Penyakit Covid-19 adalah penyakit yang menyerang sistem pernapasan manusia dengan gejala yang paling umum dialami oleh penderita berupa demam atau suhu tubuh tinggi. Penyakit ini disebabkan oleh virus Corona yang dapat menular dengan sangat cepat melalui droplet dan kontak fisik. Virus ini sangat berbahaya karena bisa dapat menyebabkan kematian. Tempat-tempat yang dapat menimbulkan keramaian seperti mall dan tempat transportasi umum dianjurkan untuk menjalankan protokol kesehatan berupa social distancing dan pengecekan suhu tubuh. Dengan sistem deteksi kondisi kesehatan ini, mesin dapat mengklasifikasikan kondisi kesehatan seseorang melalui pengecekan suhu tubuh yang optimal pada ruang publik. Penggunaan algoritma fuzzy logic dapat mengklasifikasikan kondisi kesehatan user yaitu sehat, demam, atau hipertermia hanya dengan parameter suhu tubuh dan lingkungan yang telah dibaca oleh perangkat sensor. Hasil dari penelitian ini menunjukkan output perhitungan algoritma fuzzy oleh alat memiliki persentase kesalahan 0% dengan akurasi sensor yang cukup baik dengan persentase kesalahan yang kecil yaitu 0.904% untuk suhu lingkungan dan 0.49% untuk suhu tubuh. Kehandalan algoritma fuzzy dalam mengambil keputusan sangat baik dengan akurasi sebesar 98% dan waktu komputasi 1.0022 milidetik. Dalam proses pengiriman data menghasilkan nilai yang cukup baik dengan rata-rata delay 0.8804 milidetik. Sistem dapat berjalan dengan baik dalam hal pengecekan suhu tubuh maupun sistem monitoringnya.

Pada umumnya, penyimpanan kartu nama adalah masalah yang cukup merepotkan. Sehingga alasan penelitian ini adalah agar pengusaha dan para pengguna smarthphone Android dapat mengatur dan menyimpan kartu nama dengan efisien. Oleh karena itu, penelitian ini bertujuan untuk membuat aplikasi pada smartphone Android yang dapat melakukan pengenalan nama dan nomer telepon dari kartu nama berbasis jaringan saraf tiruan (JST) backpropagation.Aplikasi ini merupakan media penyimpanan kartu nama secara virtual sekaligus scanner yang bisa mengambil citra digital dari kartu nama yang diinginkan. Aplikasi ini didesain mengenali dan menyimpan informasi kontak dari kartu nama ke buku kontak smartphone Android. Pengenalan karakter nama dan nomer telepon yang terdapat didalam kartu nama digunakan sebagai masukan bagi jaringan saraf tiruan (JST). Pengujian menggunakan 351 data training dan 6 data uji. Dari hasil pengujian, tingkat keberhasilan pengenalan menggunakan Backpropagation sebesar 40% hingga 80%. Pada sistem ini, digunakan parameter font karakter untuk mengukur tingkat keakurasiannya. Font yang digunakan adalah Arial dan Times New Roman. Hasil pengujian tesebut membuktikan bahwafont karakte mempengaruhi tingkat keakurasian pengenalannya. Sistem ini akan melakukan pengenalan nama dan nomor telepon dan mengenali semua karakter yang telah berhasil dideteksi.

Gagal jantung, khususnya Heart Failure with Reduced Ejection Fraction (HFrEF), merupakan kondisi ketika fraksi ejeksi ventrikel kiri mengalami penurunan kemampuan dalam memompa darah secara efektif. HFrEF termasuk salah satu penyebab kematian tertinggi di dunia. Deteksi dini sangat penting untuk mencegah komplikasi lebih lanjut, namun umumnya masih bergantung pada pemeriksaan medis lanjutan yang tidak selalu mudah diakses. Penelitian ini bertujuan merancang sistem prediksi dini penyakit gagal jantung secara praktis menggunakan lima parameter utama: usia, jenis kelamin, tekanan darah, detak jantung maksimal, dan kemiringan segmen ST. Sistem dibangun dengan mikrokontroler ESP32 yang terintegrasi dengan tiga sensor, yaitu AD8232 untuk sinyal EKG, MPX5050GP untuk tekanan darah, dan MAX30102 untuk detak jantung. Data hasil pengukuran diklasifikasikan menggunakan metode Naïve Bayes guna memprediksi risiko gagal jantung secara otomatis. Perangkat dirancang agar mudah digunakan, hanya dengan meletakkan jari di atas sensor, memasang manset, dan menempelkan elektroda. Hasil prediksi ditampilkan pada layar LCD 16x2 serta dapat disimpan dan diakses secara daring melalui website. Model yang digunakan menunjukkan akurasi sebesar 82,36% terhadap dataset, dan akurasi sebesar 96,6% saat diuji pada 30 pasien, dengan rata-rata tingkat kesalahan sebesar 2,34% untuk tekanan darah dan 2,63% untuk detak jantung. Hasil penelitian ini diharapkan dapat memberikan kontribusi dalam pengembangan alat deteksi dini gagal jantung yang praktis, terjangkau, dan mudah diakses oleh masyarakat luas.

Pertumbuhan kendaraan listrik membutuhkan suplai tegangan DC yang tinggi dan stabil untuk mengoperasikan motor induksi 3 fasa secara optimal. Sumber daya seperti baterai umumnya memiliki tegangan rendah, sehingga membutuhkan konverter DC-DC step-up dengan efisiensi tinggi. Penelitian ini mengusulkan pengembangan Interleaved Ultra Step-Up DC-DC Converter yang mengintegrasikan coupled inductor, switched-capacitor, dan voltage multiplier cell (VMC) untuk menaikkan tegangan input 72 V menjadi 600 V. Untuk mengatasi dinamika pembebanan yang fluktuatif dan menjaga stabilitas tegangan DC-link, diimplementasikan metode kendali Fuzzy-PI Cascade yang terdiri dari outer loop untuk tegangan dan inner loop untuk arus. Pengujian dilakukan melalui simulasi MATLAB/Simulink dengan variasi torsi beban dinamis antara 1 Nm hingga 5 Nm. Hasil penelitian menunjukkan modifikasi topologi konverter berhasil mencapai efisiensi tertinggi sebesar 91,49%. Pengendali Fuzzy-PI Cascade terbukti memberikan kinerja paling unggul dibandingkan kontrol P, PI Cascade, dan Fuzzy-PI, dengan settling time kurang dari 0,10 detik, overshoot maksimum 2–3 V (<0,50%), serta mampu menolak gangguan beban dengan menjaga tegangan pada kisaran 600 ±2–3 V.

Pada masa pandemic covid 19 seperti sekarang ini, salah satu jenis APD yang sering digunakan dan dianjurkan adalah penggunaan masker. Masker adalah kain penutup mulut dan hidung yang sering digunakan oleh semua masyarakat untuk bepergian. Masker digunakan untuk melindungi pernafasan dari resiko paparan gas uap, debu, atau udara terkontaminasi atau beracun, korosi atau yang bersifat rangsangan terhadap saluran pernafasan. Penggunaan masker pada masa sekarang ini merupakan sebuah kewajiban. Untuk mengkases ruang publik tertutup merupakan keharusan penggunaan masker seperti di mall, perpustakaan nasional dan lainnya. Tujuan dari penggunaan masker di masa covid 19 ini adalah untuk mencegah penularan melalui udara. Dan beberapa waktu terakhir ini kasus covid 19 di Indonesia juga naik kembali, sehingga penggunaan masker masih selalu diwajibkan ketika berada di ruang public tertutup. Pada kali ini akan diusulkan topik berkaitan dengan deteksi masker untuk akses ruang publik. Komponen yang akan dipakai adalah laptop, buzzer , raspberry Pi, dan webcam. Pada proyek akhir ini dibuat suatu sistem otomatis perancangan pendeteksi masker dengan tujuan agar meminimalkan kinerja manusia dan juga dapat mencegah penularan Covid-19. Sistem ini dapat mendeteksi objek yang tertangkap oleh webcam, kemudian diidentifikasikan dan ditampilkan pada monitor laptop. Proyek ini menggunakan metode Pengolahan Citra Digital dimana menggunakan perangkat berupa webcam sebagai penangkap citra. Sistem deteksi dan identifikasi ini dibuat dengan menggunakan metode convolutional neural network dengan menggunakan bahasa pemrograman Python.