Ketidaktepatan pemupukan padi di Indonesia masih menjadi tantangan signifikan akibat metode Bagan Warna Daun (BWD) konvensional yang subjektif, tidak konsisten antar pengamat, dan tidak efisien untuk lahan luas, diperparah oleh ketidakakuratan pengukuran luas lahan manual. Penelitian ini mengusulkan sistem rekomendasi pemupukan presisi, Agrisens Multispectral, yang mengintegrasikan segmentasi petak sawah otomatis (YOLOv11s-seg), klasifikasi warna daun objektif berbasis jarak Euclidean RGB terhadap referensi BWD IRRI, indeks vegetasi NDVI dan NDRE sebagai indikator nitrogen, serta visualisasi WebGIS. Data diakuisisi menggunakan drone DJI Mavic 3 Multispectral pada ketinggian 30 m di empat lokasi sawah di Jawa Timur dan Yogyakarta, dengan dosis urea per-petak dihitung otomatis dari level BWD, target hasil panen, dan luas aktual petak hasil segmentasi. Model YOLOv11s-seg mencapai mAP50 99% dan mAP50-95 88,9%, terbaik di antara varian YOLOv11 lainnya, dengan estimasi luas lahan beraskurasi 99,35% terhadap referensi QGIS yang melampaui DJI Smartfarm dan Google Earth Pro. NDRE terbukti lebih konsisten mendeteksi defisiensi nitrogen dibandingkan NDVI, khususnya pada fase pertumbuhan lanjut. Sistem ini berhasil memberikan rekomendasi pemupukan yang objektif, akurat, dan terukur spasial per-petak, mengatasi keterbatasan metode konvensional.

Sistem Informasi kemahasiswaan dibutuhkan guna memberikan akses informasi yang luas kepada mahasiswa. Sistem Informasi Satuan Kredit Kegiatan Mahasiswa merupakan sistem informasi yang memfasilitasi kemahasiswaan untuk memonitoring dalam mengembangkan soft skill mahasiswa dengan meregistrasikan setiap kegiatan yang telah diikuti mahasiswa semasa perkuliahan dan memanajemen kegiatan apa saja yang ada di PENS. Tujuan utama dari Satuan Kredit Kegiatan Mahasiswa (SKKM) guna menghasilkan laporan kegiatan mahasiswa sebagai surat pendamping ijazah. Dengan memanfaatkan desain MVC (Model-View-Control) diharapkan platform sistem informasi kemahasiswaan dapat diintegrasikan tanpa harus merubah kode dari platform. Penggunaan sistem yang berbasis komputer dapat menciptakan suatu sistem informasi yang tidak menguras tenaga, waktu dan akan sangat membantu dalam pembuatan laporan-laporan dan pengaksesan data oleh user.

E-learning merupakan sebuah sistem pembelajaran elektronik yang berkembang pesat hingga saat ini. Dengan adanya e-learning, baik pelajar maupun pengajar mampu mengakses materi pembelajaran tanpa terikat ruang maupun waktu. Dalam mengembangkan konten E-learning yang baik, diperlukan adanya teknologi interaktif dimana teknologi tersebut mengkombinasikan teknologi komputer, teks, video, audio, dan juga gambar. Pembelajaran bahasa inggris di Politeknik Elektronika Negeri Surabaya juga disampaikan melalui media pembelajaran interaktif yaitu menggunakan H5P yang terintegrasi dengan CMS Wordpress. H5P merupakan sebuah framework web berbasis HTML5 yang menyediakan berbagai konten interaktif dan menerbitkannya di platform seperti drupal, wordpress, moodle, dan lain-lain. Namun, dalam mengembangkan pembelajaran interaktif menggunakan H5P masih terdapat kendala yakni keteserdiaan aset media berupa gambar yang disediakan di H5P sangat terbatas. Selain itu, style gambar antara satu dengan yang lain tidak sama sehingga menimbulkan ketidaknyamanan tersediri bagi penggunanya. Dalam mengatasi hal tersebut, pada projek akhir ini, penulis mengembangkan produk asset grafis media pembelajaran dengan style Flat design yang diharapkan dapat mendukung materi pembelajaran bahasa inggris interaktif.

Dalam penelitian ini akan dipelajari tentang proses pengiriman dan penerimaan sinyal informasi menggunakan teknologi Multiple Input Multiple Output Decision Feedback Equalizer (MIMO-DFE). Proses pengiriman informasi dalam penelitian ini diawali dengan membangkitkan sinyal informasi di sisi pemancar dengan jumlah data 100.000 bit. Sistem penerima berstruktur MIMO-DFE (Multiple Input Multiple Output Decision Feedback Equalizer) digunakan untuk mengatasi permasalahan pengiriman informasi mengunakan teknologi MIMO pada kanal frekuensi selektif. Struktur penerima MIMO-DFE akan sangat menentukan kinerja dari sistem tersebut. Dalam simulasi sistem yang menggunakan sebuah perangkat lunak, dapat diketahui kinerja yang paling baik dari struktur penerima yang digunakan, dimana kinerja terbaik adalah pada struktur (6,3) dengan asumsi nilai BER 〖10〗^(-3) yang memiliki nilai SNR adalah 6,92 dB, yaitu pada konfigurasi antena 2x8. Dengan demikian semakin banyak jumlah antena di sisi penerima dengan jumlah struktur yang lebih besar maka akan menghasilkan kinerja yang sangat baik untuk menangani permasalahan frekuensi selektif.

Humanoid robot adalah robot yang dibuat berdasarkan struktur tubuh manusia. Salah satu bagian penting dari humanoid robot adalah mata. Mata robot memiliki peranan yang sangat penting yaitu sebagai alat untuk mengenali objek yang ada di lingkungan sekitar. Kamera stereo adalah bentuk visual dari mata humanoid robot untuk mengenali objek 3D di sekitarnya. Penelitian proyek akhir ini merupakan bagian dari riset pengembangan T-FLoW Teen Size Humanoid Robot oleh ER2C. Tujuan dari proyek akhir ini adalah mengenali objek 3D yang berada dalam lingkungan rumah atau kantor. Sistem dimulai dengan melakukan input gambar. Pengambilan gambar dilakukan menggunakan ZED stereo camera dengan dimensi 640 x 480 piksel. Gambar yang tersimpan adalah gambar RGB dan depth (RGB-D) yang dikonversi menjadi gambar 3D (XYZRGB). Untuk menghilangkan noise pada gambar yang dihasilkan, proses pre-processing dilakukan dengan metode Stastical Outlier Removal dan Voxel Grid (downsampling). Setelah itu, digunakan deep learning untuk mengenali objek. Hasil akurasi terhadap data test secara keseluruhan adalah 94 %.