Sebagian besar Siswa/i tingkat akhir jenjang SMA/SMK/MA/Sederajat yang ingin masuk ke perguruan tinggi ingin mendapat informasi secara cepat dan akurat. Pada hal ini, pelayanan chat berbasis teknologi informasi seperti chatbot akan dapat memberikan kemudahan pada mahasiswa baru untuk mendapatkan informasi. Dalam penelitian ini, chatbot dirancang menggunakan teknologi Google Dialogflow yang memungkinkan pembuatan bot dengan mudah tanpa perlu memulainya dari awal dan diintegrasikan dengan Telegram. Chatbot dapat membuat proses yang sebelumnya manual yaitu harus menghubungi Humas Politeknik Elektronika Negeri Surabaya untuk mengurus suatu keperluan penerimaan mahasiswa baru menjadi lebih ringkas dengan hanya mengakses chatbot dan mengetikkan pertanyaan atau informasi yang dibutuhkan. Dengan hal itu, chatbot akan memberikan manfaat bagi mahasiswa baru Politeknik Elektronika Negeri Surabaya dalam memperoleh informasi yang cepat dan akurat serta memudahkan mereka dalam mengikuti prosedur pendaftaran.

Tugas akhir ini membahas mengenai simulasi dan perancangan anten mikrostrip biquad collinear yang bekerja pada band frekuensi 2,4 GHz untuk aplikasi WLAN. Antena mikrostrip merupakan antena yang dapat difungsikan untuk menangkap sinyal gelombang elektromagnetik termasuk yang berasal dari satelit. Bentuknya yang kecil dan tipis membuat antena mikrostrip mudah dalam proses faabrikasi. Antena mikrostrip biquad collinear dirancang dengan menggunakan software HFSS ANSOFT. Dari hasil simulasi yang dirancang diperoleh hasil yang sesuai dengan spesifikasi yang telah ditetapkan. Hasil simulasi diperoleh nilai frekuensi tengah sebesar 2,4 GHz, return loss sebesar -11,61 dB, bandwidth sebesar 95 MHz, VSWR sebesar 1,71, pola radiasi omnidireksional, dan polarisasi linier. Sedangkan pada hasil pengukuran diperoleh nilai frekuensi tengah sebesar 2,454 GHz, return loss sebesar -26,35 dB, bandwidth sebesar 119 MHz, VSWR sebesar 1,10, pola radiasi omnidireksional, dan polarisasi linier.

Pengkodean dengan gerakkan kepala dapat memberikan banyak kegunaan. Salah satunya bila di aplikasikan dengan pengendalian pointer. Perangkat yang digunakan untuk mengamati gerakkan kepala tersebut berupa perangkat lunak yang memiliki system pengolahan citra yang di dukung dengan kamera. Adapun data yang diambil adalah nilai titik tengah lingkaran kepala. Dalam penelitian ini digunakan hasil pengolahan citra untuk mengetahui koordinat titik tengah lingkaran kepala. Dari nilai koordinat tersebut berbanding lurus ke posisi pointer pada layar komputer. Dari penelitian ini juga mendeteksi jumlah mata yang terbuka, bila terdeteksi satu jumlah mata maka akan terjadi klik.

Wireless Sensor Network merupakan suatu jaringan wireless yang terdiri dari beberapa node sensor yang saling berkomunikasi dan bekerja sama untuk pengumpulan data-data dari lingkungan di sekitarnya. Pada perkembangannya wireless sensor network dapat diaplikasikan pada beberapa permasalahan yang terjadi seperti untuk alat bantu pencarian pendaki gunung yang hilang. Salah satu permasalahan pada Wireless Sensor Network (WSN) adalah daya yang terbatas. Oleh karena itu node pada wireless sensor network perlu untuk menerapkan komunikasi dengan membentuk cluster dengan menggunakan perangkat XBee Pro. Pembentukan cluster dan pemilihan node anggota dilakukan berdasarkan jarak terdekat node sensor terhadap clusterhead. Algoritma K-Nearest Neighbor memanfaatkan euclidean distance sebagai parameter utama clustering yang didapat dari konversi Received Signal Strength Indicator (RSSI) ke dalam estimasi jarak antar node. Received Signal Strength Indicator (RSSI) sebagai parameter estimasi jarak antar node menggunakan metode pemodelan kanal log-normal shadowing yang dapat digunakan untuk mengetahui nilai pathloss exponent pada wilayah observasi. Hasil yang didapatkan pada pengujian estimasi jarak di darat memiliki persentase error sebesar 27,9%. Waktu rata-rata yang dibutuhkan untuk melakukan pembentukan cluster adalah 58543 ms, sedangkan Waktu rata-rata yang digunakan untuk mengambil data koordinat pada masing-masing cluster hingga dikirim ke database adalah 45540 ms. Pada sistem yang dibuat, proses yang paling banyak menghabiskan waktu adalah proses perubahan PAN ID dengan waktu rata-rata ±14204 ms tiap perubahan PAN ID. Dengan melakukan pembentukan cluster pada node wireless sensor network dapat meningkatkan efisiensi daya sebesar 6,5%.

Penggunaan panel surya sebagai sumber energi terbarukan membutuhkan baterai sebagai tempat penyimpanan energi. Salah satu jenis baterai yang mendapat supply dari panel surya adalah lead acid atau accu. Dalam pengembangannya pengisian baterai lead acid sering mengalami overcharge yang dapat menyebabkan penurunan performa baterai, hal tersebut disebabkan pengestimasian kapasitas baterai yang kurang tepat. Untuk mengatasi permasalahan tersebut, diperlukan sistem estimasi nilai State of Charge (SoC) pada baterai yang berfungsi untuk mengontrol kondisi charge, agar performa baterai tetap optimal. Pada penelitian dikembangkan suatu sistem estimasi SOC pada baterai jenis lead acid, dengan metode Artificial Neural Network dengan algoritma Elman Backpropagation. Algoritma Elman Backpropagation memiliki sebuah layer tambahan yang disebut context neuron yang berfungsi untuk menyediakan pola hidden unit sehingga informasi dapat di umpan balik ke layer itu sendiri. Keunggulan yang terkait dengan metode Elman Backpropagation Neural Network meliputi proses iterasi menjadi lebih cepat, peningkatan kecepatan pembaruan parameter, dan pencapaian konvergensi yang lebih cepat. Data yang digunakan untuk melakukan estimasi SoC baterai adalah tegangan dan arus charging sehingga nantinya akan didapatkan nilai SoC. Dalam penelitian ini, dibandingkan dengan kinerja Adaptive Neuro Fuzzy Inference System (ANFIS). Hasil dari penelitian estimasi SOC pada baterai lead acid 12V, 12Ah dengan menggunakan algoritma Elman Backpropagation error yang didapatkan sebesar 0.201 sedangkan dengan metode ANFIS error yang didapatkan sebesar 0.2498. Hasilnya menunjukkan bahwa algoritma Elman Backpropagation memberikan hasil yang lebih baik dalam estimasi SoC baterai, terutama saat menghadapi fluktuasi tegangan dan arus pengisian yang tinggi. Sehingga dapat disimpulkan bahwa algoritma Elman Backpropagation lebih akurat dan dapat diandalkan dalam mengestimasi nilai SoC pada baterai lead acid.