.

Sampah adalah sisa dari berbagai proses kegiatan setiap hari yang dilakukan oleh manusia ataupun proses alam yang dianggap sudah tidak bermanfaat dan dibuang ke lingkungan. Masalah yang sering dihadapi oleh masyarakat adalah proses penanganan dan pemilahan sampah sesuai jenisnya yang kurang tepat. Selain itu, bau sampah yang tidak sedap biasanya muncul karena sampah organik yang telah mengalami pembusukan dan mengeluarkan suatu gas. Gas yang paling banyak dihasilkan adalah gas metana dan gas karbondioksida. Sampah jenis anorganik membutuhkan waktu yang lebih lama untuk dapat terurai dibandingkan jenis sampah organik. Oleh karena itu, antara jenis sampah organik dan anorganik seharusnya ditangani dengan cara yang berbeda pula, baik itu dari segi pembuangan maupun proses daur ulang jika diperlukan. Proses penanganan dan pemilahan sampah di perkantoran kebanyakan masih dilakukan secara manual. Sampah perkantoran dipisah berdasarkan lima kategori yaitu kertas, botol plastik, kemasan plastik, organik, dan residu. Karena adanya permasalahan mengenai sampah tersebut, pada proyek akhir ini penulis membuat tempat sampah yang dapat melakukan identifikasi jenis sampah antara organik dan anorganik di perkantoran secara otomatis dengan memanfaatkan perbedaan nilai kapasitansi maupun transparansi dari jenis sampah organik dan anorganik dan mendeteksi bau pada bak sampah. Sistem dapat dibangun menggunakan beberapa sensor yaitu sensor proximity induktif, sensor proximity kapasitif, sensor ultrasonik, sensor gas MQ-4 dan LDR yang digunakan sebagai data masukan. Selain itu, sebuah keluaran berupa LED yang digunakan sebagai indikator, buzzer yang digunakan sebagai alarm, dan servo yang dapat memisahkan sampah secara otomatis berdasarkan hasil klasifikasi yang dilakukan oleh sistem dengan prosentase akurasi sebesar 96%. Pengujian sensor gas MQ-4 yang telah dilakukan selama tiga hari, pada bak sampah organik menunjukkan tingkat prosentase sebesar 12% sedangkan pada bak sampah anorganik menunjukkan tingkat prosentase sebesar 3%.

Genertor Set (genset) sering digunakan sebagai pembangkit listrik cadangan ketika terjadi pemadaman listrik. Agar menjadi pembangkit listrik, output tegangan dari genset harus stabil. Dan untuk mengetahui nilai dari output tegangan dari genset, terdapat voltmeter analog pada genset. Untuk dapat menstabilkan tegangan genset, maka diperlukan sebuah sistem tambahan agar dapat melakukan penstabilan output tegangan genset. Dan juga untuk dapat mempermudah memonitoring tegangan output pada genset, maka diperlukan sistem monitoring dengan sistem digital. Untuk sistem monitoring digital pada tugas akhir ini, dimanfaatkan modul PZEM-004T sebagai sensor tegangan yang dihubungkan ke Arduino Nano melalui pin interrupt. Data yang didapat dari PZEM-004T yang telah diolah pada Arduino Nano kemudian ditampilkan pada LCD. Untuk dapat menstabilkan tegangan dari genset, pada tugas akhir ini, penulis menggunakan motor servo sebagai sistem mekanik yang bekerja untuk mengatur posisi lever karburator dimana karburator ini mempengaruhi kinerja genset dalam menghasilkan tegangannya. Motor servo ini bekerja secara otomatis ketika diberi sinayl oleh Arduino Nano pada saat terjadinya perubahan tegangan. Hasil dari sistem monitoring pada alat tugas akhir ini ketika dibandingkan dengan alat ukur voltmeter, terdapat error dengan nilai error 1,82% hingga 2,90%. Kemudian untuk sistem mekanik tambahan motor servo ini bekerja. Ketika pada kondisi tanpa beban ke diberi beban lampu 100 watt, tegangan awalnya 243V kemudian turun ke 218V. Penurunan tegangan ini men-trigger motor servo untuk menggerakkan lever karburator ke kanan dan tegangan naik menjadi 234 V.