Kebutuhan pasokan listrik yang stabil dan terus-menerus sangat dibutuhkan oleh hampir seluruh pengguna baik itu personal maupun industri. Namun pada saat ini, banyak terjadi pemadaman listrik pada daerah-daerah secara bergilir karena kapasitas beban sudah melebihi kapasitas yang sudah ditentukan. Hal ini sangat berdampak buruk khususnya dalam dunia industri karena dapat mengganggu tingkat produktivitas. Pada proposal ini disampaikan perancangan sistem pemasok daya cadangan yang dapat bekerja ketika sumber daya utama tidak aktif atau biasa disebut UPS (Uninterruptible Power Supply). Akibat dari penggunaan saklar otomatis pada UPS menyebabkan terjadinya ketidakstabilan tegangan pada beban. Untuk mengatasinya, dirancanglah UPS Online yang mana memiliki keunggulan tidak menggunakan saklar otomatis sehingga tegangan yang tersalurkan ke beban dapat stabil. Pada rancangan sistem ini, digunakan sumber utama AC 220 Volt yang disearahkan menggunakan Full Wave Rectifier. Tegangan output Full Wave Rectifier digunakan untuk mencatu Buck Converter yang akan menurunkan tegangan menjadi 96 V untuk proses pengisian baterai 96V/10Ah sekaligus catu daya Inverter 1 fasa. Saat sumber utama tidak aktif, beban akan dicatu oleh baterai. Namun, tanpa menggunakan perantara saklar dalam proses pemindahannya. Pada proyek akhir ini, alat sudah bisa bekerja dengan baik pada frekuensi 50 Hz selama 30 menit namun masih belum sempurna karena terdapat penurunan tegangan pada sisi keluaran sebesar 5-10 Volt.

Seiring perkembangan teknologi dari waktu ke waktu, semakin banyak teknologi yang menunjang kehidupan di bumi, khususnya teknologi pada bidang perikanan. Salah satunya yakni pengeringan. Dalam prosesnya pengeringan mengandalkan sinar matahari yang cukup agar didapat hasil yang optimal. Perubahan cuaca yang tidak menentu menjadi masalah tersendiri yang harus diselesaikan. Pada proyek akhir ini, sistem akan dibuat dalam bentuk prototipe untuk mengeringkan udang rebon yang memiliki kadar air cukup tinggi. Sistem pemanas dibuat dengan LPG sebagai bahan bakar burner dan blower untuk pemerataan panas. Sistem dilengkapi kontrol logika fuzzy menggunakan ESP 32 yang dirancang agar dapat mengatur suhu dan kelembaban berdasarkan informasi yang didapat dari sensor DHT 22 serta lama pengeringan bergantung pada informasi kadar air dari sensor Load Cell. Hasil dari proses pengeringan akan dikirimkan notifikasi melalui bot telegram. Pada penelitian ini didapatkan kadar air berkurang sebesar 80.10 % dengan lama waktu pengeringan 208 menit.

Pada sistem tenaga listrik di industri, kurva karakteristik inverse relay arus lebih mengacu pada standar IEC. Selama proses koordinasi proteksi, pada kurva inverse dimungkinkan dapat terjadi perpotongan antara satu kurva dengan kurva lainnya, karena dipengaruhi oleh permintaan beban yang sangat kompleks serta variasi kurva relay yang sangat banyak. Permasalahan ini dapat menyebabkan koordinasi relay menjadi tidak akurat dan berakibat kesalahan dalam operasi pemutusannya. Maka, dalam kondisi semacam ini pemodelan berdasarkan persamaan standar matematis tidak sesuai untuk diterapkan. Sehingga, untuk mengatasi kondisi tersebut diperlukan suatu pemodelan kurva non-standard pada kurva inverse yang berpotongan dengan menggunakan metode pembelajaran Adaptive Neuro Fuzzy Inference System (ANFIS). Dalam proyek akhir ini dibuat prototype relay arus lebih dimana hasil dari pemodelan kurva non-standard akan digunakan dalam pemrograman mikrokontroller. Hasil dari pemodelan dengan arus uji 3,39 ampere diperoleh waktu pemutusan 3,83 detik sedangkan untuk pengujian prototype waktu trip adalah 3,84 detik, sehingga antara target hasil pemodelan terhadap pengujian prototype relay arus lebih memiliki keakuratan yang baik dengan nilai error terkecil yaitu 0,26%.

Dengan berkembangnya teknologi saat ini, sudah dirasakan oleh manusia bahkan mulai bergantung pada teknologi itu sendiri. Ditambah dengan munculnya industry 4.0 dimana segala pemanfaatan internet atau IoT akan mulai menguasai kehidupan manusia. Salah satunya pada bidang medis, misalnya dalam hal medical check up. Terutama dalam segi monitoring yang saat ini harus mengantri untuk daftar di rumah sakit atau seperti rawat jalan yang mana dokter berkunjung ke rumah pasien untuk melakukan check up pada pasien. Selain itu kebanyakan orang tertentu saja yang mengetahui dan tidak ada data yang disimpan secara menyeluruh selama pengecekan dilakukan. Dan masih banyak orang yang menyepelekan medical check up ini. Padahal semua penyakit perlu adanya medical check up sebelum mendiagnosa suatu penyakit. Dari hasil ini medical check up akan diketahui apakah seseorang dalam kondisi sehat atau tidak. Biasanya yang dilakukan beberapa kondisi seperti suhu tubuh berapa derajat Celsius, detak jantung berapa beat per minutes dan tekanan darah berapa systole dan diastole yang didapatkan.Hasil yang didapatkan error suhu 3.06%, error bpm 2.23%, error systole 2.09% dan error diastole sebesar 2.96%. Sehingga error keseluruhan sensor didapat sebesar 2.585%. Hal ini karena kemungkianan factor tidak presisinya letak sensor. Selain itu factor psikologi pasien seperti stress, bingung, cemas juga sangat mempengaruhi hasil keakuratan sensor.

Naiknya permintaan energi listrik dari sumber energi yang ramah lingkungan membuat penggunaan photovoltaic sebagai sumber energi listrik semakin meningkat. Namun energi surya yang dikonversi oleh photovoltaic dipengaruhi oleh intensitas iradiasi matahari dan suhu permukaan photovoltaic. Seiring dengan perubahan iradiasi dan suhu maka daya yang dikonversi juga turut berubah. Untuk mendapatkan daya listrik dari photovoltaic secara optimal salah satunya dapat menggunakan sistem Maximum Power Point Tracker (MPPT). Daya keluaran yang maksimal ini akan menghasilkan rasio daya yang tinggi dan mengurangi rugi-rugi suatu panel surya. Pada tugas akhir ini algoritma MPPT yang digunakan adalah Artificial Neural Network (ANN) dengan metode learning Lavenberg-Marquardt Backpropagation yang diaplikasikan pada boost converter. Metode ini membutuhkan data pembelajaran untuk proses pelatihannya. Keefektifan metode ini bergantung pada berapa banyak layer yang digunakan, metode training yang dipilih dan banyaknya data pembelajaran yang diberikan. Hasil pengujian dengan kontrol MPPT ANN didapatkan daya input rata-rata sebesar 216,83 W dengan prosentase kenaikan daya rata-rata sebesar 56,22% dari pengujian tanpa kontrol MPPT ANN dengan daya input rata-rata 95,19 W pada beban baterai dengan kondisi pengujian cuaca cerah pada pukul 11.30 sampai dengan 13.45 WIB.