Pengembangan energi terbarukan lepas pantai, seperti turbin angin dan turbin arus laut, memerlukan struktur platform yang mampu menahan beban lingkungan secara aman. Platform semi-submersible menjadi salah satu solusi, namun kekuatan dan respon strukturnya terhadap beban laut masih menjadi tantangan. Permasalahan dalam penelitian ini adalah pengaruh beban lingkungan terhadap kekuatan struktur serta deformasi yang terjadi akibat pembebanan tersebut.Penelitian ini bertujuan menganalisis kekuatan struktur platform semi-submerible terhadap beban gelombang, arus laut, dan angin menggunakan metode Finite Element Method (FEM). Model yang digunakan mengacu pada platform OC4 DeepCwind dengan material structural steel. Simulasi dilakukan dengan variasi data referensi dan data aktual laut Pacitan. Hasil menunjukkan bahwa tegangan maksimum mencapai sekitar 277 MPa pada bagian Y Point Upper dan main column, sedangkan deformasi maksimum terjadi pada bagian tiang (tower) sebesar 5,1755 mm. Bagian lain seperti cross braces menunjukkan nilai yang lebih kecil. Data aktual menunjukkan respon yang lebih rendah namun fluktuatif. Secara keseluruhan, struktur masih berada dalam batas aman, namun terdapat area kritis yang memerlukan optimasi untuk meningkatkan keandalan struktur.

Memilah buah secara konvensional secara manual dengan menggunakan tenaga manusia memiliki kekurang. Salah satunya adalah masalah keseragaman kualitas buah. Terlebih jika dikerjakan secara manual membuang banyak tenaga dan hasilnya tidak maksimal. Pada proyek akhir yang dibuat kali ini, pengerjaan difokuskan pada pemilahan buah ke dalam kualitas tertentu dan mendapatkan hasilnya. Dalam memilahnya digunakan sensor kamera. Metode yang digunakan adalah Cascade Network dan Histogram. Dengan menggunakan Cascade Network, alat ini akan mendeteksi buah dan dengan Histogram untuk mendeteksi warna. Dari eksperimen yang sudah dilakukan pada pengerjaan tugas akhir ini semua objek dapat terdeteksi oleh metode haar cascade. Dan setelah eksperimen semua sistem presentase keakuratan dalam pengklasifikasian oleh metode histogram dengan menggunakan satu kamera yaitu sebesar 56,4%. Sementara presentase keakuratan menggunakan dua kamera yaitu sebesar 41,4%.

Media sosial menjadi tempat sumber informasi berbagai kepentingan yang begitu beragam. Komunikasi kata dari mulut yang dibagikan melalui elektronik bisa mempengaruhi potensi adopsi produk dengan segera menyebarkan evalusi produk orang lain. Twitter adalah salah satu media sosial dengan konsep mikroblog yang telah menjadi salah satu yang paling sering dikunjungi. Twitter masih menduduki 10 besar dalam penggunaan aktif global dari jejaring sosial terkemuka pada Februari 2020. Fakta ini membuat Twitter menjadi media sosial yang dipilih penulis sebagai sumber yang kaya untuk dataset dengan topik game yang akan digunakan pada penelitian ini. Himpunan data tweet ini dilakukan analisis topic modelling menggunakan metode Latent Dirichlet Allocation (LDA). Metode LDA ini bertujuan untuk menemukan daftar topik berdasarkan kemiripannya. Lalu, data itu nantinya akan dilabeli sesuai dengan topiknya. Selain dapat meringkas, mengklusterkan, menghubungkan, LDA memiliki kelebihan utama yaitu mampu memproses data yang sangat besar. Untuk itu penelitian ini menggunakan metode LDA. Penelitian ini menggunakan lebih dari 1000 tweet berbahasa Inggris yang diambil selama beberapa hari. Penggunaan dataset ini nantinya akan melalui proses text pre-processing. Setelah dataset melewati proses tersebut selanjutnya dilakukan topic modelling yang kemudian akan dievaluasi nilai koherennya serta perbandingan performanya dengan metode topic modelling latent semantic analysis (LSA). Dengan skenario pengujian, didapati metode LSA lebih cepat (101 ms) daripada metode LDA (756 ms). Sedangkan nilai koherensi dari metode LDA lebih besar (0.520) daripada metode LSA (0.482). Penelitian ini diharapkan bermanfaat bagi para peneliti ilmu data di bidang industri game dengan mempersempit tema game dari data yang akan diteliti.

Penelitian ini menyajikan bagaimana penerapan 3D model untuk pembuatan asset khususnya environment pada game horror berjudul Xanthous Xanthous adalah game horror misteri yang menceritakan seorang anak laki laki bernama Jaka yang ingin mengungkapkan sebuah misteri didalam apartemen milik ayahnya Penelitian ini merangkum implementasi dari teknik 3D modeling yaitu box modeling UV mapping dan texturing Tujuan dari penelitian ini adalah untuk memberikan pengalaman horror atmospheric yang menarik dan imersif bagi pemain melalui 3D model environment dalam game Solusi yang ditawarkan adalah penggunaan teknologi image recognition untuk mengetahui kesesuaian model 3D dengan benda aslinya Hasil dari pengujian dengan teknologi image recognition didalam game Xanthous didapatkan 15 model 3D yang berhasil diuji Implementasi ini menghasilkan parameter confidence dari 0 persen sampai 100 persen dan didapatkan nilai rata rata 91,4 persen Kemudian dari hasil penelitian berupa pengujian PlayTest dengan total 61 responden dengan masing masing poin yang diujikan dari model 3D yaitu model 3D bernuansa gedung lama model furnitur sudah menggambarkan benda lama perubahan pencahayaan perubahan layout dan environment memberikan suasana tidak nyaman didapatkan rata rata hasil yaitu 85,2 persen Implikasi temuan penelitian ini dapat digunakan dalam pengembangan game horor lainnya dengan saran untuk mempertimbangkan penggunaan teknik box modeling untuk model 3D dan teknologi image recognition dalam merancang asset 3D yang imersif.

Beras dianggap sebagai salah satu makanan terpenting bagi orang-orang yang tinggal di kawasan Asia Pasifik. Indonesia memiliki luas lahan panen sekitar 10,5 juta hektare dengan produktivitas 52,56 kuintal per hektare. Ini menghasilkan produksi beras sebesar 55,2 juta ton, dari produksi beras menghasilkan 31,6 juta pada tahun 2021. Pentingnya sektor pertanian bagi masyarakat Indonesia menuntut para pengelola di bidang pertanian untuk terus mengembangkan inovasi-inovasi yang bermanfaat bagi sektor pertanian tanah air. Salah satu faktor pertumbuhan dan perkembangan tanaman padi adalah dari perilaku pemupukan yang dilakukan oleh petani. Nitrogen N, Fosfor P, dan Kalium K merupakan unsur hara utama yang terkandung dalam tanah yang berguna untuk membantu tanaman tumbuh. Penelitian sebelumnya telah menghasilkan perangkat yang dapat memberikan rekomendasi jumlah pemupukan dengan target panen tertentu menggunakan metode pemupukan dari Bagan Warna Daun BWD. Pemberian pupuk berdasar BWD ini mampu memberikan referensi kebutuhan nutrisi tanaman padi yang membuat pemberian pupuk menjadi lebih efisien sehingga mendapatkan hasil panen yang sesuai. Namun hal itu belum cukup karena belum ada jaminan nutrisi yang terkandung dalam tanah setelah diberikan pemupukan sesuai dengan tabel BWD atau tidak. Maka dari itu pada penelitian kali ini akan membuat sistem kerja sensor yang menambahkan fitur pada alat dalam mendeteksi kandungan nutrisi terutama kandungan NPK dalam tanah sehingga dapat memberikan validasi dari pemberian pupuk melalui rekomendasi tabel BWD pada alat sebelumnya. Alat pembaca skala warna daun dapat memberikan pembacaan skala warna BWD dengan error dibawah 10 persen atau perbedaan pembacaan hanya berbeda 1 skala dibanding pembacaan manusia kemudian alat pendeteksi NPK tanah dapat mendeteksi nilai nutrisi NPK tanah sebelum dan sesudah diberikan pupuk NPK 16 16 16 dengan hasil pembacaan setelah pemupukan mendekati peningkatan sebesar 16 persen yang berarti alat ini dapat menjadi validasi dari pemberian pupuk berdasarkan BWD. Dengan nutrisi tanaman dan tanah yang terjaga, tanaman padi dapat tumbuh dan berkembang dengan baik dan menghasilkan hasil panen yang sesuai dengan target panen yang ditentukan.