Diagnosis kerusakan bearing merupakan aspek penting dalam pemeliharaan prediktif dan perawatan mesin. Rotating machinery adalah salah satu kelas peralatan mekanis yang paling umum dan memainkan peran penting dalam aplikasi industri. Bearing adalah salah satu bagian terpenting dari rotating machinery dengan tingkat kerusakan yang tinggi, dan kondisi kerjanya secara langsung memengaruhi kinerja seluruh peralatan. Sebagai salah satu komponen kunci dalam rotating machinery, kesehatan bearing secara langsung mempengaruhi kinerja peralatan mekanis. Biasanya, hal itu tidak dapat didiagnosis secara langsung karena lingkungan kerja bearing. Penelitian ini bertujuan untuk mendiagnosis dan mengklasifikasikan jenis kerusakan bearing berdasarkan data vibrasi yang diperoleh dari sensor mesin. Klasifikasi kerusakan dibedakan menjadi 4 yaitu normal, inner fault, outer fault, dan roller fault. Data vibrasi yang diambil berasal dari bearing ER16K yang telah sengaja dirusak. Data vibrasi yang diambil masih berupa time domain signal sehingga perlu diubah ke dalam bentuk dua dimensi. Proses konversi sinyal diperlukan untuk menghasilkan gambar yang digunakan sebagai input pada kecerdasan buatan. Data gambar dipisah menjadi data pelatihan dan data validasi. Metode kecerdasan buatan yang digunakan dalam proyek akhir ini yaitu Convolution Neural Network (CNN) dengan input gambar 2D sebanyak 448 pada keempat kondisi bearing. Hasil klasifikasi kerusakan bearing menggunakan CNN mencapai akurasi training sebesar 99,11% dan akurasi validasi sebesar 99%. Hasil ini menunjukkan efektivitas penggunaan CNN untuk klasifikasi kerusakan bearing yang dapat memberikan kontribusi pada bidang pemeliharaan prediktif dan pemantauan kondisi di beragam lingkungan industri.

Teknologi dan jaringan sensor nirkabel (Wireless Sensor Networking) berkembang pesat. Salah satunya adalah Internet of Things (IoT). Dengan semakin berkembangnya perangkat IoT, maka kebutuhan akan daya sebagai sumber penyedia arus listrik meningkat sehingga dibutuhkan sumber energi mandiri yang dapat diisi ulang dan digunakan secara terus menerus dalam jangka panjang. Penelitian ini memfokuskan pada pengembangan antena Vivaldi dengan transmission line Coplanar Waveguide (CPW) dan substrat dielektrik FR-4 (Epoxy) dengan konstanta dielektrik 4,3 dan tebal substrat 1,6 mm untuk memanen sinyal Radio Frequency (RF) pada frekuensi 900 MHz sampai 2,4 GHz. Dengan menggunakan sistem Radio Frequency Energy Harvesting (RFEH) yang difokuskan pada pengembangan antena, akan mengurangi penggunaan sumber daya konvensional. Simulasi menggunakan perangkat lunak CST Studio Suite 2019 dilakukan untuk mengoptimasi parameter desain antena, termasuk panjang stub, lebar stub, lebar gap, dan panjang slotline. Hasil menunjukkan bahwa antena Vivaldi dengan stub mampu mencapai performa yang lebih baik dengan nilai return loss S11 di bawah −10 dB pada sebagian besar frekuensi kerja, impedansi mendekati 50 Ω, VSWR di bawah 2, serta pola radiasi yang diuji pada ruang anechoic chamber. Selain itu, gain tertinggi antena mencapai 4,78 dBi pada frekuensi 1,8 GHz, dengan VSWR 1,19 dan return loss -24,301 dB, yang menunjukkan performa yang sangat baik pada frekuensi tersebut.

IUGR (INTRA UTERINE GROWTH RETRICTION) adalah adalah sebuah kondisi ketika pertumbuhan bayi berhenti sebelum dilahirkan sehingga bayi terlihat kecil dan tidak memiliki pertumbuhan yang normal seperti pola pertumbuhan janin yang normal. Tujuan dari penelitian ini adalah untuk mendeteksi janin dalam kandungan agar mengetahui kondisi bayi tersebut normal atau IUGR dengan cara mengetahui usia kehamilan, diameter bi-parietal, lingkar perut, lingkar kepala, panjang fetus. Data IUGR yang digunakan pada penelitian ini diambil dari RS Jemusari Surabaya yang terdiri dari 154 data, 12 parameter dan 3 label kelas.Prediksi terhadap penyakit IUGR memberikan 3 (macam) hasil deteksi yaitu tidak terdeksi penyakit IUGR, terdeteksi penyakit IUGR Simetrik, dan terdeteksi penyakit IUGR Asimetrik. Metode yang digunakan adalah menggunakan SVM ( Support Vector Machine ) dengan 4 kernel yaitu Polynomial, Gaussian RBF, Sigmoid dan Linier. Dalam penelitian ini menggunakan Partcle Swarm Optimization ( PSO ) sebagai fitur pilihan algoritma. Dalam percobaan dengan metode SVM multiclass ini memperoleh akurasi sebesar 92% dengan normalisasi Linier kernel dan akurasi sebesar 87% dengan normalisasi Gaussian kernel.

Audio Equalizer adalah sekumpulan filter yang nilai penguatanya dapat diatur pada pita frekuensi tertentu. Fungsi utama dari perangkat tersebut adalah untuk memperbaiki kualitas suara. Berdasarkan prosesnya audio equalizer terbagi menjadi dua jenis yaitu, analog equalizer dan digital equalizer. Digital audio equalizer tersusun dari beberapa filter digital yang tertanam pada chip khusus DSP (Digital Signal Processing) maupun pada perangkat komputer. Filter digital merupakan suatu proses perhitungan aritmatika yang dapat meloloskan maupun melemahkan sinyal pada frekuensi tertentu. Sering kali chip DSP memiliki harga yang cukup mahal dan sulit dicari di pasaran Indonesia. Salah satu inovasi yang dilakukan adalah memanfaatkan mikrokontroler STM32F407 sebagai alat untuk pengolahan sinyal digital yang relatif murah dan mudah dicari di pasaran Indonesia. Diperlukan chip tambahan untuk mengambil sinyal audio yang akan diubah ke sinyal digital yang akan diproses oleh STM32F407, kemudian sinyal digital dari mikrokontroler tersebut dikembalikan lagi ke sinyal audio. AK4556 dipilih sebagai IC Codec Audio (Integrated Circuit Coder Decoder Audio) yang berfungsi mengubah sinyal audio ke data digital dan sebaliknya dengan komunikasi I2S (Inter-IC Sound). AK4556 memiliki kemampuan sampling rate hingga 216kHz dengan 24-bit data. Ditambahkan modul ESP32 sebagai penghubung antara STM32F407 dengan smartphone, dimana dalam pengaturan parameter equalizer dapat dilakukan secara nirkabel dan jarak jauh. Pengujian alat yang dibuat dilakukan dengan cara mengamati respons frekuensi hasil equalizer.

Kinerja panel surya sangat bergantung dari besar intensitas radiasi matahari yang diterima oleh permukaannya. Untuk meningkatkan kinerja panel surya maka perlu meningkatkan besarnya intensitas radiasi matahari yaitu menggunakan cermin konsentrator. Akan tetapi besar intensitas radiasi matahari dapat membuat kenaikan suhu pada panel surya sehingga dapat mengurangi daya yang dihasilkan pada panel surya. Untuk mengoptimalisasi penggunaan cermin konsentrator maka perlu adanya sistem pendingin. Oleh sebab itu, maka pada penelitian ini yaitu optimalisasi panel surya menggunakan konsentrator cermin datar dengan sudut 60o dan 70o untuk meningkatkan intensitas cahaya matahari dan dipasang pendingin heatsink yang ditempel pada sisi belakang panel surya. Pendingin tipe heatsink dipilih karena merupakan pendingin pasif yang tidak memerlukan sumber energi dari luar. Kemudian dikarenakan radiasi matahari yang berubah ubah maka diperlukan DC-DC konverter dengan Maximum Power Poin Traker (MPPT) untuk memaksimalkan daya keluaran panel surya agar hingga mencapai daya puncaknya. Hasil dari Proyek Akhir ini didapat kenaikan daya pada kurva karakteristik panel surya ketika menggunakan konsentrator sudut 60o mencapai daya puncak 3,2 watt dan 3,3 watt ketika menggunakan sudut 70o, sedangkan dalam kondisi normal daya puncak sebesar 2,45 watt. Kemudian ketika integrasi open loop dengan beban nominal terdapat kenaikan daya rata-rata sebesar 14,2 % untuk penggunaan konsentrator dengan sudut 60o dan 14,5 % ketika menggunakan sudut 70o. Kemudian pada simulasi penggunaan kontrol MPPT Modified P&O dapat menghasilkan daya keluaran panel surya mendekati atau sama dengan daya maksimum panel surya pada semua sample data dengan rata-rata akurasi MPPT sebesar 99,45 %.