Air merupakan elemen penting untuk makhluk hidup dan merupakan sumber daya alam yang berharga sehingga untuk menjaganya dibutuhkan suatu sistem, salah satunya adalah memprediksi penggunaan air yang akurat pada suatu wilayah tertentu. Sistem ini sering digunakan dalam bidang pekerjaan, suatu bangunan atupun perusahaan termasuk juga prediksi penggunaan air di lingkungan PENS. Penelitian ini yang mengembangkan model peramalan yang dapat memprediksi penggunaan air di PENS dengan metode Learning Vector Quantization (LVQ) adalah salah satu metode klasifikasi dari jaringan syaraf tiruan. Learning Vector Quantization (LVQ) bekerja dengan setiap unit output mempresentasikan sebuah kelas dengan kata lain Learning Vector Quantization (LVQ) adalah metode pengelompokan dimana target / kelasnya setiap kelompok / jumlah kelompok sudah ditentukan dan dapat menghitung besar error. Semakin tinggi tingkat error dapat diartikan bahwa prediksi yang di lakukan memperoleh hasil semakin tidak akurat sehingga membutuhkan metode yang memiliki error yang sedikit. Learning Vector Quantization (LVQ) memiliki akurasi lebih baik dibandingan oleh persamaan yang lain. Data yang diperoleh dari penggunaan air di lingkungan PENS dapat diolah menjadi data peramalan penggunaan air di masa yang akan datang dengan langkah – langkah pada metode Learning Vector Quantization (LVQ) . Peramalan terbaik dengan mengunakan learning rate 0.01 dan epoch 1000 dengan 7 fold validation dengan akurasi tertinggi adalah sebesar 92.72% .

Berkembangnya jumlah pengguna perangkat komunikasi khususnya telepon seluler yang begitu cepat, menyebabkan pemerintah harus menyediakan banyak energi yang diperlukan untuk proses charging pada sistem tesebut. Pada penelitian proyek akhir ini dirancang sebuah sistem charging circuit yang terdiri dari rangkaian rectifier dan rangkaian Op-Amp dengan memanfaatkan teknik energy harvesting. Rangkaian Op-Amp yang digunakan tersebut berfungsi untuk meningkatkan sumber input berupa sinyal AC yang diterima oleh antena microstrip dari Base Transceiver Station dan kemudian akan diubah menjadi sinyal DC dengan menggunakan rangkaian penyearah tegangan. Perancangan rangkaian Op-Amp dan rangkaian rectifier dari sistem charging circuit ini bekerja pada frekuensi 2,3 GHz dengan menggunakan pendekatan matematis yaitu dengan model full wave untuk rangkaian rectifier dan model non-inveting voltage amplifier untuk rangkaian Op-Amp. Untuk hasil pengujian sistem charging circuit secara keseluruhan ini di chamber mampu menghasilkan output sebesar 1,945 Volt dan 0,03 Ampere setelah ditambahkan current amplifier. Sedangkan hasil pengujian sistem charging circuit pada implementasi pemanenan energi secara real time ini menggunakan tiga macam antena microstip sebagai antena receiver. Dari ketiga jenis antena microstrip tersebut, dengan elemen array 4x4 mampu menghasilkan tegangan output sebesar 5,422 Volt dengan nilai arus 0,0054 Ampere. Karena nilai tegangan dan khususnya untuk nilai arus yang dihasilkan masih terlalu kecil maka sistem ini belum dapat digunakan untuk proses charging pada celluler phone sebagai sebuah sistem pemanenan energi frekuensi radio.

Bencana alam yang terjadi sering mengakibatkan orang mengalami penurunan kesehatan secara drastis. Bila tidak ditangani secara cepat dapat menyebabkan kematian. Sistem ini bertujuan untuk memonitor kondisi kesehatan korban dan memonitor lokasi korban dengan menggunakan teknologi Jaringan Sensor Nirkabel (JSN).Pada sistem ini sisi sensor node mengirimkan data kondisi korban yang berupa detak jantung serta suhu tubuh. Mikrokontroler yang digunakan adalah ARM yang merupakan arsitektur processor 32-bit yang dikembangkan oleh ARM Cortex M4 dan menggunakan pulse sensor untuk mendeteksi kondisi denyut nadi korban serta TMP35 untuk mendeteksi suhu tubuh korban. Selain itu, digunakan GPS untuk mengetahui lokasi korban pada daerah bencana. Sensor input ini akan diklasifikasikan oleh mikrokontroller yang ada pada sensor node (NS) dan dikirim ke base station (sink node) dengan teknologi nirkabel Xbee Pro S1. Hasil dari sistem ini TMP 35 dapat mendeteksi suhu tubuh dengan error rata-rata 0,55%. Kemudian waktu transmisi dari SkyNav SKM53 pada rata-rata 53 detik dan koordinat SkyNav SKM35 mendekati koordinat dari Garmin. Pulse sensor menghasilkan nilai BPM yang hampir mendekati nilai BPM yang dihitung dengan tangan. Selisih yang dihasilkan antara 3 sampai 4 poin. Selain itu semakin tinggi node dan semakin jauh jarak dari node maka semakin lama waktu pengirimannya.

Akademi Komunitas Negeri Lamongan (AKNELA) merupakan salah satu perguruan tinggi di Kota Lamongan yang baru saja dirintis. Sebagian pengolahan data dan kebutuhan informasi saat ini masih dilakukan secara manual, sehingga kinerja sistem administrasi akademik dirasa belum optimal. Kebutuhan ini dapat dipenuhi dengan baik jika tersedia suatu layanan informasi yang lengkap dan akurat, salah satunya dengan adanya suatu sistem yangterkomputerisasi dalam kegiatan tersebut. Dengan sistem yang dapat diakses secara online yakni berbasiskan web maka data yang diolah dapat menjadi lebih cepat, tepat waktu, akurat, penghematan ruang penyimpanan data (memori) dan mengurangi penumpukan arsip yang tidak perlu. Sehingga dengan kemudahan pengolahan data serta informasi tersebut, diharapkan sistem informasi berbasis web ini dapat memberi kemudahan dalam memanajemen administrasi Kerja Praktek (KP), Proyek Akhir (PA) serta verifikasi soal ujian.

Proyek Akhir ini, bertujuan untuk membuat sistem pembuka kunci pintu menggunakan suara ketukan yang terdeteksi oleh sensor piezoelectric yang disematkan pada pintu. Sistem ini bermafaat untuk mengamankan rumah terutama pada bagian pengamanan pintu utama maupun pintu ruangan. Dengan sistem ini pintu dapat dibuka dengan suara ketukan yang memiliki pola ketukan yang sesuai dengan pola ketukan yang ditetapkan oleh pemilik rumah. Pola ketukan akan dihitung apabila suara ketukan yang di deteksi oleh sensor piezoelectric melebihi level ketukan sebesar 1,24 Volt. Dengan metode menghitung jarak antar ketukan akan didapatkan pola ketukan, pola ketukan akan dicocokkan dengan pola ketukan yang disimpan pada EEPROM (Electrically Erasable Programmable Read-Only Memory) Arduino UNO. Proses pencocokan pola ketukan akan mendapatkan nilai rasio. Nilai rasio yang ditetapkan pada sistem ini memiliki range 20 ms hingga 45 ms. Apabila nilai rasio yang dihitung berada pada range yang ditentukan maka Arduino UNO akan membuka kunci pintu dengan menjalankan Motor Servo DC.