Perkembangan aquaculture di Indonesia dalam beberapa tahun terakhir mengalami peningkatan yang cukup signifikan, khususnya pada budidaya ikan koi. Namun sayangnya masih banyak pembudidaya ikan yang masih menggunakan cara yang konvensional dalam memberi makan hewan ternaknya tersebut yang mengakibatkan ketidakefektifan dalam berbudidaya. Dalam Tugas Akhir kali ini akan dibuat sebuah kapal autonomous pemberi makan ikan koi otomatis yang diharapkan dapat membantu pembudidaya dalam meringankan pekerjaannya. Menggunakan teknologi computer vision yang telah terintegrasi pada sistemnya dan merupakan bahasan utama pada Tugas Akhir kali ini, kapal ini akan mampu mendeteksi ikan koi yang berada di sekitarnya. Adapun metode yang digunakan pada proyek akhir kali ini yaitu mengenali ikan koi dengan menggunakan metode Deep Learning. Dengan menggunakan kamera endoskop, sistem ini akan mulai mengamati keberadaan ikan di kolam yang kemudian datanya akan diproses di sebuah komputer mini dengan membandingkannya dengan hasil training. Apabila terdeteksi keberadaan gerombolan ikan koi, maka sistem aktuator akan mulai bekerja untuk memberi makan ikan tersebut.

Intelligent Mobile Emergency Response System (IMERS) merupakan sistem yang mendukung komunikasi untuk manajemen kejadian darurat pada kecelakaan lalu lintas dengan menemukan rute arus terbaik untuk kendaraan dan rumah sakit terdekat yang didukung dengan menciptakan jaringan ad hoc di antara kendaraan darurat. IMERS bekerja dengan melakukan pelacakan lokasi insiden kecelakaan (location tracking) dan penentuan rute terpendek untuk ambulan. Pada tugas akhir ini akan dibuat aplikasi berbasis Android pelaporan korban kecelakaan dengan memanfaatkan pencarian rute terpendek yang terintegrasi dengan Google Maps API. Pertukaran informasi dan data pada perangkat wireless yang digunakan komunikasi antar mobile user yang bersifat rahasia. Antar user dapat bertukar informasi lokasi untuk melakukan komunikasi. Untuk akurasi dari lokasi masing-masing user dapat dilacak melalui GPS yang tersedia pada smartphone tiap pengguna. Dari hasil pengujian terlihat bahwa Intelligent Mobile Emergency Response System (IMERS) dapat memberikan rute tercepat estimasi waktu kedatangan (Estimated Time Arrival) untuk ambulan dari titik awal menuju lokasi kecelakaan dengan nilai rata-rata persentase error sebesar 7.9% komparasi atara waktu sebenarnya dan estimasi pada aplikasi, memberikan rute terpendek dengan keberhasilan diatas 55%, dan semua fitur pada implementasi yang dibuat sesuai dengan sistem Intelligent Mobile Emergency Response System.

Mengecat ulang rumah ketika menjelang hari raya sudah menjadi salah satu tradisi yang dilakukan oleh masyarakat Indonesia. Kegiatan ini bertujuan untuk mendapatkan kesan yang lebih nyaman dan rapi ketika dilihat oleh orang yang bertamu. Dalam mendesain sebuah interior, ada banyak hal yang perlu diperhatikan, bukan hanya visualisasi secara fisik tetapi juga perlu memperhatikan kesan yang muncul dari ruangan tersebut. Perpaduan warna dari sebuah ruangan berperan besar dalam memunculkan kesan pada interior tersebut. Namun untuk pemilihan paduan warna yang memunculkan sebuah kesan yang lebih variatif tidaklah mudah bagi masyarakat umum. Diperlukan banyak studi untuk memahami percampuran warna untuk memunculkan kesan tertentu. Dari Permasalahan yang ada kami mengajukan sebuah pemodelan baru dalam pengaplikasian teknologi smartphone untuk menentukan paduan warna interior sebuah ruangan berdasarkan kesan yang diinginkan oleh pengguna. Aplikasi ini memberikan pilihan paduan warna kepada pengguna sesuai dengan kesan yang diinginkan dalam ruangan yang akan di renovasi, sehingga membuat ruangan semakin kondusif dan nyaman.

Perkembangan teknologi semakin hari kian membantu sebuah pekerjaan lebih efisien. Banyak perusahaan yang belum menerapkan sistem komputerisasi untuk pencatatan barang, seperti pencatatan keluar masuk barang, jumlah stok, update stok, sehingga kurang efektif dan memiliki tingkat akurasi yang rendah karena hanya mengandalkan SDM yang ada sementara stok barang sangat banyak. Di perusahaan Fiberhome Technologies Indonesia, penulis menemukan permasalahan yang seringkali terjadi saat pelacakan status barang tersebut, karena perlu waktu yang tidak sebentar untuk menarik data dari banyak file excel dan kemudian menyatukannya. Dari sini penulis ingin merancang sebuah website yang dapat memonitor seluruh status pengiriman dan penerimaan barang, dapat mencatat barang masuk dan keluar serta sekaligus dapat menjadi media penyimpanan untuk dokumen pendukungnya. Website tersebut dirancang menggunakan bahasa pemrograman Javascript dan database MySQL.

Tanaman padi (Oryza sativa) merupakan komoditas utama di Indonesia yang sangat rentan terhadap serangan hama dan penyakit. Kurangnya identifikasi yang tepat sering menyebabkan penggunaan pestisida secara berlebihan, yang berdampak negatif terhadap lingkungan dan efisiensi pertanian. Untuk mengatasi permasalahan tersebut, penelitian ini mengembangkan sistem klasifikasi hama dan penyakit padi secara real-time berbasis smart edge device menggunakan metode Deep Learning dengan algoritma YOLOv8.Sistem diimplementasikan pada perangkat Raspberry Pi 4 yang terintegrasi dengan kamera webcam sebagai sensor citra, modul GPS NEO-8M untuk akurasi lokasi, Wifi sebagai pengirim data nirkabel, serta layar TFT LCD 7 inci untuk menampilkan hasil deteksi langsung di lapangan. Dataset terdiri dari 4647 citra hasil augmentasi dari total 3054 gambar asli, meliputi 6 jenis hama (penggerek batang, walang sangit, wereng coklat, ngengat, wereng hijau, orong-orong) dan 3 jenis penyakit (blast, blight, tungro). Pelabelan dilakukan melalui Roboflow dan pelatihan model YOLOv8 dilakukan menggunakan Google Colab dengan GPU. Evaluasi sistem dilakukan dengan berbagai parameter teknis, yaitu precision, recall, F1-score, serta mAP (mean Average Precision), dengan hasil terbaik diperoleh pada kelas ngengat (mAP 0.936) dan tungro (mAP 0.877). Selain itu, pengujian performa sistem terhadap variabel jarak deteksi (30–100 cm) menunjukkan bahwa akurasi deteksi menurun seiring bertambahnya jarak, sedangkan kecepatan respon sistem (FPS) berkisar antara 7–11 FPS, tergantung kompleksitas objek dan pencahayaan. Sistem ini telah berhasil diuji di lingkungan pertanian nyata dan terintegrasi dengan WebGIS, memungkinkan visualisasi titik lokasi deteksi hama berdasarkan koordinat GPS. Informasi tersebut ditampilkan baik melalui tampilan lokal pada layar TFT maupun antarmuka website. Dengan hasil pengujian yang komprehensif dan tercapainya semua tujuan, sistem ini terbukti layak diterapkan di lapangan untuk mendukung pengambilan keputusan yang tepat dalam pengendalian hama, mengurangi ketergantungan pada pestisida, dan memperkuat ketahanan pangan nasional melalui pendekatan smart agriculture