Di zaman yang serba modern ini kebakaran pada rumah masih banyak terjadi. Penggunaan peralatan elektronik yang berlebihan,adalah salah satu penyebab terjadinya korsleting listrik yang menyebabkan kebakaran. Internet of Things atau IoT merupakan sebuah konsep yang bertujuan memanfaatkan konektivitas internet yang tersambung dengan berbagai kemampuan. Salah satu pemanfaatan IoT dapat diaplikasikan sebagai pengamanan dan deteksi dini adanya indikasi terjadinya kebakaran. Dengan pengaplikasian sistem ini pada rumah atau smarthome diharapkan angka kerugian terhadap kebakaran akan semakin kecil. Hasil dari penelitian ini menunjukkan bahwa pembacaan sensor suhu DHT11 dari 30 – 60 ̊C dengn error pembacaan 1,39% juga dipengaruhi dari tingkat kelembaban ruangan. Untuk sensor gas MQ-5 nilai pembacaan kepekan dipengaruhi oleh nilai rasio gas. Sedangkan flame sensor harus terpasang dengan jarak kurang dari 300 cm dan sudut kurang dari 60 ̊. Pada sistem juga ditanamkan sebuah sistem cerdas yaitu logika fuzzy untuk mengolah data pembacaan sensor. Ketiga input sensor tersebut akan diolah melalui tahap fuzzifikasi, evaluasi rule dan deffuzifikasi. Hasil output dari sistem ini berupa nilai tegas yaitu nilai dalam range 1 sampai 100 dari hasil defuzzifikasi. Dari pembacaan ketiga sensor akan ditampilkan oleh aplikasi blynk pada smartphone pengguna.

Indonesia adalah negara dengan kekayaan alam yang melimpah, salah satunya ada pada sektor pertanian. Menurut BPS (Badan Pusat Statistik) luas panen padi pada 2023 diperkirakan sekitar 10,20 juta hektar mengalami penurunan sebanyak 255,79 ribu hektar atau 2,45 persen dibandingkan luas panen padi pada 2022 yang sebesar 10,45 juta hektar. Namun, praktik pertanian konvensional di Indonesia masih mendominasi. Kelemahan pertanian secara konvensional ini dapat mengakibatkan penurunan produktivitas. Salah satu aspek kritisnya adalah mengatasi pertumbuhan gulma di lahan persawahan. Oleh karena itu penerapan sistem pertanian cerdas menjadi solusi yang tepat untuk mengatasi permasalahan ini, seperti sistem klasifikasi gulma yang memanfaatkan teknik deep learning. Sistem ini dibuat diawali dengan mendapatkan data citra dari Kaggle sebagai dataset sekunder dan dataset gulma diambil di lahan pertanian. Dataset yang digunakan berjumlah 1.143 citra gulma yang kemudian dilakukan pelabelan untuk data latih dan data uji menggunakan metode SSD-MobileNet-V2 FPNLite dan EfficientDet-D0. Proses pengambilan dataset primer menggunakan webcam kemudian data dikirimkan ke Raspberry Pi 4 melalui konektivitas Wi-Fi. Sistem menunjukkan kinerja yang baik untuk mengklasifikasikan gulma dengan accuracy berturut-turut dari SSD-MobileNet-V2 FPNLite dan Efficiendet-D0 mencapai 92,8% dan 95,3%. Hasil tersebut menunjukkan Efficiendet-D0 lebih baik untuk menjadi pilihan model AI yang bisa diimplementasikan pada alat sistem klasifikasi gulma untuk mendukung pengendalian gulma.

Energi matahari dapat diubah menjadi energi listrik dengan menggunakan teknologi photovoltaic, yaitu sebuah teknologi tenaga matahari yang menggunakan solar cell untuk mengubah cahaya matahari menjadi listrik. Tenaga listrik yang dihasilkan oleh solar cell tergantung pada radiasi sinar matahari dan temperatur permukaan solar cell. Solar cell merupakan salah satu alternatif yang dapat menghasilkan listrik. Pemanfaatan solar cell saat ini sudah sangat banyak baik di Indonesia maupun di seluruh dunia. Salah satu contoh pemanfaatan solar cell tersebut yaitu digunakan untuk sistem penerangan di ruang tengah rumah mandiri PENS dengan menggunakan 2 buah lampu LED 12 Volt 18 Watt yang diparalel sehingga daya menjadi 36 Watt. Solar cell yang digunakan yaitu 2 buah solar cell 100 WP, keluaran daya dari solar cell dikontrol menggunakan cuk converter dengan merubah nilai duty cycle dan kontrol PI untuk menjadikan tegangan konstan saat mengisi baterai. Keluaran konverter digunakan untuk proses charging baterai mulai dari 15% hingga 80% dengan lama pengisian 6 jam tanpa menggunakan kontrol dan 4 jam 30 menit dengan menggunakan kontrol, hal ini dibuktikan dengan mengukur nilai SOC awal baterai sebelum diisi sebesar 23.2 Volt dan nilai SOC akhir setelah diisi sebesar 25.7 Volt. Baterai yang digunakan yaitu sebesar 24 Volt 45AH. Sistem ini mampu mengisi baterai dengan tegangan konstan sebesar 27.5 Volt hingga 27.7 Volt dengan efisiensi pengisian baterai rata-rata sebesar 92% dan mampu memutus rangkaian charging secara otomatis ketika baterai sudah terisi penuh.

Akreditasi adalah bentuk penilaian kelayakan dan mutu perguruan tinggi atau program studi yang dilakukan oleh organisasi atau badan mandiri diluar perguruan tinggi. Dalam laporan kinerja program studi, terdapat data kuantitatif yang mencakup capaian indikator kerja unit pengelola program studi di bidang teknik sebagai pengusul akreditasi program studi, serta program studi yang diakreditasi. Laporan kinerja program studi menjadi salah satu persyaratan penting dalam proses akreditasi. Politeknik elektronika negeri surabaya sebagai unit pengelola program studi dilengkapi dengan siste manajemen informasi. Pemanfaatan data yang tersedia dalam sistem informasi manajemen dimaksudkan untuk mengisi laporan kinerja program studi, sebuah proses yang umumnya dilakukan secara manual. Meskipun demikian, sistem informasi manajemen politeknik elektronika negeri surabaya belum memiliki kapabilitas untuk mentransfer data menjadi excel, format file laporan kinerja program studi. Sebagai tanggapan terhadap kebutuhan ini, sistem informasi akreditasi program studi dikembangkan. Sistem informasi akreditasi program studi diharapkan mampu mengekstrak data dari sistem informasi manajemen politeknik elektronika negeri surabaya, menampilkan informasi tersebut dalam bentuk web, dan memungkinkan pemindahan data ke dalam format excel untuk keperluan laporan kinerja program studi. Berdasarkan analisis data dari sistem informasi manajemen politeknik informatika negeri surabaya, terdapat identifikasi terhadap tiga kategori ketersediaan data, yaitu data yang lengkap, data yang tidak lengkap, dan data tidak ada. Dengan data lengkap sebanyak 3 dari 52 tabel, data tidak lengkap sebanyak 28 dari 52 tabel dan data tidak ada sebanyak 22 dari 52 tabel. Adanya temuan bahwa sebagian besar informasi dari sistem informasi manajemen politeknik elektronika negeri surabaya belum lengkap, menunjukkan bahwa terdapat peluang untuk meningkatkan kelengkapan data tersebut. Oleh karena itu, tujuan dari buku ini adalah untuk secara rinci menguraikan informasi terkait data yang lengkap, data yang tidak lengkap, dan data tidak ada, dengan harapan dapat memberikan kontribusi positif untuk perbaikan kedepannya

Dalam beberapa tahun terakhir perkembangan interaksi antara manusia dan komputer semakin menuju kearah smart environment. Dalam smart environtment ini berbagai perangkat pun dibangun agar dapat mengenali dan memberikan manfaat untuk pengguna sehingga dapat memberikan respon baik yang sesuai pada aktivitas penggunanya, salah satunya ialah identifikasi aktivitas manusia. Pada pengenalan jenis aktivitas, sebagian besar berdasarkan akselerasi dan sinyal kecepatan sudut menggunakan sensor accelerometer dan gyroscope tertanam di perangkat seluler. Pada penelitian ini diidentifikasi 4 aktivitas manusia yakni duduk, berdiri, berjalan, dan berlari, dengan menggunakan machine learning algoritma Support Vector Machine (SVM) dengan teknik multiclass One vs One. Dimana dengan menggunakan algoritma SVM, sistem human activit recognition dapat melakukan klasifikasi 4 aktivitas dengan sangat baik. Dimana akurasi yang didapatkan saat validasi model sebesar 98.33%. Dan pada saat pengujian sistem, dimana data didapatkan secara realtime pada 30 kali pengujian setiap aktivitas diperoleh ratarata error yang kecil yakni sebesar 1.665%, dengan waktu komputasi klasifikasi berkisar 1 ms