Penggunaan panel surya sebagai sumber energi terbarukan membutuhkan baterai sebagai tempat penyimpanan energi. Salah satu jenis baterai yang mendapat supply dari panel surya adalah lead acid atau accu. Dalam pengembangannya pengisian baterai lead acid sering mengalami overcharge yang dapat menyebabkan penurunan performa baterai, hal tersebut disebabkan pengestimasian kapasitas baterai yang kurang tepat. Untuk mengatasi permasalahan tersebut, diperlukan sistem estimasi nilai State of Charge (SoC) pada baterai yang berfungsi untuk mengontrol kondisi charge, agar performa baterai tetap optimal. Pada penelitian dikembangkan suatu sistem estimasi SOC pada baterai jenis lead acid, dengan metode Artificial Neural Network dengan algoritma Elman Backpropagation. Algoritma Elman Backpropagation memiliki sebuah layer tambahan yang disebut context neuron yang berfungsi untuk menyediakan pola hidden unit sehingga informasi dapat di umpan balik ke layer itu sendiri. Keunggulan yang terkait dengan metode Elman Backpropagation Neural Network meliputi proses iterasi menjadi lebih cepat, peningkatan kecepatan pembaruan parameter, dan pencapaian konvergensi yang lebih cepat. Data yang digunakan untuk melakukan estimasi SoC baterai adalah tegangan dan arus charging sehingga nantinya akan didapatkan nilai SoC. Dalam penelitian ini, dibandingkan dengan kinerja Adaptive Neuro Fuzzy Inference System (ANFIS). Hasil dari penelitian estimasi SOC pada baterai lead acid 12V, 12Ah dengan menggunakan algoritma Elman Backpropagation error yang didapatkan sebesar 0.201 sedangkan dengan metode ANFIS error yang didapatkan sebesar 0.2498. Hasilnya menunjukkan bahwa algoritma Elman Backpropagation memberikan hasil yang lebih baik dalam estimasi SoC baterai, terutama saat menghadapi fluktuasi tegangan dan arus pengisian yang tinggi. Sehingga dapat disimpulkan bahwa algoritma Elman Backpropagation lebih akurat dan dapat diandalkan dalam mengestimasi nilai SoC pada baterai lead acid.

Penggunaan warna cat pada bidang pertukangan masih sangat tergantung oleh standar warna yang tersedia di pasaran. Kebutuhan akan warna yang beragam terus meningkat, sedangkan ragam warna yang ada di pasaran masih belum sesuai dengan permintaan pelanggan dan masih menggunakan standar warna yang sangat mendasar Selama ini dalam menghasilkan warna yang sesuai dengan keinginan konsumen, hanya menggunakan cara manual saja. Tentunya cara ini sangat merepotkan, karena penjual harus menakar warna cat dasar terlebih dahulu kemudian mengujinya. Atas dasar pemikiran tersebut, maka muncul ide untuk merancang suatu sistem yang dapat memudahkan proses pencampuran warna, yaitu dengan dioperasikan secara otomatis berdasarkan input warna dan volume warna dari user, mempergunakan Personal Computer. Sistem ini diharapkan dapat membuat warna dalam waktu yang cepat serta memiliki ketepatan warna dalam mencampur dan cara pengoperasiannya tidak membutuhkan orang yang memiliki keahlian khusus.Sistem terdiri atas personal computer sebagai input komposisi warna , untuk mengontrol jumlah komposisi cat yang keluar diperlukan peran dari sensor jarak GP2D12 dan solenoid valve. Warna hasil akan disensor oleh sensor warna TCS230 yang kemudian data dari sensor tersebut dikomparasi dengan input awal cat yang diinputkan dari personal komputer sehingga akan menghasilkan eerror pencampuran sistem.

Seiring berkembangnya teknologi, dewasa ini komunikasi sudah tidak memiliki keterbatasan baik jarak maupun waktu. Kebutuhan akan sarana komunikasi inilah yang senantiasa menuntut perkembangan sistem komunikasi sehingga informasi yang dikirim terjamin keaslian dan keamanannya. Untuk itu dibutuhkan suatu teknik pengkodean unttransmisi informasi baik disisi pengirim maupun penerima. Pada proyek akhir ini dibuat sebuah program visualisasi proses pengiriman informasi dengan enkoder kode konvolusi pada sisi pengirim dan dekoder dengan algoritma Viterbi pada sisi penerima. Program ini menggunakan tabel state dan diagram state dalam proses enkoding kode konvolusi dengan rate dan struktur yang ditentukan. Keluaran enkoder ditampilkan dalam bentuk codeword. Pada proses dekoding menampilkan diagram trellis sebagai visualisasi algoritma Viterbi yang akan mengodekan kembali codeword menjadi informasi. Hasil dari proyek akhir ini yaitu program visualisasi prinsip kerja enkoder kode konvolusi dengan rate ½ dan 1/3 dengan menampilkan codeword untuk setiap data yang dimasukkan disisi pengirim dan visualisasi diagram trellis pada proses pengkodean kembali disisi penerima.

Motor induksi memiliki peran penting dalam industri dan rumah tangga. Salah satu komponen yang sering rusak pada motor induksi adalah stator, yang berperan dalam menghasilkan induksi magnet. Kerusakan pada stator dapat disebabkan oleh suhu, listrik, dan faktor mekanik. Data statistik menunjukkan bahwa sekitar 30%-40% kerusakan motor induksi terjadi pada stator. Kerusakan ini dapat menghambat proses produksi. Oleh karena itu, penelitian ini bertujuan untuk membuat sebuah sistem pendeteksi kerusakan stator pada motor induksi satu fase menggunakan parameter arus listrik. Sistem ini terdiri dari pembacaan sensor arus SCT-013. Data sinyal stator yang diperoleh akan dikonversi menjadi gambar dan digunakan sebagai input untuk Deep Learning Convolutional Neural Network (CNN). CNN akan melatih dataset gambar sinyal stator dan menghasilkan sebuah model training. Model ini akan digunakan sebagai algoritma untuk menentukan keberhasilan pada data uji. Penelitian ini berhasil mengembangkan model training dengan akurasi99.9993923% dan validasi kebenaran 100%.

Sekarang ini, ada banyak sekali sumber informasi lowongan pekerjaan di Indonesia yang dapat diakses secara online. Namun, para pencari kerja tersebut harus mengakses situs-situs lowongan pekerjaan itu satu-persatu untuk memperoleh informasi lowongan pekerjaan yang mereka inginkan, sehingga akan menyita lebih banyak waktu untuk mengakses situs-situs lowongan pekerjaan tersebut. Proyek akhir ini bermaksud untuk mengajukan sebuah pendekatan baru dengan membangun sebuah aplikasi yang dapat menampilkan informasi lowongan pekerjaan yang selalu ter-update dari berbagai sumber penyedia informasi lowongan pekerjaan sekaligus sehingga banyak informasi lowongan pekerjaan yang dapat mereka peroleh hanya dengan satu aplikasi. Proyek akhir ini memanfaatkan RSS (Really Simple Syndication) dari situs-situs lowongan pekerjaan sebagai sumber data utama aplikasi ini. Data yang diperoleh dari RSS tersebut kemudian di kelompokkan di web server menjadi beberapa kategori dengan menggunakan metode filtering. Dari proses tersebut diperoleh keyword yang kemudian digunakan sebagai parameter untuk pencarian lowongan pekerjaan. Dalam aplikasi ini pertukaran data dari web service ke mobile menggunakan teknologi JSON (Java Script Object Nation), yang kemudian di tampilkan kedalam sebuah aplikasi lowongan pekerjaan berbasis mobile sehingga memudahkan penggunanya untuk mengakses informasi lowongan pekerjaan yang mereka butuhkan kapan saja dan dimana saja. Proyek ini telah diujikan pada 15 orang yang sedang dan akan mencari pekerjaan dan hasilnya 87% responden menyatakan bahwa aplikasi ini bermanfaat bagi mereka.