Motor BLDC (Brushless Direct Current) banyak digunakan dalam kendaraan listrik karena keunggulannya yang memiliki struktur yang simpel, tingkat perawatan yang rendah, dapat diandalkan, torsi dan efisiensi yang tinggi. Pada umumnya, motor BLDC menggunakan sensor posisi (hall effect sensor) untuk menentukan komutasi pada inverter. Permasalahan yang sering terjadi pada penggunaan sensor posisi terletak pada seringnya terjadi kesalahan pada saat konfigurasi dengan controller, kesulitan pemasangan apabila terjadi kerusakan, sensitifnya sensor tersebut terhadap temperatur. dan, harga sensor yang mahal, Maka dari itu, penggunaan metode sensorless (menggunakan back EMF zero crossing) merupakan solusi alternatif untuk menentukan komutasi pada motor BLDC. Pada proyek akhir ini menggunakan metode sensorless untuk menentukan komutasi inverter, sebelumnya divalidasi dengan menggunakan simulasi dan diimplementasikan pada motor BLDC. kemudian dilakukan pengamatan respon kecepatan dan daya antara metode sensored (menggunakan sensor posisi) dan sensorless. Saat dioperasikan pada tegangan nominal atau tegangan input inverter yang sama, menunjukkan bahwa respon kecepatan pada penggunakan metode sensorless lebih tinggi dibandingkan dengan penggunakan metode sensored, yaitu selisih 31 rpm.

Sistem komunikasi antara kereta api dengan stasiun memegang peranan penting dalam terciptanya keamanan dan kenyamanan penumpang kereta api. Sistem komunikasi kereta api yang ada sekarang ini masih bersifat analog dengan keterbatasan dalam mengirimkan informasi yang hanya berupa suara. Perkembangan sistem komunikasi terus dilakukan untuk mengatasi permasalahan yang telah ada dengan menggunakan teknologi TETRA. Teknologi TETRA digunakan karena mempunyai bit rate yang lebih tinggi dibandingkan teknologi yang sudah ada. Pada sistem yang dibuat pada penelitian ini yaitu bertujuan untuk menghitung nilai-nilai dari parameter performansi berupa pathloss, doppler shift, path delay, RSL, dan SNR. Simulasi train-to-ground dengan Network Simulator 2 dilakukan untuk mengetahui performansi suatu sistem serta digunakan untuk menghitung parameter QoS seperti delay, jitter, throughput, dan paket loss dengan mempertimbangkan kecepatan dan perbedaan jarak. Dari simulasi yang telah dibuat, memberikan hasil perhitungan QoS dimana nilai end-to-end delay berkisar antara 125 ms hingga 175 ms, nilai one-way jitter berkisar antara 7,39 ms hingga 10,3 ms dan nilai throughput berkisar antara 15 Kbps hingga 483 Kbps yang berubah sesuai kecepatan kereta api.

Pusat Penelitian dan Pengabdian kepada Masyarakat (P3M) PENS menghadapi tantangan dalam pengelolaan judul penelitian dan pengabdian masyarakat yang terus meningkat setiap tahunnya. Hingga kini, sebagian besar judul belum terklasifikasi secara sistematis berdasarkan bidang keilmuan, yang menyulitkan proses monitoring, evaluasi, serta pengambilan keputusan strategis berbasis data. Penelitian ini menawarkan solusi berupa pengembangan sistem klasifikasi otomatis berbasis text mining yang terintegrasi dalam dashboard interaktif. Tujuan utama dari proyek ini adalah membangun model klasifikasi teks untuk mengelompokkan judul berdasarkan bidang keilmuan, serta menyajikan hasil klasifikasi dalam bentuk visualisasi yang mudah dipahami. Model dikembangkan menggunakan tiga algoritma machine learning: Naive Bayes, Support Vector Machine (SVM), dan Random Forest. Proses pembangunan model mencakup tahap praproses data teks, penanganan data tidak seimbang menggunakan teknik resampling, dan optimasi hyperparameter. Dashboard aplikasi dirancang menggunakan Streamlit dengan prinsip user-friendly dan responsif untuk memudahkan pengguna dalam menelusuri dan menganalisis data. Hasil evaluasi menunjukkan bahwa model Random Forest memiliki performa klasifikasi terbaik dengan akurasi 82,24% untuk data penelitian dan 86,15% untuk data pengabdian setelah diterapkan metode Random Oversampling. Sistem yang dibangun telah diuji secara internal dan mendapatkan umpan balik positif dari pengguna, dengan skor kepuasan rata-rata sebesar 4 dari skala 5, menunjukkan bahwa dashboard efektif mendukung pengelolaan data penelitian dan pengabdian secara sistematis dan berbasis data.

Mobile Vending Machine merupakan sebuah mesin penjaja yang dapat berpindah tempat satu ke lainnya. Mesin ini merupakan inovasi dari mesin penjaja yang monoton dan diam di tempat saja dengan merubah sistem dimana bukan pembeli yang mendatangi mesin ini, melainkan mesin ini yang datang ke pembeli untuk mengurangi interaksi antar manusia di masa pandemi ini. Pada penelitian ini lebih berfokus terhadap perancangan dan pembuatan dari sistem mobile robot sendiri sebagai penggerak dari mobile vending machine. Tujuan dari peneliltian ini untuk diimplementasikan di Kampung Pintar Surabaya sebagai daya tarik wisatawan dan membantu UMKM setempat. Mobile robot ini terhubung berada pada bagian bawah vending machine yang membuatnya bisa berpindah-pindah tempat. Mobile robot ini menggunakan sebuah sistem swerve drive yang membuatnya mudah untuk bergerak ke segala arah dalam ruang yang terbatas dimana masing-masing rodanya dapat berputar sebesar 180° dengan ditambahkan kontrol posisi pada setiap masing-masing roda. Roda yang digunakan pada mobile robot ini menggunakan hub BLDC motor dengan diameter 8 inch. Perancangan dari keseluruhan sistem robot ini memiliki dimensi 120cm x 80cm x 50cm dengan rangka utama menggunakan stainless steel dan kemampuan menampung berat maksimal sebesar 70 kg untuk membawa vending machine beserta isinya. Mobile robot ini menggunakan Arduino Mega sebagai mikrokontroler dari keseluruhan sistem. Alat ini menggunakan radio frekuensi remote sebagai kontroler gerak dan sumber listrik yang berasal dari baterai.

Adanya perkembangan penggunaan energi terbarukan dan pemakaian daya listrik PLN memungkinkan keduanya untuk dikombinasikan dan di manajemen, sehingga penggunaan listrik PLN diminimalisir dan penggunaan energy terbarukan dapat dimaksimalkan. Pada penelitian ini dikembangkan alat R-EMS. Alat ini dapat mengatur daya output dari kedua sumber tergantung kebutuhan beban, namun tetap memprioritaskan sumber dari energi terbarukan. R-EMS memiliki beberapa fitur aplikasi yang dapat memonitoring nilai daya pada masing-masing sistem, mengetahui biaya pemakaian beban per bulan, serta terdapat sistem back up yang difungsikan saat listrik PLN padam, sehingga kebutuhan lisrik tidak akan terputus. Pemasangan sensor untuk mengukur Watt-hours yang dikontrol dengan arduino akan secara remote terkoneksi dengan PC. Komunikasi antar sistem menggunakan serial RS-485 yang bersifat multipoint pada sistem mini scada R-EMS. Nilai daya didapatkan dengan monitoring nilai tegangan menggunakan sensor tegangan AC (zmpt101b) dan sensor tegangan DC (pembagi tegangan). Sedangkan nilai arus menggunakan sensor arus ACS 712. Program interface pada PC menggunakan Visual Basic. Sensitivitas nilai sensor arus untuk memonitoring sistem sebesar 5%. Sistem yang dikembangkan saat ini terdapat delay/ jeda waktu selama 17 detik untuk pergantian deteksi sensor yang ditampilkan pada LCD dan monitoring aplikasi R-EMS. Pengunaan solar panel dimaksimalkan 100% untuk pemakaian beban. Saat pemakaian beban lebih dari output daya solar panel, maka akan ada pembagian daya antara solar panel dengan konsumsi listrik pada PLN. Sedangkan pada saat malam hari, daya pemakaian beban akan 100% di supply oleh PLN. Sisa daya dari output PV yang tidak terpakai oleh beban dan tidak dapat mengecas aki akan langsung diberikan/ dijual ke PLN.