Pemadaman listrik adalah suatu kondisi dimana tidak adanya penyediaan listrik di suatu wilayah. Pemadaman bisa terjadi akibat adanya gangguan pada jaringan maupun pemeliharaan pada jaringan. Pemadaman listrik sangat merugikan pelanggan karena secara otomatis mematikan berbagai aktivitas, terutama bagi masyarakat perkotaan yang mengedepankan peralatan serba elektronik dan menjadi sangat bergantung pada listrik. Kerugian pada saat pemadaman tidak hanya dirasakan oleh pelanggan melainkan PLN sendiri juga mengalami kerugian. Kerugian PLN di antaranya adalah rugi karena PLN tidak akan memperoleh pendapatan dari energi yang tidak tersalurkan, jika terjadi pemadaman akibat gangguan maka material kemungkinan ada yang rusak, dan yang terakhir adalah turunnya kepercayaan masyarakat karena seolah-olah PLN secara sengaja memadamkan listrik. Berdasarkan hal tersebut maka dibuatlah alat untuk membaca daya terakhir pada saat terjadi pemadaman. Nilai daya yang terbaca pada modul power meter akan diolah pada program Arduino IDE untuk mengetahui kerugian energi dan kerugian ekonomi selama pemadaman pada beban 1 fasa. Saat pemadaman selesai ditangani dan terdapat input tegangan lagi maka counter akan berhenti menghitung dan total kerugian akan didapat. Proses ini nantinya akan ditampilkan pada sebuah web sehingga dapat dipantau nilai kerugian dan lamanya terjadi gangguan secara realtime. Dengan alat ini PLN dapat mengetahui total kerugian energi dan kerugian ekonomi selama terjadi pemadaman dengan asumsi daya semu sebesar 900 VA dan Tarif Dasar Listrik (TDL) sebesar 1300 rupiah/kWh. Durasi pemadaman, total kerugian energi, dan total kerugian ekonomi akan dikirim melalui jaringan internet pada web MySQL tepat setelah terjadi pemadaman.

Keadaan iklim dan cuaca yang berubah ubah sehingga mempengaruhi jumlah produksi tanaman pangan. Selain itu, jumlah penduduk yang bertambah akan membawa konsekuensi terhadap ketersediaan lahan. Pada penelitian ini, kami mengajukan suatu algoritma baru dengan memanfaatkan data data yang berkaitan dengan pertanian dalam beberapa tahun terakhir, dibuat aplikasi yang memanfaatkan Linear Regression, Moving Average Artificial Neural Network, dan Support Vector Machine untuk membuat prediksi produksi tanaman pangan. Aplikasi yang dibangun untuk menyajikan data yang tepat dan akurat mengenai panen tanaman pangan dan konsumsi pangan masyarakat indonesia. Selain itu dapat dijadikan referensi bagi pemerintah untuk menentukan pengambilan keputusan mengenai import tanaman pangan berdasarkan hasil prediksi panen yang dibandingkan dengan konsumsi masyarakat. Proses awal dalam sistem akan dimulai dengan pengumpulan data dari Kementrian Pertanian dan Badan Pusat Statistik. Kemudian data akan diolah menggunakan Linear Regression, Moving Average dan Artificial Neural Network, Support Vector Machine sehingga menghasilkan nilai prediksi untuk panen kedepannya. Hasil prediksi ini dievaluasi dengan RMSE dan Rsquared sehingga dapat diketahui metode dengan hasil prediksi terbaik. Dari hasil prediksi disimpulkan bahwa Machine Learning memiliki akurasi yang lebih baik, namun Metode statistik memiliki proses penghitungan yang lebih simpel dan cepat.

Turbine-diven Boiler feed pump (BFPT) merupakan salah satu critical component pada pembangkit listrik tenaga uap (PLTU). Akan tetapi kondisi aktual pada beberapa PLTU, BFPT ini merupakan unit operasi sering kali terjadi kegagalan. Oleh Karena itu perlu adanya analisis pemeliharaan untuk mengurangi risiko kegagalan. Metode yang digunakan untuk menganalisa pemeliharaan yaitu metode Failure Mode Effect Analysis (FMEA) dan metode Kuantitatif. Hasil analisis FMEA didapatkan nilai risk priority number (RPN) RPN tertinggi yaitu turning gear dengan nilai RPN 392 dengan bentuk kegagalan yang terjadi yaitu tidak bisa aktif engage dan nilai RPN terendah yaitu pada komponen line and valve dengan nilai RPN 105 dengan bentuk kegagalan yang terjadi yaitu adanya kebocoran pada sambungan pipa dan valve. Hasil analisis FMEA ini dibuat kedalam bentuk pareto chart, hasil pareto chart yaitu terdapat 8 dari 14 komponen yang harus diprioritaskan untuk diutamakan pemeliharaannya, komponen tersebut antaralain turning gear, bearing, selenoid valve ,mechanical seal, LCV, sensor, control valve, relief valve, frame pump and turbine. Hasil analisis dengan metode kuantitatif diketahui bahwa secara keseluruhan kehandalan dari komponen penyusun BFPT mengalami penurunan seiring berjalannya waktu komponen tersebut di opersaikan. Nilai MTTF (mean time to failure) tertinggi yaitu pada akumulator dan regulator dengan nilai MTTF 57428,39 dan nilai MTTF terendah pada selenoid valve dengan nilai MTTF 408,62. Rekomendasi pemeliharaan yang disarankan yaitu corrective maintenance dan preventive maintenance berdasarkan bentuk karakteristik grafik laju kegagalan pada masing-masing komponen.

Pada era globalisasi saat ini pendidikan merupakan salah satu faktor terpenting bagi setiap orang guna meningkatkan kualitas sumber daya manusia sehingga tak jarang dari mereka rela menempuh pendidikan pada tingkat perguruan tinggi hingga ke luar negeri untuk mencari kualitas pendidikan yang terbaik. Sayangnya kebutuhan informasi dalam memilih perguruan tinggi di luar negeri sangatlah beragam sehingga seringkali membuat para calon mahasiswa kebingungan untuk memilih perguruan tinggi yang sesuai. Maka dari itu dibuatlah suatu penelitian mengenai pemilihan perguruan tinggi di luar negeri dengan menggunakan sistem pendukung keputusan yaitu Technique For Others Reference By Similarity To Ideal Solution (TOPSIS) sebagai metode untuk menunjang proses kinerja aplikasi. Tedapat lima kriteria yaitu biaya kuliah per tahun, biaya hidup per tahun, lama waktu belajar, kelengkapan fasilitas, dan jarak dengan pusat kota. Sedangkan data untuk perguruan tinggi di luar negeri berjumlah empat puluh sembilan dengan melibatkan lima negara tujuan yaitu Singapura, Australia, Selandia Baru, Inggris, dan Kanada. Pada aplikasi ini para calon mahasiswa sebagai user dapat mencari perguruan tinggi di luar negeri yang diinginkan sesuai dengan rentang kategori pada masing-masing kriteria. Selanjutnya pada hasil yang dikeluarkan berupa peringkat perguruan tinggi di luar negeri berdasarkan perhitungan metode TOPSIS beserta informasi di dalamnya.

Sampah plastik merupakan golongan jenis sampah yang sangat sulit untuk terurai. Sebagian sampah plastik biasanya digunakan dalam hal pengemasan yang digunakan sehari hari. Secara tidak sadar penggunaan plastik sudah menjadi zona nyaman bagi banyak orang karena kegunaannya yang praktis dan mudah didapat. Tetapi sampah plastik juga membawa dampak negatif bagi kehidupan manusia dan lingkungannya. dampak yang ditimbulkan contohnya pencemaran air laut yang dapat mengganggu rantai makanan dan membunuh hewan laut, pencemaran air tanah karena sampah plastik tidak mudah terurai, dan lain-lain. Solusi terbaik untuk mengurangi sampah plastik yaitu membiasakan diri untuk membuang sampah pada tempat yang diharuskan. Oleh Karena itu penulis ingin membuat suatu teknologi yang dapat mendeteksi sampah botol plastik. Dimana teknologi tersebut diharapkan dapat mengurangi dampak dari sampah plastik. Teknologi tersebut dapat mendeteksi bentuk dan jenis sampah yang akan dibuang. Selain itu pengguna akan menerima reward berupa E Tiket untuk mengendarai transportasi umum. Dari pengujian sistem ini dibutuhkan sampel positif dan sampel negatif. Sampel positif merupakan beberapa gambar dari objek yang akan kita deteksi. Sedangkan sampel negatif merupakan beberapa gambar objek acak(random) diluar deteksi kita. Sampel positif yang diambil sebanyak lebih dari 400 gambar, sedangkan sampel negatif sebanyak lebih dari 500 gambar. Saat kamera mendeteksi adanya botol yang masuk, servo akan mulai berputar dengan delay 2 detik untuk memutar wadah botol. Setelah itu servo akan kembali ke posisi awal dengan delay 2 detik. Setelah mencapai poin yang ditentukan generate kode akan dijalankan dan masuk ke database. Generate kode tersebut akan digunakan untuk tiket transportasi umum. Pada tampilan tiket terdapat kode tiket, waktu pembelian, waktu hangus dan status berlaku. Waktu berlau tiket tersebut adalah 2 jam pemakaian. Penulis juga melakukan pengujian untuk mendeteksi tiga ukuran botol yang berbeda, yaitu kecil, sedang dan besar. Pada botol ukuran kecil (350 ml) diketahui memiliki presentase akurasi sebesar 90 persen, botol ukuran sedang (600 ml) memiliki presenstase akurasi 70 persen, sedangkan botol ukuran besar (1500 ml) memiliki presentase akurasi sebesar 80 persen. Pengukuran tersebut dilakukan sebanyak 10 kali percobaan pada masing-masing jenis ukuran botol.