Penggunaan internet yang semakin masif diiringi oleh kenaikan ancaman serangan siber di internet seperti serangan denial-of-service (DoS), botnet, trojan dan malware. Untuk menanggulangi ancaman tersebut, salah satu metode yang populer digunakan adalah menggunakan Sistem Pendeteksi Intrusi (IDS). Berkas logs yang dihasilkan oleh IDS sangat besar, sedangkan komputasi di sisi server pusat sangat terbatas. Hal inilah yang menjadi tantangan dalam pengolahan data IDS. Di penelitian ini, penulis mengusulkan arsitektur pengolahan data dengan prinsip big data dari multi-IDS sensor menggunakan Apache Spark. Pemanfaatan komputasi fault-tolerant di dalam memori Apache Spark menghasilkan sistem yang mampu mengolah data 7,9 kali lebih cepat daripada metode MapReduce biasa. Melalui evaluasi, sistem ini juga mampu mengklasifikasikan jenis-jenis botnets hingga akurasi 99% dengan menggunakan pengolahan RDD dari Apache Spark.

Orthogonal Frequency Division Multiplexing (OFDM) merupakan modulasi multicarrier yang menyajikan efisiensi spektrum yang tinggi, kebal terhadap multipath delay, rendah Inter-symbol Interference (ISI), resistan terhadap frequency selective fading serta efisiensi daya yang tinggi. Namun, salah satu kekurangan teknik ini adalah nilai Peak-to-Average Power Ratio (PAPR) yang tinggi. PAPR merupakan perbandingan daya puncak dengan daya rata-rata sinyal OFDM. Nilai PAPR yang tinggi dapat menimbulkan distorsi tak linier pada penguat daya transmisi OFDM yang mengakibatkan subcarrier tidak lagi orthogonal dan pada akhirnya menurunkan performasi OFDM. Sehingga, perlu teknik reduksi nilai PAPR untuk mencegah terjadinya distorsi tersebut. Beberapa teknik reduksi PAPR antara lain Tone Reservation, dan Partial Transmit Sequence. Pengujian yang dilakukan bertujuan untuk mengetahui nilai PAPR yang telah direduksi melalui kurva CCDF dengan beberapa parameter diantaranya adalah jumlah subcarrier (512), jumlah subblock (4 dan 8), jumlah antena pemancar MIMO (2 dan 4), jenis modulasi (16-QAM) dan jumlah simbol maksimum yang dibangkitkan (100000 simbol). Hasil menunjukkan bahwa teknik hybrid memiliki pengurangan nilai PAPR lebih besar dibandingkan tekik PTS saja atau TR saja, selain itu pada jumlah subblobk 8 lebih baik daripada subblock 4, teknik hybrid pada jumlah antenna pemancar 2 lebih baik daripada jumlah antena pemancar 4, dan teknik hybrid pada jumlah reserved tone ¼ subcarrier lebih baik daripada reserved tone ½ subcarrier.

Penelitian tentang klasifikasi penyakit pada tanaman menggunakan metode CNN (Convolutional Neural Network) sudah banyak dilakukan, sayangnya belum banyak dataset publik yang tersedia untuk klasifikasi berbagai jenis penyakit pada tanaman pakcoy (Brassica rapa L), kesulitan yang lainnya adalah masih belum ada parameter yang jelas pada dataset untuk mendapatkan hasil CNN (Convolutional Neural Network) yang mempunyai error data training yang cukup rendah. penelitian ini menawarkan pembuatan dataset sebanyak 3583 dataset yang terbagi menjadi 4 klasifikasi dan melakukan training dengan menggunakan CNN (Convolutional Neural Network). study awal membuat dataset dan mengklasifikasikan tumbuhan pakcoy berdasarkan penyakit tumbuhan pakcoy. Hasil training menunjukkan hasil 99,9% dan hasil prediksi riil sebesar 80% dengan 20 percobaan dengan rentang lux 400-1000 lux. Dalam uji yang dilakukan, sistem ini telah menunjukkan kinerja yang baik. Namun, kami menyadari bahwa masih ada ruang untuk peningkatan lebih lanjut guna meningkatkan tingkat deteksi dan kecepatan pemrosesan. Kami berharap bahwa penelitian ini dapat memberikan kontribusi signifikan dalam bidang ini dan membuka jalan bagi kemajuan teknologi lebih lanjut dalam aplikasi serupa di masa depan.

Tingkat polusi sampah botol plastik di Indonesia semakin meningkat dimana sampah botol plastik membutuhkan waktu yang sangat lama agar dapat terurai sehingga dibutuhkan alat pencacah sampah untuk mencacah botol plastik menjadi butiran plastik yang lebih mudah diolah sebagai bahan daur ulang. Namun, alat pencacah sampah cenderung menggunakan sumber dari PLN dimana pembangkitan yang sering digunakan yaitu PLTU dengan bahan bakar batu bara atau energi yang tidak dapat diperbarui. Sehingga pada proyek akhir ini dibuat sistem renewable energy menggunakan energi sumber matahari sebagai pengganti sumber PLN. Sumber energi panas matahari ini dikonversikan menjadi energi listrik melalui panel surya yang akan disimpan pada baterai berkapasitas 24 Volt/33 Ah, dimana boost converter dibutuhkan untuk menaikkan tegangan keluaran dari panel surya. Charge controller yang digunakan yaitu kontrol PI untuk mengatur sinyal PWM dari rangkaian boost converter agar tegangan output dan arus output sesuai dengan kebutuhan. Proses charging battery dimodifikasi menggunakan metode CC (Constan Current) dan CV (Constan Voltage). Dari pengujian simulasi baik secara open loop maupun close loop menghasilkan nilai yang mendekati dengan set point yaitu 5,94A pada saat CC dan 27V pada saat CV. Sedangkan pada pengujian hardware pada saat open loop menggunakan beban baterai yang berbeda dari perencanaan yaitu 7,2Ah menghasilkan nilai tegangan output 24V dan arus output 0,2A.

Pengukuran luas tanah maupun survei tanah, pada umumnya dilakukan oleh instansi pertanahan dan orang awam yang juga ingin melakukan pengukuran terkendala dengan alat, karena alat pengukuran tanah memiliki harga yang mahal. Medan atau lingkungan letak tanah memiliki karakter yang berbeda-beda. Ada yang kering, berair, berada di ketinggian, atau kondisi lain yang tidak memungkinkan untuk menggunakan meter manual. Serta bentuk tanah yang tidak hanya segi tiga atau segi empat, jika menemui bentuk yang tidak beraturan maka pengukur akan mengalami kesulitan. Penelitian ini bertujuan untuk menerapkan teknologi GPS, menjadi alat yang dapat berfungsi untuk mengukur keliling dan luas dari sebuah bidang tanah. Proses penghitungan luas tanah diproses dengan menggunakan program berbasis metode numerik dengan fokus metode simpson 3/8. Metode integrasi Simpson merupakan pengembangan metode integrasi trapezoida, namun daerah pembaginya bukan berupa trapesium tetapi berupa dua buah trapesium dengan menggunakan pembobot berat di titik tengahnya. Alat yang dihasilkan dari penelitian ini, menerima koordinat posisi dari setiap patok tanah dengan cara user membawanya ke lokasi tersebut. Kemudian dengan data koordinat tersebut, dihasilkan nilai-nilai jarak yang kemudian diolah menggunakan program berbasis simpson 3/8. Pada proyek akhir ini alat dengan program berbasis metode simpson 3/8 memiliki nilai error rata-rata sekitar 1.94%. Sedangkan modul GPS yang digunakan memiliki akurasi rata-rata 5.16 meter. Error penghitungan dapat dipengaruhi oleh akurasi GPS, lokasi pengukuran, dan luasan tanah yang diukur. Sedangkan akurasi GPS dipengaruhi oleh lokasi, cuaca, dan jenis GPS yang dipakai. Dengan demikian, GPS consumer grade dapat dipakai untuk pengukuran luas tanah dengan tingkat kesalahan yang dapat ditoleransi.