Permasalahan akses informasi pertanian yang akurat dan responsif masih menjadi hambatan bagi petani dalam mengelola hama dan penyakit tanaman. Penelitian ini mengembangkan sistem chatbot cerdas berbasis Retrieval-Augmented Generation (RAG) yang mampu menjawab pertanyaan pengguna menggunakan informasi dari dokumen PDF dan basis data pertanian. Chatbot ini terintegrasi dalam sistem digital pertanian bersama modul deteksi hama berbasis YOLOv8 dan peta interaktif berbasis OpenStreetMap. Model chatbot menggunakan Gemini Flash 2.0 sebagai Large Language Model (LLM) yang dikombinasikan dengan FAISS untuk pencarian berbasis embedding. Evaluasi dilakukan terhadap kemampuan chatbot dalam menjawab pertanyaan eksplisit dan implisit, baik dari basis data (SQL) maupun dokumen tidak terstruktur. Hasil eksperimen menunjukkan bahwa chatbot dapat memberikan jawaban yang relevan untuk pertanyaan eksplisit, meskipun masih terdapat keterbatasan pada pertanyaan implisit dan visual. Sistem ini dapat digunakan sebagai alat bantu dalam mendukung pengelolaan informasi pertanian secara digital.

Sampah plastik merupakan sebuah permasalahan yang dapat menimbulkan banyak efek negatif terhadap lingkungan. Efek negatif ini terutama berdampak terhadap lingkungan sungai. Surabaya merupakan penyumbang sampah plastik terbanyak kedua di Indonesia. Di sini peneliti berupaya untuk mengurangi efek negatif tersebut dengan cara melakukan pengawasan dan pemetaan risiko. Metode yang digunakan untuk pengawasan adalah image classification. Selanjunya, gambar dari kelas plastik akan dihitung jumlah plastik yang ada dalam satu gambar menggunakan RGB filetering dan neighborhood windowing untuk menghitung jumlah sampah plastik pada suatu gambar. Kemudian akan dilakukan proses clustering untuk mengelompokkan gambar menjadi kelas risiko. Sedangkan untuk prediksi risiko menggunakan linier regression. Penelitian ini dapat dilakukan dengan cara memasang alat Raspberry Pi dengan kamera di pinggir sungai Surabaya. Penelitian ini menunjukan bahwa image classification menunjukan keakurasian yang tinggi dengan akurasi mencapai 100 persen dengan epoch sedikit menggunakan library Keras. Tetapi membutuhkan waktu yang cukup lama. Image classification menggunakan library ALI membutuhkan waktu lebih sedikit. Kemudian perlu adanya proses pengurangan noise untuk menghitung jumlah sampah menggunakan neighborhood window.

Standar telekomunikasi time division multiple access (TDMA) yang mana merupakan suatu teknologi yang mampu mengirimkan beberapa informasi melalui sebuah channel dengan menempatkan tiap informasi pada sebuah timeslot, biasanya akan dibarengi dengan teknik Frequency Hopping yang mampu mentransmisikan informasi pada frekuensi berbeda tiap durasi waktu tertentu. Keseluruhan sistem ini merupakan dasar dari sistem FH-TDMA yang digunakan oleh global system for mobile communication (GSM). Namun hingga sekarang belum ada aplikasi simulator mengenai sistem dasar dari FH-TDMA yang dapat membantu mahasiswa memahami proses pengolahan sinyal pada FH-TDMA. Pada proyek akhir ini akan dibuat suatu simulasi kerja dasar dari sistem FH-TDMA. Simulasi dilakukan dengan menggunakan dua file rekaman sinyal wicara yang dianggap sebagai dua buah channel dari pelanggan yang sedang melakukan panggilan. Kedua sinyal wicara akan disampling dan dikodekan dengan fs dan panjang bit tiap sampel sesuai dengan standar yang dikeluarkan ITU (International Telecommunications Union) yaitu 8000 sampel per detik dan 8 bit per sampel sehingga jumlah level kuantisasi yang digunakan 28 = 256 level. Untuk simulasi proses multipleksingnya tiap timeslot akan berisi 8 bit dan tiap frame TDMA terdiri dari 2 timeslot sehingga akan terdapat 16 bit dalam satu frame TDMA. Selanjutnya sesuai dengan rekomendasi dari ETSI (European Telecommunications Standards Institute) berkenaan dengan frequency hopping, pada simulasi ini tiap frame akan ditransmisikan dengan frekuensi yang berbeda. Disediakan sebanyak 256 frekuensi berbeda dan keacakan proses ‘hop’ frekuensi ditentukan dari deret Gold Code yang diproduksi oleh PN Generator. Hasil akhir dari proyek akhir ini berupa modul simulasi sistem FH-TDMA. Program yang digunakan untuk membuat simulator adalah GUI matlab.

Seseorang cenderung tidak memikirkan apa yang mereka rasakan dan tidak menyebutkan apa yang benar – benar mereka pikirkan, sehingga dapat menghasilkan hasil yang bias terutama disaat seseorang diharuskan untuk menilai suatu foto untuk mendapatkan impresi dari suatu foto. Dari permasalahan tersebut, peneliti membuat sebuah aplikasi berbasis web yang mengurangi hasil bias yang dihasilkan oleh seseorang dan menentukan impresi yang ditimbulkan oleh suatu foto berdasarkan ekspresi wajah seseorang. Dari platform web ini dapat diketahui beberapa hal seperti kesan apa dan ekspresi wajah apa yang dapat ditimbulkan oleh suatu foto, serta foto seperti apa yang menimbulkan ekspresi pada seseorang. Sistem pengenalan ekspresi wajah dibangun dengan menggunakan metode Eigenfaces, Facial Landmark, dan Support Vector Machine. Sistem web ini mampu untuk mengenali ekspresi wajah manusia dan memberikan hasil foto yang dapat menimbulkan ekspresi pada manusia.

Perkembangan teknologi robotika saat ini sangat pesat, terutama dalam upaya membantu penyandang disabilitas fisik untuk menjalankan aktivitas sehari-hari secara mandiri. Namun, banyak perangkat bantu prostetik yang ada masih memiliki keterbatasan dalam hal kemudahan operasional dan keterjangkauan bagi masyarakat luas. Urgensi penelitian ini terletak pada tingginya kebutuhan akan tangan robot prostetik yang mampu merespons instruksi pengguna secara presisi dan real-time melalui sinyal otot. Tanpa akurasi kontrol yang tinggi, perangkat tersebut tidak akan efektif dan justru berisiko menyulitkan pengguna dalam melakukan gerakan motorik halus. Solusi yang ditawarkan dalam proyek akhir ini adalah pengembangan robot tangan berbasis mikrokontroler yang dikendalikan melalui sensor Electromyography EMG. Tujuan utama penelitian ini adalah merancang sistem kendali yang mampu menerjemahkan kontraksi otot lengan menjadi gerakan mekanik mengepal dan terbuka secara akurat. Klaim orisinalitas dalam penelitian ini terletak pada optimasi penempatan sensor pada titik otot Flexor Carpi Radialis untuk mendapatkan sinyal yang paling stabil dan bersih dari gangguan noise. Skala penelitian ini berfokus pada pengujian performa sistem dalam empat posisi lengan yang berbeda guna memastikan mobilitas pengguna tidak mengganggu fungsi robot. Metodologi penyelesaian masalah dilakukan dengan mengintegrasikan sensor Myoware ke mikrokontroler untuk memproses sinyal analog, yang kemudian dikonversi menjadi perintah gerak bagi motor servo sebagai penggerak jari-jari robot. Kinerja sistem dievaluasi melalui serangkaian eksperimen pengujian fungsional pada empat posisi lengan yang berbeda Posisi A, B, C, dan D dengan masing-masing sepuluh kali percobaan per kondisi. Hasil uji coba menunjukkan tingkat keberhasilan yang sangat baik, dengan rata-rata akurasi keseluruhan mencapai 88,75. Analisis data menunjukkan bahwa akurasi tertinggi sebesar 90 dicapai pada Posisi A, B, dan C, sementara sedikit penurunan terjadi pada Posisi D dengan akurasi 85, hal ini menunjukkan bahwa sistem memiliki stabilitas yang tinggi untuk mendukung aktivitas pengguna dalam berbagai postur tubuh.