Berkembangnya jumlah pengguna perangkat komunikasi khususnya telepon seluler yang begitu cepat, menyebabkan pemerintah harus menyediakan banyak energi yang diperlukan untuk proses charging pada sistem tesebut. Pada penelitian proyek akhir ini dirancang sebuah sistem charging circuit yang terdiri dari rangkaian rectifier dan rangkaian Op-Amp dengan memanfaatkan teknik energy harvesting. Rangkaian Op-Amp yang digunakan tersebut berfungsi untuk meningkatkan sumber input berupa sinyal AC yang diterima oleh antena microstrip dari Base Transceiver Station dan kemudian akan diubah menjadi sinyal DC dengan menggunakan rangkaian penyearah tegangan. Perancangan rangkaian Op-Amp dan rangkaian rectifier dari sistem charging circuit ini bekerja pada frekuensi 2,3 GHz dengan menggunakan pendekatan matematis yaitu dengan model full wave untuk rangkaian rectifier dan model non-inveting voltage amplifier untuk rangkaian Op-Amp. Untuk hasil pengujian sistem charging circuit secara keseluruhan ini di chamber mampu menghasilkan output sebesar 1,945 Volt dan 0,03 Ampere setelah ditambahkan current amplifier. Sedangkan hasil pengujian sistem charging circuit pada implementasi pemanenan energi secara real time ini menggunakan tiga macam antena microstip sebagai antena receiver. Dari ketiga jenis antena microstrip tersebut, dengan elemen array 4x4 mampu menghasilkan tegangan output sebesar 5,422 Volt dengan nilai arus 0,0054 Ampere. Karena nilai tegangan dan khususnya untuk nilai arus yang dihasilkan masih terlalu kecil maka sistem ini belum dapat digunakan untuk proses charging pada celluler phone sebagai sebuah sistem pemanenan energi frekuensi radio.

Masalah status gizi balita masih menjadi persoalan utama di negara berkembang seperti Indonesia. Salah satu upaya pemerintah dalam menjaga kesehatan anak-anak adalah Pos Pelayanan Terpadu (Posyandu). Parameter yang paling sering digunakan dalam pengukuran antropometri gizi dan pertumbuhan balita adalah tinggi badan, berat badan, dan lingkar kepala. Dalam proses pelayanan posyandu, sering terjadi masalah seperti sarana yang digunakan oleh kader posyandu dalam melakukan pengukuran berat badan, tinggi badan, dan lingkar kepala balita masih menggunakan cara manual yang menyebabkan tingkat ketelitian dan ketepatan yang kurang hingga terjadinya human eror. Selain itu pengukuran berat badan, tinggi badan, dan lingkar kepala balita masih menggunakan alat ukur secara terpisah serta proses pencatatan yang dilakukan secara manual yang dapat menyebabkan kesalahan data dan membutuhkan waktu yang lama pula. Hasil akhir proyek akhir ini yaitu sistem pendeteksi tinggi badan, berat badan, dan lingkar kepala balita secara otomatis pada balita. Sistem deteksi ini menggunakan mikrokontroler ESP32 sebagai otaknya, sensor ultrasonik untuk mengukur tinggi badan, sensor half bridge weight load cell untuk mengukur berat badan dan ESP32 CAM untuk menangkap lingkar kepala balita yang kemudian akan diproses menggunakan algoritma Robert. Data yang diperoleh dari alat deteksi berupa nilai tinggi badan dan berat badan ditampilkan pada Liquid Crystal Display (LCD) dan terintegrasi dengan website sebagai platform untuk pengolahan data dan menampilkan informasi. Pengujian awal mengungkapkan bahwa sensor ultrasonic secara akurat mengukur tinggi badan dengan kesalahan sebesar 3,69%, sensor half bridge weight load cell mencatat berat badan dalam rentang kesalahan 8,54%, dan pengujian algoritma Robert untuk mendeteksi lingkar kepala didapatkan akurasi sebesar 92,25%.

System monitoring wahana bawah air dewasa ini banyak dimanfaatkan oleh para peneliti dan badan-badan atau lembaga untuk melihat serta mengawasi objek bawah air guna mendalami karakteristik objek bawah laut maupun pengawasan terhadap informasi mengenai objek bawah air. Dengan dibuatnya system pengintai bawah air yang didalamnya disematkan camera semakin memudahkan dalam memonitor objek terutama dalam hal ini adalah objek bawah air. Penggunaan video camera pada sebuah kacamata selam bawah air dipasang secara eksternal. Hal ini digunakan untuk menyediakan video umpan balik dari adegan bawah air.Komputer mengambil gambar dari video camera untuk mendeteksi dan menampilkan objek. Proyek akhir ini dibuat sebuah monitoring sistem berupa tampilan GUI untuk mengakses video dan menampilkan hasil video secara realtime. Pengaksesan video camera ini menggunakan kabel RCA dan modem Usb Stick Tv Tuner dengan pemancar wireless AV sender. Hasil dari video camera yang diterima oleh pemancar akan ditampilkan oleh komputer dan diolah menggunakan bahasa pemrograman C# agar dapat menampilkan hasil video dengan tampilan yang menarik. Dengan menggunakan library yang menyediakan clas-clas pembentuk aplikasi yang akan menampung semua objek tampilan seperti button, text box, list box, dan lain-lain. Hasil tampilan visual proyek akhir ini berupa tampilan GUI berisi informasi gambar video dan grafik histogram warna yang memberikan informasi berupa kecerahan warna video, kontras warna dan warna dominan yang muncul pada tampilan video sehingga dapat menampilkan objek gambar secara realtime dan dapat menampilkan gambar yang jelas.

Perkembangan teknologi di dunia tidak memiliki batas. Salah satunya adalah Speech Recognition. Pada awalnya, kata yang diucapkan oleh manusia tidak bisa dikenali oleh komputer. Agar dapat dikenali, kata tersebut diproses menggunakan metode tertentu. Metode Linear Predictive Coding/LPC merupakan metode yang digunakan untuk mengekstrak ciri dari suara. Hasil dari metode LPC adalah koefisien LPC yang banyaknya sejumlah orde LPC + 1. Koefisien LPC diproses menggunakan fast fourier transform 512. Fft diperlukan dalam penelitian ini untuk mempermudah proses pengenalan suara. Selanjutnya hasil dilatih menggunakan Backpropagation Neural Network. Dengan menggunakan Backpropagation Neural Network, program bisa mempunyai kemampuan untuk mengenali kata yang diucapkan. Selanjutnya program diimplementasikan pada animasi komputer. Hasil akhir dari penelitian ini adalah animasi bergerak sesuai dengan kata yang diucapkan. Struktur BPNN yang optimal dalam penelitian ini adalah menggunakan fungsi pelatihan traingda, jumlah node 3, learning rate 0.05, epoch 100000, performance goal 0,00001. Struktur ini bisa menghasilkan nilai MSE terkecil yaitu 0,00000996. Jadi struktur ini bisa mengenali ucapan baru dengan keakuratan 100% untuk data terlatih, 80% untuk responden yang sama dengan data terlatih dan mencapai 67.5% untuk responden baru.

Sistem antar jemput sekolah biasanya menggunakan kendaraan untuk memfasilitasi siswa untuk berangkat dan pulang sekolah. Namun, perlu ada pengembangan dalam hal pemantauan siswa. Dalam proyek akhir ini, dijelaskan bahwa sistem antar jemput sekolah menerapkan konsep Internet of Things (IoT) pada aplikasi Smart School. Sistem dirancang menggunakan Reader yaitu Raspberry Pi yang mengidentifikasi kartu identitas siswa berteknologi Bluetooth Low Energy (BLE). Bluetooth Low Energy yang digunakan yaitu Cubeacon. Raspberry Pi juga diintegrasikan juga dengan sebuah sensor lokasi untuk mengetahui posisi kendaraan. Informasi lokasi dan daftar penumpang ditampilkan dalam aplikasi Android dan Website secara real-time yang diakses oleh orang tua, guru dan pihak sekolah. Hasil dari proyek akhir ini menunjukkan, Raspberry Pi dapat memindai 3 Beacon dalam 0,3 detik, dan semakin meningkat 0,01 detik setiap penambahan 1 Beacon. Pada aplikasi Android dan Website bisa menampilkan informasi lokasi kendaraan dan daftar penumpang kurang dari 5 detik.