Suatu sistem pengambil keputusan yang baik sangat diperlukan karena sistem pengambil keputusan menentukan pilihan tindakan yang akan dilakukan. Dengan luas wilayah Jawa Timur sebesar 47.922 km2 dan dengan jumlah penduduk sekitar 37.476.757 jiwa, pemerintah harus cepat dalam mengambil keputusan apabila terjadi suatu permasalahan. Karena itu dibuatnya sistem pendukung pengambil keputusan ini. Bencana alam tidak dapat dihindarkan dan kita tidak tahu kapan datangnya. Melalui Proyek Akhir ini kita bisa memperhatikan pola kejadian bencana alam. Proyek Akhir ini juga membantu kita untuk menghitung nilai risiko bencana disetiap kabupaten di Jawa Timur. Proyek akhir ini menggunakan Metode Penghitungan Indeks. Metode penghitungan indeks sangat efisien digunakan untuk menghitung nilai risiko bencana pada PERKA BNPB (Badan Nasional Penanggulangan Bencana) No2 Tahun 2012. Selain menghitung nilai risiko bencana proyek akhir ini juga menampilkan dengan menggunakan visualisasi peta pada website yang dibuat sedinamis mungkin dan bersahabat bagi user.

Secara umum, antrian adalah barisan orang atau benda yang menunggu untuk ditangani, urutan antrian biasanya adalah mulai dari awal sampai terakhir atau dari atas sampai bawah. Pada contoh sistem mesin antrian yang telah ada seperti Desain dan Konstruksi Sistem Antrian dengan Microcontroller Atmega 8535 pada Rumah Sakit dan Mesin Kartu Antrian Berbasis Mikrokontroller Atmega16a masih kurang efektif dalam tingkat biaya operasional karena masih terdapat komputer yang mana membutuhkan jaringan internet, namun hal ini dapat diatasi dengan menggunakan mikrokontroler seperti sistem antrian Mesin Kartu Antrian Berbasis Mikrokontroller Atmega16a. Pada sistem antrian ini hanya terdapat satu layanan yang menggunakan push button untuk mengambil nomor antrian, dimana satu layanan saja mengakibatkan penumpukan antrian yang seharusnya dapat dipisah dengan membuat beberapa layanan sesuai kebutuhan customer. Dengan permasalahan yang ada diharapkan mesin antrian ini sangat mudah digunakan dengan memperhatikan beberapa aspek seperti biaya operasional dan sistem pelayanan yang dapat mengurangi penumpukan antrian dengan membuat beberapa layanan yang berbeda dan dapat dimiliki oleh setiap klinik kesehatan atau instansi kecil sehingga dapat membantu dalam mengatur antrian menjadi lebih efektif. Hasil pengujian dari sistem yang sudah dikerjakan yaitu meliputi mesin pencetak karcis, remot pemanggil dan display ruangan. Pengujian yang dilakukan pada mesin pencetak karcis meliputi pengiriman data dari LCD ke Arduino dan printer thermal untuk mencetak karcis, lalu pada remot pemanggil pengujian terhadap OLED untuk menampilkan counter dan menguji koneksi remot pemanggil dengan NRF24L01 dan pada display ruangan melakukan pengujian DFPlayer. Dari pengujian tersebut didapatkan tingkat keberhasilan dengan presentase 100% pada setiap pengujian dari keseluruhan sistem.

Salah satu metode yang digunakan dalam meningkatkan perpindahan panas adalah dengan menggunakan Ribs. Tujuan dari penelitian ini adalah untuk menemukan sudut helix yang tepat, dan panjang pitch ribs untuk meningkatkan perpindahan panas pada pipa lurus. Variasi nilai sudut heliks (10°, 30° dan 50°) dan panjang pitch ribs (10mm, 15mm, dan 20mm) dipelajari dalam aliran turbulen. Penggunaan simulasi numerik pada geometri tiga dimensi dilakukan. Fluida kerja dalam keadaan cair dengan dinding pipa dijaga pada suhu konstan. Hasil penelitian menunjukkan bahwa modifikasi sudut heliks meningkatkan perpindahan panas pada pipa yaitu bilangan nusselt 1,43 kali bilangan nussel plain pipe dan faktor gesekan 1,8 kali. Namun nilai tersebut tidak lebih besar dari pada tanpa penambahan sudut heliks yaitu 1,85 kali nilai bilangan nusselt plain pipe dan 2,4 kali nilai faktor gesekan plain pipe. Nilai PEC terbesar pada variasi sudut helix dihasilkan oleh pipa V-ribs lurus dengan nilai rerata PEC sebesar 1.38. Nilai PEC terbesar pada variasi pitch ribs dihasilkan oleh pipa helical discrete ribs dengan pitch 10mm yang memiliki nilai rerata PEC sebesar 1.19.

Indonesia merupakan salah satu negara yang berada di garis kathulistiwa, yakni daerah yang hampir setiap hari dilalui oleh sinar matahari. Saat ini, kebutuhan akan energi listrik semakin hari semakin meningkat. Oleh karena itu, saat ini telah digencar-gencarkan tentang sumber energi alternatif, salah satunya adalah panel surya. Panel surya merupakan suatu perangkat yang dapat mengubah energi cahaya matahari menjadi energi listrik. Namun, intensitas cahaya matahari yang tidak menentu dapat mengakibatkan daya keluaran panel surya berubah-ubah. Pada proyek akhir ini, energi yang berasal dari matahari akan salurkan ke baterai melalui konverter SEPIC. Namun, pada proyek akhir ini tidak berfokus pada pengisian baterai melainkan fokus pada Maximum Power Point Tracking (MPPT). MPPT dapat digunakan sebagai solusi untuk memaksimalkan daya keluaran dari panel surya tersebut. Pada proyek akhir ini, metode yang digunakan untuk memaksimalkan daya keluaran panel surya adalah Artificial Neural Network (ANN). ANN merupakan salah satu metode komputasi yang didasarkan pada sistem kerja sel syaraf atau neuron. ANN tersebut akan dimasukkan ke mikrokontroler yang digunakan untuk mengontrol duty cycle agar didapatkan daya maksimal dari panel surya. Dimana, variabel yang akan digunakan sebagai input metode ANN pada proyek akhir ini adalah arus short circuit dari panel surya. Sedangkan variabel yang akan digunakan sebagai target dari metode ANN adalah duty cycle. Berdasarkan data hasil pengujian menunjukkan bahwa kontrol MPPT ANN mampu menghasilkan daya maksimum pada berbagai macam iradiasi. Saat dibandingkan dengan daya yang dihasilkan oleh Non MPPT menunjukkan kenaikkan daya antara 0,1 W – 12,63 W pada beberapa sampel data iradiasi. Selain itu, ketika dilakukan pengujian kinerja untuk pengisian baterai selama 120 menit pada pukul 10.30 – 12.30 didapatkan hasil bahwa MPPT ANN mampu menaikkan SOC baterai sebesar 20% sedangkan Non MPPT hanya mampu menaikkan SOC baterai sebesar 15%.

Sawi hijau atau Sawi Caisim (Brassica chinensis var. parachinensis) merupakan sayuran yang kaya akan nutrisi dan digemari masyarakat Indonesia. Namun, produksi sawi mengalami penurunan signifikan, dari 760.608 ton pada tahun 2022 menjadi 686.876 ton pada tahun 2023. Penurunan produksi sawi tersebut disebabkan oleh berbagai faktor, salah satunya pemantauan yang tidak optimal. Tidak sedikit petani sawi yang mengalami kerugian karena kurangnya pengawasan terhadap tanaman mereka. Proyek akhir ini bertujuan untuk mengembangkan sistem pendukung untuk petani berbasis Komputer Visi dan CNN guna memprediksi usia pada tanaman. Penerapan sistem berbasis CNN dan Komputer Visi ini diharapkan mampu mengatasi permasalahan pengawasan yang selama ini menjadi kendala bagi petani. Proyek akhir ini membandingkan arsitektur seperti DenseNet121, InceptionResNetV2, MobileNetV2, VGG-16, dan VGG-19. Berdasarkan hasil pengujian, DenseNet121 menghasilkan akurasi sebesar 0.83, InceptionResNetV2 menghasilkan akurasi 0.88, VGG-16 menghasilkan akurasi 0.89, VGG-19 menghasilkan akurasi 0.86, dan MobileNetV2 memberikan performa terbaik dengan akurasi 0.90. Hasil ini menunjukkan bahwa MobileNetV2 lebih efektif dalam mempelajari dataset usia tanaman sawi pada proyek akhir ini. Sistem ini akan diimplementasikan pada Raspberry Pi 4 dengan hasil klasifikasi yang dapat diakses melalui aplikasi mobile. Berdasarkan pengujian yang dilakukan pada aplikasi mobile, didapatkan pengujian benar sebanyak 30 percobaan dan pengujian salah sebanyak 10 percobaan, maka persentasi keberhasilan sebesar 75%. Sistem ini diharapkan dapat membantu petani meningkatkan hasil panen dengan pemantauan otomatis berbasis data yang akurat.