Di Kabupaten Tulungagung terdapat lebih dari 12,750 petani ikan yang membudidayakan bernagai jenis ikan mulai dari patin, gurami, lele sampai dengan nila oleh karena itu membutuhkan pemantauan kondisi lingkungan kolam di dalamnya secara real-time untuk memastikan pertumbuhan ikan berjalan maksimal. Kondisi lingkungan seperti kadar oksegen terlatur, suhu, PH tanah merupakan faktor yang sangat berpengaruh dalam pertumbuhan ikan. Pemantauan tersebut yang dilakukan secara manual tentu tidak efektif, terlebih lagi jika lahannya kolam yang dimiliki luas karena pemantauan harus dilakukan setiap saat. Pada Kolam ikan nila kadar oksigen merupakan hal yang perlu untuk dijaga dengan batasan nilai sekita 6-7 mg/l menurut sumber artikel dan kadar nilai PH, suhu juga menjadi faktor yang diperhatikan dalam pertumbuhan ikan . Untuk itu diperlukan sistem kontrol dengan menghidupkan motor pump untuk menjaga stabilitas kadar oksigen terlarut. Disini perlu menerapkan teknologi Internet of Things (IoT) pada Kolam Ikan, kondisi lingkungan tersebut dapat dimonitoring dan dikontrol kapan saja dan dimana saja. Sensor di pasang di beberapa titik dan data dikirim ke database yang nantinya akan di olah apa sistem masih dalam kendali atau tidak dengan ditampilkan pada chart. Hasil dari pengerjaan proyek akhir ini dapat memonitoring dan kontrol pada kolam ikan nila secara baik.Metode terbaik yang didapat adalah peta kendali

Pada saat ini perkembangan e-commerce di Indonesia telah banyak berkembang dan diterima dengan dengan baik di dalam masyarakat. Masyarakat Indonesia sangat terbuka dengan teknologi baru dan juga jumlah pemakai internet di Indonesia semakin meningkat pesat dari tahun ke tahun. Pada saat ini juga telah berdiri banyak sekali perusahaan e-commerce di Indonesia seperti Lazada, Tokopedia, OLX, Bukalapak, Blibli.com dan masih banyak lagi yang lainnya. Masing-masing perusahaan e-commerce tersebut memiliki berbagai macam strategi pemasaran dan bisnis untuk bersaing di pasar dan untuk menarik lebih banyak lagi pembeli di tokonya. Strategi yang biasanya digunakan adalah Customer Relationship Management (CRM). Penerapan dari strategi CRM dapat berupa sistem rekomendasi. Sistem rekomendasi dalam penelitian ini akan dibuat menggunakan metode content-based filtering dengan algoritma apriori yang dapat menganalisis pola-pola kombinasi item. Dengan adanya fitur sistem rekomendasi di dalam e-commerce diharapkan agar pembeli dapat dengan cepat menemukan barang yang dibutuhkan. Dengan strategi ini e-commerce akan dapat meningkatkan pelayanan dan kepuasan pada pelanggan, serta meningkatkan pendapatan pada e-commerce itu sendiri.

Teknologi Informasi pada saat ini telah merambah ke setiap wilayah lembaga/instansi yang bergerak di berbagai bidang baik jasa maupun non jasa, terlebih Dinas atau instansi pemerintah. Jarak yang jauh tidak lagi menjadi masalah jika diatasi dengan teknologi informasi. Dalam program yang dibuat ini bertujuan untuk mempermudah proses pelayanan yang ada di desa dan memudahkan petugas untuk mengurus surat menyurat. Sehingga membantu memudahkan warga atau masyarakat dalam mengurus surat yang dibutuhkan. Selain ingin meningkatkan kesejahteraan masyarakat, kreatifitas dan inovasi, penulis juga ingin memperkenalkan sebuah karya kepada publik, dengan membuat sebuah program di bidang Aplikasi Pelayanan Penduduk dengan menggunakan bahasa pemrograman PHP, HTML, dan JavaScript. Program ini bertujuan untuk mempermudah proses pelayanan pengutusan surat menyurat dan pendataan penduduk. Pembuatan aplikasi ini menggunakan Bootstrap, Sublime dan MySQL. Untuk menjalankan aplikasi ini bisa digunakan pada mozila, google chrome dan android.

Baterai adalah komponen penting dalam teknologi modern, memberikan daya yang diperlukan untuk berbagai perangkat dan aplikasi tanpa perlu koneksi langsung ke sumber listrik tetap. Performa suatu baterai umumnya akan mengalami penurunan karena pengosongan yang dilakukan berulang kali. Pada saat pengosongan, batas overdischarge terkadang tidak dihiraukan sehingga menyebabkan baterai lebih cepat terdegradasi. Untuk mengatasi masalah tersebut maka dirancang sebuah estimasi State of Charge (SoC) yang akan digunakan untuk mengetahui nilai SoC saat kondisi discharging. Estimasi State of Charge (SoC) yang akurat sangat penting untuk manajemen dan penggunaan optimal baterai. Penelitian ini bertujuan untuk mengembangkan sistem estimasi SoC pada proses discharging baterai VRLA menggunakan kombinasi metode Coulomb Counting dan Fuzzy Logic. Metode Coulomb Counting digunakan untuk memperkirakan SoC berdasarkan arus dan waktu sementara Fuzzy Logic diterapkan untuk sebuah statement nilai estimasi State of Charge (SoC). Sistem yang dikembangkan memanfaatkan data arus dan waktu baterai selama proses discharging untuk mengestimasi SoC. Hasil pengujian menunjukkan bahwa metode Coulomb Counting-Fuzzy mampu memperkirakan nilai SoC dengan validasi dilakukan dengan membandingkan antara perhitungan teori dengan hasil pengujian secara praktik. Dimana pada saat pengujian beban AC pada menit 175 nilai SoC praktik menunjukkan nilai 75.00 % sedangkan pada teori menunjukkan nilai SoC 75.06 % kemudian untuk beban DC pada menit 177 nilai SoC praktik menunjukkan nilai 60.03 % sedangkan pada teori menunjukkan nilai SoC 60.18 %. Kemudian terdapat error yaitu ketika beban AC kipas dan lampu saat SoC 100%-75% dan beban DC Lampu saat SoC 75%-60% terdapat rata- rata error 0.1516%, sedangkan beban AC kipas saat SoC 100%-75% dan beban DC Lampu saat SoC 75%-60% rata-rata error 0.157%.

Program Merdeka Belajar Kampus Merdeka atau MBKM merupakan program nasional yang memberi peluang bagi mahasiswa untuk belajar di luar program studi, namun masih banyak mahasiswa yang merasa kesulitan dalam memahami alur, prosedur, dan informasi teknis terkait pelaksanaannya. Bahasa pertanyaan yang digunakan oleh mahasiswa pun beragam, mencakup bahasa informal, singkatan, dan struktur kalimat yang tidak baku. Untuk menjawab tantangan tersebut, penelitian ini menggunakan dua jenis Large Language Model atau LLM, yaitu Bidirectional Encoder Representations from Transformers atau BERT dan Generative Pretrained Transformer atau GPT 3.5, yang keduanya memiliki kemampuan tinggi dalam memahami konteks bahasa alami. BERT digunakan untuk membangun chatbot berbasis klasifikasi intent, sedangkan GPT 3.5 dimanfaatkan untuk memperluas kemampuan chatbot dalam menjawab pertanyaan yang berada di luar cakupan dataset. Metodologi yang dilakukan meliputi penyusunan dataset berdasarkan pertanyaan umum atau frequently ask question MBKM, preprocessing data seperti tokenisasi, normalisasi, dan penghapusan tanda baca, pelabelan intent, finetuning model BERT, serta evaluasi sistem menggunakan metrik BLEU dan ROUGE. Hasil pengujian menunjukkann bahwa chatbot mampu memberikan jawaban yang relevan, dengan skor BLEU 0.907 dan ROUGE 0.973 yang menunjukkan kualitas respons yang baik. Ke depan, sistem ini berpotensi dikembangkan lebih lanjut dengan penambahan dataset baru secara berkala agar chatbot dapat menjawab lebih banyak variasi pertanyaan secara akurat dan adaptif terhadap perubahan kebijakan MBKM.