Kurangnya kesadaran pengguna kendaraan akan ketaatan pada peraturan lalu lintas sering menjadi pemicu terjadinya pelanggaran, pada area lampu lalu lintas pelanggaran terhadap marka atau lampu sering dilakukan oleh pengguna kendaraan. Oleh karena itu pada tugas akhir dibuat sistem yang dapat mendeteksi dan klasifikasi kendaraan serta pelanggaran yang terjadi. Data yang telah diperoleh bisa langsung dikirim menuju cloud guna menyimpan dan post pada Facebook memberikan informasi untuk proses lebih lanjut. Proses-proses dari sistem yang dilakukan yaitu deteksi kendaraan, klasifikasi kendaraan, dan violation detection kemudian pengiriman data melalui internet. Pada proses deteksi kendaraaan menggunakan metode image substraction, threshold, find contours, BLOB, BLOB tracking dengan menggunakan meanshift algortihm. Sedangakan untuk proses klasifikasi kendaraan dan mengetahui pelanggaran metode yang dipakai adalah garis deteksi, dimana ketika fitur dari BLOB yang didapat harus melewati garis. Hasil pengujian pada counter kendaraan mendapatkan nilai rata-rata 83% dan untuk pendeteksian motor 79% dan mobil 71%. Sedangkan hasil pengujian pelanggaran untuk pelanggaran marka dan pelanggaran lampu masing-masing mendapatkan akurasi rata-rata 58% dan 25%.

Pertanian presisi menjadi pendekatan penting dalam meningkatkan efisiensi dan produktivitas pertanian modern. Penelitian ini mengembangkan sebuah sistem Smart Agriculture berbasis multisensor yang dirancang untuk mendeteksi kondisi kesuburan tanah dan jenis hama penyakit tanaman secara otomatis dan real-time. Sistem ini terdiri dari dua subsistem utama, yaitu sistem deteksi hama berbasis citra menggunakan pendekatan hybrid antara MobileNetSSD dan Faster R-CNN, serta sistem rekomendasi tanaman yang menggunakan pembacaan sensor tanah 7-in-1 untuk mengukur kelembaban, pH, konduktivitas, suhu, dan kadar nitrogen, fosfor, serta kalium. Model deteksi hama berhasil mengidentifikasi enam jenis hama tanaman padi dengan akurasi rata-rata sebesar 93,8 persen. Sistem ini juga menunjukkan peningkatan signifikan dalam kecepatan inferensi, dari 4 frame per detik saat menggunakan CPU Raspberry Pi menjadi 23 frame per detik setelah dioptimalkan dengan akselerator Coral USB. Sementara itu, model Random Forest untuk rekomendasi tanaman mencapai akurasi validasi tertinggi sebesar 99,3 persen, dengan konfigurasi parameter terbaik diperoleh melalui metode Grid Search. Pengujian komunikasi data menggunakan LoRa dilakukan pada jarak 50 dan 100 meter dengan hasil rata-rata delay sebesar 480 milidetik dan 500 milidetik, menunjukkan performa stabil untuk skenario jarak pendek. Evaluasi akurasi lokasi melalui modul GPS menunjukkan deviasi antara 8 hingga 14 meter dibandingkan titik referensi. Sensor tanah menunjukkan pembacaan yang stabil pada tiga jenis kondisi (kering, lembab, dan basah), dengan standar deviasi kelembaban berkisar di bawah 0,2 persen. Seluruh data hasil pengukuran dan klasifikasi divisualisasikan melalui sistem Web GIS berbasis Leaflet. Web ini masih dijalankan secara lokal dan belum dihosting secara daring, namun telah menunjukkan respons cepat dan tampilan interaktif yang informatif. Hasil penelitian ini membuktikan bahwa sistem yang dibangun mampu mendeteksi hama dan menganalisis kesuburan tanah secara presisi, serta memberikan rekomendasi tanaman yang relevan dan dapat digunakan dalam penerapan pertanian berbasis IoT dan kecerdasan buatan.

Permintaan layanan pinjaman bank terus meningkat secara signifikan, menuntut efisiensi dan kecepatan dalam proses evaluasi kelayakan nasabah. Studi ini mengusulkan solusi berbasis kecerdasan buatan (AI) dengan metode Long Short-Term Memory (LSTM) untuk menganalisis data keuangan nasabah guna menentukan kelayakan pinjaman secara otomatis dan efisien. Sistem diuji dengan kumpulan data riwayat keuangan nasabah dari Statlog German Credit Data, yang menghasilkan akurasi prediksi sebesar 86%. Dengan menerapkan teknologi ini, bank dapat meminimalkan waktu proses pengambilan keputusan dan meningkatkan efisiensi operasional, sekaligus memberikan pengalaman yang lebih baik bagi nasabah.

Banyak sekali penelitian tentang robot humanoid yang mempunyai fitur self recovery, seperti yang dilakukan Matthias Kubich dari Humboldt-Universität zu Berlin bahwa robot humanoid bisa self recovery dalam keseimbangan dan dorongan. Penelitian serupa juga dilakukan oleh Mitsuharu Morisawa dari National Institute of Advanced Industrial Science and Technology Jepang bahwa robot humanoid bisa self recovery dalam berhenti darurat ketika ketika ada halangan. Dari semua penelitian sejenis masih belum ada meneliti robot humanoid self recovery yang bisa melakukan berjalan semakin cepat sampai batas kemampuan robot. Oleh karena masih belum adanya penelitian robot humanoid self recovery yang bisa berjalan semakin cepat sampai batas kemampuan robot maka ini menjadikan dasar proyek akhir ini dibuat. Berdasarkan hasil uji coba secara keseluruhan, robot dapat berjalan dengan kecepatan normal sebesar 0,07 m/s dan robot dapat berjalan dengan kecepatan maksimal robot sebesar 0,14 m/s. Fitur self recovery akan aktif ketika robot jatuh karena robot berjalan cepat melampaui batas maksimal robot berjalan dan robot berhasil berdiri dalam waktu dua sampai tiga detik lalu melanjutkan kecepatan jalan robot yang sesuai dengan batas maksimal robot.

Pemantauan konsumsi daya listrik pada gedung Smart Automation Workshop SAW Politeknik Elektronika Negeri Surabaya PENS menjadi hal penting dalam mendukung efisiensi pengelolaan energi. Penelitian ini bertujuan untuk merancang dan mengimplementasikan sistem monitoring konsumsi energi listrik secara real time menggunakan protokol komunikasi Modbus RTU dan MQTT Cloud, serta melakukan studi awal terhadap integrasi protokol BACnet dalam sistem otomasi gedung. Sistem yang dibangun menggunakan sensor PZEM004T untuk mengukur parameter kelistrikan tiga fasa, yaitu tegangan, arus, daya aktif, energi, frekuensi, dan faktor daya. Sensor sensor tersebut terhubung ke mikrokontroler ESP32 sebagai Modbus RTU master melalui komunikasi RS485. Data hasil pengukuran dikirimkan secara berkala ke broker MQTT, kemudian divisualisasikan secara interaktif melalui dashboard Node RED dan disimpan ke dalam database MySQL sebagai data historis. Hasil pengujian menunjukkan bahwa sistem mampu memantau konsumsi energi listrik secara akurat dan real time, serta menampilkan data dalam bentuk grafik yang mudah dipahami. Implementasi komunikasi Modbus RTU berjalan dengan baik pada konfigurasi multislave, sedangkan integrasi protokol BACnet belum sepenuhnya terealisasi karena keterbatasan akses konfigurasi perangkat BACnet. Sistem ini telah memberikan gambaran penggunaan energi listrik secara komprehensif dan dapat membantu dalam menganalisis pola konsumsi energi untuk mendukung penghematan dan pengelolaan energi yang berkelanjutan. Dengan demikian, penelitian ini membuktikan bahwa teknologi Internet of Things IoT berbasis ESP32 dan PZEM004T dengan komunikasi MQTT Cloud serta visualisasi Node RED dapat menjadi solusi efektif dalam sistem monitoring energi listrik gedung cerdas.