Pada tugas akhir ini dibahas mengenai perancangan miniatur kontrol valve untuk mengatur keluaran air pada shower secara otomatis dengan tujuan untuk mempermudah pengguna. Sitem ini terdiri dari dua buah tandon diantaranya tandon air panas dan air dingin, rangkaian Power supply, rangkaian ac-ac voltage controller yang berfungsi untuk mengatur sudut penyulutan, rangkaian sensor temperatur yang menggunakan Resistance Temperature Detector atau PT 100, rangkaian sensor level air, dan mikrokontroler ATmega16 sebagai kontroler. Untuk mengatur persentase buka tutup valve menggunakan motor dc 24 V. Sistim ini bekerja berdasarkan masukan dari sebuah keypad dengan batas suhu yang dimasukan yaitu 37^ C - 48^C. Jika pengguna menginginkan suhu, misal 48^C maka hanya menekan tombol keypad dan kemudian kedua valve air panas dan air dingin akan membuka sesuai suhu air yang keluar dari shower.

Pengukuran kepala janin dilakukan saat pemeriksaan kandungan pada ibu hamil menggunakan alat USG (Ultrasonografi). Saat pemeriksaan dilakukan, HC (head circumference) adalah salah satu parameter penting yang harus diukur untuk dapat mengetahui informasi pada bayi seperti mengetahui keabnormalan kepala, umur, serta memprediksi waktu kelahiran. Keakuratan sangat dibutuhkan ketika pengukuran dilakukan. Rendahnya kualitas gambar USG serta lamanya waktu yang dibutuhkan pada pengukuran manual menimbulkan banyaknya variasi nilai yang berbeda dari tiap dokter atau sonographer. Sehingga, hasil pengukuran yang didapat kurang akurat. Dari permasalahan tersebut, dibutuhkan pengembangan deteksi dan pengukuran secara otomatis kepala janin. Salah satunya dengan menggunakan metode learning-based system. Pada penelitian ini terdiri dari 3 tahap utama, yaitu deteksi ROI kepala janin secara otomatis menggunakan metode Haar-cascade, segmentasi menggunakan adaptive threshold dan fitellipse untuk mendapatkan keliling HC. Hasil pengukuran HC digunakan untuk menentukan usia janin serta estimasi waktu kelahiran. Hasil pengujian sistem dapat memberikan tingkat akurasi sebesar 90,05%.

Saluran Kabel Tegangan Menengah (SKTM) merupakan salah satu kontruksi yang digunakan oleh PLN dalam mendistribusikan listrik tegangan menengah. Sambungan kabel tanah merupakan titik yang sering mengalami gangguan. Dalam penggunaan kontruksi ini, PLN mempunyai permasalahan utama, diantaranya yaitu masih belum adanya peta jalur SKTM. Sehingga petugas PLN membutuhkan waktu yang lama dalam proses pencarian sambungan yang mengalami gangguan. Belum terpecahkannya permasalahan tersebut menyebabkan tingkat efisiensi dan keoptimalan penanganan gangguan pada jaringan dengan kontruksi SKTM rendah. Proyek Akhir ini bertujuan untuk memberikan inovasi bagi PLN dalam menyelesaikan permasalahan tersebut dengan menggunakan sistem Radio Frequency Identification (RFID). Dalam penerapannya, alat ini dapat dikombinasikan dengan peralatan yang sudah digunakan dalam proses pencarian lokasi sambungan yang mengalami gangguan yaitu Reflektometer dan Amplifier. Sistem ini memanfaatkan gelombang elektromagnetik yang dihasilkan oleh RFID Reader yang akan diterima oleh RFID tag yang dipendam didalam tanah. Dalam penerapannya, RFID Tag akan dipasang pada kedalaman 30-40 cm sesuai jalur SKTM.

EEPIS Robot Soccer On Wheeled (ERSOW) mempunyai robot kiper yang digunakan sebagai pertahanan untuk mencegah tim lawan mencetak gol. Kemampuan mendeteksi bola merupakan salah satu kemampuan utama yang harus dimiliki oleh robot kiper. Robot kiper membutuhkan kemampuan untuk bisa mendeteksi bola saat melambung di udara. Dalam proyek akhir ini akan dilakukan perancangan sistem deteksi bola pada robot kiper menggunakan Depth Camera yang diletakkan di bagian kepala robot dan menghadap tegak lurus ke arah depan dari sudut pandang robot. Depth camera dipilih karena mempunyai fitur pengenalan objek berbasis 3D sehingga bisa dipakai untuk menghitung jarak antara posisi robot dengan bola meskipun bola tersebut sedang melambung di udara. Data dari depth camera akan disajikan dalam format Red, Green, Blue, dan Depth (RGB-D). Gambar hasil pembacaan kamera dengan format RGB akan diproses menggunakan metode Deep Learning untuk digunakan sebagai deteksi bola. Hasil pengujian deteksi bola diam menunjukkan bahwa akurasi mencapai 98,875%. Pengujian bola menggelinding mencapai akurasi sebesar 90,95%. Pengujian bola melambung mencapai akurasi sebesar 87,5%. Gambar hasil pembacaan kamera dengan format Depth akan diproses untuk estimasi posisi bola. Hasil pengujian estimasi posisi mendapatkan rata-rata error posisi pada sumbu x, y, z masing-masing sebesar 58.04 mm, 77.65 mm, dan 58.71 mm.

Dalam proses evakuasi korban yang terjebak dalam gedung kerap kali ditemui permasalahan yang muncul seperti waktu penyelamatan yang lama karena posisi korban tidak diketahui letaknya secara pasti selain itu jumlah korban tidak bisa diprediksi secara akurat. Pada proyek akhir ini dibuat implementasi sistem manajemen evakuasi dalam gedung perkantoran berbasis bluetooth low energy untuk mempermudah security manager gedung dalam memantau proses evakuasi. Objek yang dijadikan dalam penelitian ini adalah pekerja dalam gedung yang menjadi korban. Sistem evakuasi yang dibuat ini nantinya akan berfungsi untuk mengestemasi posisi dengan metode trilaterasi dan memprediksi jumlah korban yang berada di dalam gedung. Untuk memenuhi konsep ini digunakan 3 jenis skenario peletakan raspi yaitu raspi tersebar, raspi sejajar di sumbu x dan raspi sejajar di sumbu y dimana tiap skenario dibagi menjadi 3 kondisi korban yaitu korban tersebar, korban berkumpul di tengah dan korban berkumpul di pinggir. Dari hasil pengujian akurasi estimasi posisi dengan metode trilaterasi didapatkan dengan menggunakan skenario raspi tersebar nilai error estimasi terkecil ketika kondisi korban berkumpul di tengah yaitu sebesar 0.32 meter. Kemudian dengan skenario raspi sejajar di sumbu x, nilai error estimasi terkecil ketika kondisi korban berkumpul di pinggir yaitu sebesar 7.78 meter dan dengan skenario raspi sejajar di sumbu y, nilai error estimasi terkecil ketika kondisi korban berkumpul di tengah yaitu sebesar 9.27 meter. Selain itu, dari hasil dari pengujian akurasi people counting yang didapatkan rata-rata akurasi total error sebesar 96.67%. Sedangkan untuk estimasi waktu akses website dalam menampilkan informasi korban membutuhkan waktu rata-rata selama 6.719 detik.