Energi alternatif berbasis solar cell yang merupakan sumber Solar home energy system menghasilkan tegangan jenis DC. Beban yang digunakan dalam Solar Home Energy merupakan peralatan rumah tangga yang sering digunakan seperti; exhaust fan, motor pompa air dan heater. Peralatan elektronik yang digunakan dalam lingkup rumah tangga di desain untuk tegangan sumber jenis AC. Inverter satu fasa digunakan untuk mengubah tegangan jenis DC menjadi tegangan AC agar sesuai dengan kebutuhan listrik pada rumah tangga. Inverter dalam penelitian ini dirancang menggu-nakan penyulutan Sinusoidal Pulse Width Modulation (SPWM). SPWM di bangkitkan melalui mikrokontroler ATmega 16. Pembebanan peralatan rumah tangga pada inverter sebesar 900 Watt. Daya keluaran inverter di monitoring menggunakan tampilan LCD dengan sensor arus dan sensor tegangan sebagai refrensi. Dari hasil pengujian inverter SPWM fasa menggunakan beban sebesar 900Watt, arus yang dihasilkan sebesar 4,6 A dengan tegangan 220 Volt, dan frekuensi 43,8 Hz. Efisiensi dari pengujian inverter SPWM satu fasa sebesar 87%.

Pandemi telah mengubah banyak aspek kehidupan masyarakat, mulai dari pembatasan sosial hingga pembatasan sosial dalam skala besar. Vaksinasi COVID-19 telah menjadi kewajiban yang diperintahkan hampir di seluruh Indonesia, dan kini menjadi persyaratan untuk mendapatkan akses ke layanan publik. Teknologi pengenalan wajah menjadi salah satu solusi yang banyak digunakan dalam pandemi ini. Proyek akhir ini mengusulkan sebuah sistem yang dapat mendeteksi pengguna yang telah divaksinasi COVID-19 berdasarkan data yang tersimpan dalam database, melalui pengenalan wajah yang diidentifikasi menggunakan algoritma Haar Cascade. Pengujian dalam pengenalan wajah mencakup pengujian jarak pengambilan dataset, pengujian pengenalan wajah tanpa atribut, dan wajah dengan penggunaan kacamata. Pengambilan dataset wajah pada jarak 420 cm masih dianggap aman karena masih dapat dikenali. Pengenalan wajah berfungsi dengan baik tanpa atribut. Pengujian cahaya dengan intensitas terendah sebesar 24 lux masih dapat mengenali wajah, begitu pula pada intensitas cahaya sebesar 68, 127, dan 167 lux. Penggunaan kacamata tidak menghalangi sistem dalam melakukan pengenalan wajah, sehingga wajah dengan kacamata masih dapat dikenali dengan benar. Sistem pengenalan wajah yang terhubung dengan database menampilkan data pengguna sesuai dengan hasil pengenalan wajah yang terdeteksi. Hasil pengujian menunjukkan bahwa sistem sudah dapat menampilkan data yang sesuai dengan dataset dan ID yang ada dalam database. Sistem ini telah diuji pada wajah dengan berbagai bentuk, termasuk persegi, bulat, dan oval.

Autisme adalah gangguan perkembangan otak yang memengaruhi kemampuan penderita dalam berkomunikasi dan berinteraksi dengan orang lain. Di samping itu, Autisme juga menyebabkan gangguan perilaku dan membatasi minat penderitanya. Seiring berkembangnya jaman banyak sekali teknologi yang ditemukan untuk membantu anak penyandang autisme untuk mengembangkan kemampuannya. Penelitian ini bertujuan untuk membantu anak penyandang autisme melakukan terapi digital tanpa berbayar melalui aplikasi DISTELCOM sehingga anak penyandang autisme dapat mengembangkan kemampuan untuk berkomunikasi dan beradaptasi dengan lingkungan sekitar. Terapi ini menggunakan metode ABA dengan teknik DTT, dalam penerapannya anak autism dilatih secara langsung dengan menyelesaikan game yang ada dan diberi reward berupa skor. Aplikasi ini menghadirkan terapi dalam bentuk Augmented Reality menggunakan marker. Sistem Augmented Reality membuat anak penyandang autisme tertarik melakukan terapi, selain itu juga menguatkan kemampuan visual dari anak penyandang autisme sendiri. Hasil pengujian metode Blackbox dan akses aplikasi menunjukan bahwa aplikasi telah berhasil dioperasikan pada smartphone, serta semua fitur dalam aplikasi berhasil dijalankan tanpa adanya error. Sedangkan untuk hasil pengujian Usaility dengan skor 54.6 menunjukkan bahwa para orangtua anak penyandang autisme setuju adanya penerapan terapi digital menggunakan aplikasi dengan smartphone.

Evakuasi saat terjadi kebakaran di gedung tinggi harus dilakukan secara cepat dan efisien untuk meminimalkan korban jiwa. Studi ini mengusulkan pemodelan sistem evakuasi kebakaran dalam gedung menggunakan metode Cellular Automata (CA) dengan pendekatan floor field yang mempertimbangkan kepadatan kerumunan, tata letak bangunan, fasilitas evakuasi, serta perilaku panik pedestrian. Model juga mengintegrasikan penyebaran api dan asap untuk merepresentasikan kondisi evakuasi saat situasi kebakaran dalam gedung. Analisis dilakukan untuk mengevaluasi pengaruh kepadatan dan tingkat kepanikan terhadap performa evakuasi, khususnya terhadap waktu evakuasi. Hasil simulasi menunjukkan bahwa sensitivitas statis dan dinamis pada aturan floor field memengaruhi keteraturan atau keacakan pergerakan pedestrian, yang dapat merepresentasikan pola pergerakan dan perilaku panik dari pedestrian. Selain itu, peningkatan kepadatan berdampak langsung pada peningkatan waktu evakuasi; semakin tinggi kepadatan, semakin besar jumlah time step yang diperlukan untuk evakuasi. Berdasarkan pengujian simulasi pada gedung Plaza Marina Surabaya, waktu evakuasi tertinggi (785 time step atau 261 detik) terjadi pada kepadatan 20% dengan 80% pedestrian panik. Pada kepadatan 15% (2852 pedestrian), waktu evakuasi berkisar 591–598 time step (sekitar 197–199 detik). Mengacu pada standar keselamatan kebakaran di Indonesia yang merekomendasikan durasi evakuasi maksimal 3 menit (180 detik) untuk hunian risiko berat (sering dikaitkan dengan Keputusan Menteri Tenaga Kerja No. 186 Tahun 1999), hasil pengujian dari simulasi ini menyimpulkan bahwa kapasitas maksimum gedung Plaza Marina Surabaya agar tetap dalam batas aman evakuasi adalah di bawah 15% kepadatan atau kurang dari 2852 pedestrian.

Transformator adalah salah satu peralatan vital di dunia pembangkitan listrik. Efisiensi kerja transformator tergantung pada kualitas minyak yang digunakan sebagai media pendingin dan isolasi. Penurunan kualitas minyak transformator akan berdampak pada efisiensi dan usia transformator. Kualitas minyak transformator yang kurang baik dapat menyebabkan kegagalan pada transformator. Dissolved Gas Analysis adalah salah satu teknologi baru di dunia ketenagalistrikan yang dapat digunakan untuk mendiagnosa indikasi kegagalan transformator dalam keadaan transformator sedang beroperasi. Dissolved Gas Analysis sendiri berupa analisa gas kuantitatif terhadap kandungan gas mudah bakar terlarut dalam minyak transformator yang dapat mempengaruhi kemurnian dan kualitas minyak transformator. Pada umumnya jika dideteksi kandungan gas mudah bakar terlarut pada minyak trafo telah melebihi standard maka untuk mencegah kegagalan pada transformator harus dilakukan purifikasi dengan cara reklamasi yang bertujuan untuk memurnikan kembali minyak trafo.