Pengembangan teknologi pelacakan antena untuk penerimaan sinyal dari satelit orbit rendah (Low Earth Orbit/Low -Earth Orbit, LEO) merupakan aspek krusial dalam industri antariksa modern. Satelit LEO menawarkan keunggulan signifikan dalam hal respons waktu yang rendah dan resolusi gambar yang tinggi, menjadikannya pilihan utama untuk berbagai aplikasi seperti penginderaan jauh, pemantauan lingkungan, dan komunikasi global. Tetapi, karena satelit-satelit ini bergerak relatif cepat di atas bumi, sehingga mempertahankan koneksi yang stabil dan efisien menjadi tantangan utama. Penelitian ini difokuskan pada pengembangan sistem pelacak antena yang mampu mengikuti dan mempertahankan koneksi dengan satelit-satelit LEO secara optimal. Metode yang digunakan meliputi analisis mendalam terhadap karakteristik gerakan satelit, kebutuhan sistem, desain mekanik dan elektronik antena yang adaptif, serta implementasi algoritma pelacakan yang presisi. Hasil dari penelitian ini diharapkan dapat memberikan kontribusi signifikan dalam meningkatkan efisiensi dan efektivitas sistem komunikasi dan penginderaan jauh yang menggunakan satelit-satelit LEO. Dengan memperbaiki kemampuan pelacak antena, akan terbuka potensi baru untuk aplikasi-aplikasi berbasis satelit yang memerlukan keterlibatan real-time dan akurat. Secara teknis, penelitian ini melibatkan pengembangan prototipe antena yang dilengkapi dengan mekanisme pelacakan aktif, dan sistem pengendalian otomatis yang dapat beradaptasi dengan perubahan dinamis dalam posisi satelit. Dengan pendekatan ini, diharapkan bahwa sistem pelacakan antena ini tidak hanya mampu mempertahankan koneksi selama satelit berada dalam jangkauan, tetapi juga dapat mengoptimalkan orientasi antena untuk mengurangi gangguan dan meningkatkan throughput data

Penyakit Tuberkulosis merupakan salah satu penyakit menular dengan tingkat penyebaran tinggi di Indonesia, termasuk Kota Surabaya. Tingginya kasus Tuberkulosis di Surabaya mendorong perlunya pemetaan kerawanan penyakit untuk mendukung upaya pencegahan dan penanganan yang tepat. Penelitian ini bertujuan untuk membangun sistem visualisasi spasial dan temporal berbasis website yang dapat menampilkan tingkat kerawanan TBC pada tiap kecamatan di Kota Surabaya. Data yang digunakan mencakup lima kriteria yaitu jumlah kasus TBC, jumlah rumah tidak sehat, kepadatan penduduk, jumlah fasilitas kesehatan, dan sanitasi. Data tersebut kemudian dikelompokkan menggunakan metode K Means Clustering dan divisualisasikan dalam peta interaktif berbasis open map data. Hasil penelitian menunjukkan sistem berhasil mengelompokkan wilayah menjadi tiga klaster yaitu rendah, sedang, dan tinggi serta memvisualisasikannya dengan baik secara tahunan dari 2019 hingga 2023. Uji coba sistem menunjukkan bahwa visualisasi memperoleh nilai rata-rata R² score sebesar 0,542 yang mempresentasikan tingkat kerawanan sesuai dengan kondisi yang terjadi di masing-masing kecamatan. Sistem ini dapat digunakan oleh pihak Dinas Kesehatan Kota Surabaya sebagai alat bantu dalam mengidentifikasi wilayah prioritas untuk intervensi, perencanaan program pencegahan, serta pengambilan keputusan berbasis data secara lebih efisien dan tepat sasaran.

Penelitian ini mengusulkan sebuah sistem untuk membantu tim Search and Rescue (SAR) dalam memprediksi arah hanyut objek terapung di sungai menggunakan algoritma Mask R-CNN. Dengan memanfaatkan data video yang diambil dari drone, sistem ini melakukan deteksi objek untuk mengidentifikasi orang yang terbawa arus dalam setiap frame video serta mengekstrak lokasi geografisnya melalui metadata GPS yang tertanam. Posisi hasil deteksi kemudian divisualisasikan menggunakan peta Leaflet untuk pelacakan interaktif. Implementasi sistem berbasis pembelajaran mendalam ini menunjukkan tingkat kepercayaan deteksi rata-rata di atas 90%, terutama setelah dilakukan penyesuaian model Mask R-CNN dengan dataset khusus. Antarmuka berbasis web yang dikembangkan memungkinkan pengguna untuk mengunggah rekaman drone dan memvisualisasikan hasil prediksi secara efisien. Sistem ini diharapkan dapat meningkatkan efektivitas operasi SAR dengan menyediakan prediksi arah hanyut yang akurat dan real-time, terutama di lingkungan sungai dengan variasi elevasi ekstrem.

Tambak adalah salah satu media budidaya perikanan yang memanfaatkan kondisi alam dalam melakukan pemeliharaan. Pengambilan data hasil panen yang masih menggunakan metode tradisional termasuk pencatatan hasil panen. Adanya teknologi yang efisien untuk pengambilan data dapat membantu petani tambak menyelesaikan proses panen dengan cepat dan tepat. Fokus proyek akhir ini ialah untuk membuat timbangan dan sistem deteksi jenis ikan menggunakan algoritma Convolutional Neural Network (CNN) pada vision timbangan. Dalam penelitian ini ada 3 klasifikasi jenis ikan yaitu bandeng, nila, dan udang. Untuk mendapatkan hasil deteksi jenis ikan yang bagus diperlukan dataset jenis ikan nila, bandeng, dan udang untuk di-training dan dijadikan sebagai model. Proses training dan export model dilakukan menggunakan Teachable Machine. Selain itu juga dilakukan pengambilan data pada berat sampel dari hasil panen menggunakan sensor load cell. Kemudian data data ini dikirim menuju ke database yang terintegrasi dengan sistem Smart Fishery Village. Dari penelitian ini pada model dengan 1014 dataset akurasi yang dihasilkan dari model dan konfigurasi tersebut mencapai 99.54% Untuk penggunaan ideal load cell digunakan pada pengukuran benda dengan berat diatas 1 kg.

Label harga pada swalayan di Indonesia pada umumnya menggunakan kertas yang tertulis harga barang yang sudah dicetak sebelumnya. Ketika melakukan perubahan harga barang maka karyawan akan mencetak harga barang di kertas dan kemudian menempelkan kertas tersebut pada tempat label harga di rak barang yang mau diganti. Dari hal tersebut, dibutuhkan proses dan waktu yang cukup banyak dalam mengganti label harga barang yang ingin diganti. Pada proyek akhir ini dibuat sistem pengaturan harga barang agar proses pergantian harga menjadi lebih cepat dan lebih hemat kertas. Tampilan harga barang pada rak barang menggunakan display seven segmen sehingga lebih mudah melakukan akses data dengan database. Hasil uji coba yang telah dilakukan menunjukkan bahwa proses pengiriman dan update data dapat berjalan secara baik dengan tingkat keberhasilan pengiriman data secara wireless(bluetooth) mencapai lebih dari 95%. Sistem manajemen harga dan stok barang juga berjalan dengan baik sehingga dapat memberi kemudahan dan efisien untuk perubahan label harga dan pengecekan stok barang(stock opname) pada swalayan Indonesia.