Dalam berkendara di jalan tol seperti mobil, bis atau kendaraan umum, sering kali dihadapkan dengan ketidaklancaran dalam berkomunikasi. Banyak hal yang mungkin bisa mempengaruhi hal tersebut, seperti lokasi, sinyal yang tidak terlalu bagus, dan banyak hal lainnya. Pengecekan sinyal dengan metode drive test perlu dilakukan secara berkala untuk mencapai kualitas jaringan 3G/WCDMA yang baik. Drive test pada jaringan 3G/WCDMA dilakukan untuk mengetahui informasi RSCP (Received Signal Code Power), Ec/No (Carrier to Noise Ratio), Call Events, interferensi dan handover. Seiring pentingnya menjamin kepuasan pelanggan jaringan 3G/WCDMA, maka kualitas pelayanan (Quality of Service) harus dijaga dan terus ditingkatkan. Selain itu akan dilakukan perhitungan nilai regresi dan pathloss. Dimana, untuk perhitungan patloss pada jarak 1 Km dengan menggunakan tinggi antenna setinggi 27 meter besar pathloss 127,6 dB, sedangkan pada jarak yang sama bila menggunakan tinggi antenna 22 meter didapat pathloss sebesar 125,9 dB. Agar nantinya berguna sebagai informasi dan mengetahui perhitungan coverage area. Dalam penelitian ini, juga dilakukan pengukuran level daya sepanjang jalan tol Pengukuran. Pengambilan data dilakukan dengan metode drive test dengan software TEMS yang terhubung dengan handset. Dari hasil pengolahan data dapat diketahui hasil pengukuran, kualitas layanan jaringan CSSR dan DCR yang sesuai dengan standar peraturan di Indonesia yaitu pada kecepatan 70 km/jam. Sebab nilai yang terhitung masing-masing adalah 94,11% dan 0%. Setelah itu, dilakukan analisa untuk visualisasi optimasi dengan menggunakan software atoll.

Studi ini berfokus pada pengembangan dan analisis sistem untuk mengidentifikasi kerusakan permukaan jalan, termasuk cekungan berisi air, menggunakan pendekatan pembelajaran mendalam. Penelitian ini secara sistematis mengevaluasi sebuah model deteksi objek terkemuka melalui penyetelan hyperparameter yang ekstensif, menggunakan algoritma Grid Search, Random Search, dan optimisasi Bayesian untuk menentukan konfigurasi pelatihan yang paling efektif. Hasil dari berbagai skenario penyetelan secara konsisten mengidentifikasi kombinasi optimizer Adam dan ukuran batch 16 sebagai pengaturan yang paling optimal, mencapai mean Average Precision berkisar antara 0,73 hingga 0,86 dan presisi akhir 0,77 dengan recall 0,739 dalam pelatihan manual. Dalam uji coba penerapan, NVIDIA Jetson AGX Orin terbukti menjadi perangkat keras yang paling efektif, memberikan kinerja superior dibandingkan PC standar dan Jetson Nano, dan pengujian di dunia nyata menetapkan bahwa kecepatan kendaraan yang optimal untuk deteksi adalah antara 10 hingga 15 kilometer per jam. Temuan utama dari penelitian ini adalah dampak signifikan dari sebuah pustaka optimisasi model, yang secara dramatis meningkatkan kinerja sistem dari rata-rata 21,8 frame per detik menjadi 166,7 frame per detik sambil mengurangi waktu inferensi rata-rata dari 16,7ms menjadi 8,11ms. Peningkatan kinerja ini disertai dengan sedikit penurunan akurasi deteksi sebesar 1 hingga 2 persen, yang menyoroti adanya pertukaran antara kecepatan dan presisi. Akurasi sistem terpantau menurun dalam kondisi setelah hujan lebat, yang menunjukkan bahwa penelitian di masa depan harus menyertakan kumpulan data yang lebih bervariasi untuk meningkatkan ketahanan dalam berbagai kondisi lingkungan.

Hipertensi merupakan kondisi medis serius yang sering kali tidak terdeteksi sejak dini. Untuk mendukung deteksi tekanan darah secara non-invasif dan praktis, dirancang sebuah alat berbasis sensor optik MAX30105 yang terintegrasi dengan mikrokontroler ESP32 dan aplikasi web. Sensor ini digunakan untuk membaca intensitas cahaya inframerah yang dipantulkan oleh aliran darah, yang kemudian diolah menggunakan metode regresi linier guna memprediksi tekanan darah sistolik dan diastolik. Proses pengujian dilakukan pada 112 subjek berusia 20–55 tahun dalam kondisi lima menit setelah beraktivitas. Dari hasil perbandingan antara pembacaan sensor dan tensimeter, diperoleh tingkat akurasi detak jantung sebesar 98,28%. Model regresi linier yang digunakan menunjukkan nilai koefisien determinasi sebesar 80,60% untuk prediksi sistolik dan 76,99% untuk diastolik, yang mencerminkan hasil prediksi stabil terhadap data pengukuran aktual. Hasil tersebut membuktikan bahwa sistem yang dikembangkan memfasilitasi pemantauan tekanan darah dengan lebih nyaman dan efisien tanpa kontak langsung yang berulang, sehingga berpotensi mengurangi risiko komplikasi akibat hipertensi yang tidak terdeteksi lebih awal.

Turbin uap merupakan salah satu komponen kritis dalam sistem Pembangkit Listrik Tenaga Gas dan Uap (PLTGU). Kondisi kehandalan turbin uap perlu dijaga supaya mampu beroperasi secara optimal. Penelitian ini bertujuan untuk mengusulkan strategi pemeliharaan dengan menganalisa reliability dan berdasarkan karakteristik grafik laju kegagalan. Metode yang dilakukan secara kualitatif dan kuantitatif. Metode yang digunakan untuk analisis kualitatif adalah Failure Mode and Effect Analysis (FMEA), FMEA digunakan untuk menganalisis risiko kegagalan dan mengetahui komponen terkritis berdasarkan Risk Priority Number (RPN). Sedangkan, analisis kuantitatif dilakukan dengan menganalisis reliability dan menentukan Mean Time Between Failure (MTBF) dengan mengolah data historis kerusakan. Hasil analisis dengan metode kualitatif menunjukkan bahwa komponen yang tergolong dalam prioritas pemeliharaan adalah adalah nozzle (RPN = 371,7), rotor (RPN = 254,0), diaphragm (RPN = 193,8), labyrinth seals (RPN = 118,3), dan casing (RPN = 111,9). Hasil analisis dengan metode kuantitatif diketahui bahwa secara keseluruhan reliability dari komponen turbin uap mengalami penurunan seiring dengan berjalannya waktu komponen tersebut dioperasikan. Nilai MTBF (Mean Time Between Failure) terendah yaitu pada nozzle (MTBF = 16474,61) dan nilai MTBF tertinggi pada casing (MTBF = 30755,4).

Pada era teknologi digital saat ini banyak pengembangan sistem bantuan pengemudi, dengan fokus pada mengemudi secara otonom agar bisa bernavigasi dengan kemampuan untuk menganalisa pemandangan jalan. Pada penelitian sebelumnya algoritma deteksi jalur yang disajikan dengan mengambil informasi dari kamera. Kontrol pada sistem menggunakan mikrokontroller arduino, informasi geometri kamera digunakan untuk membagi gambar mana yang merupakan bagian jalan dan mana yang bukan bagian jalan. Kemudian gambar jalan berwarna diubah ke bentuk grayscale. Setelah itu ubah ke bentuk biner. Selanjutnya metode Hough Transform digunakan untuk mendeteksi garis marka jalandengan memperhatikan informasi geometri. Lalu diterapkan pada mobil mainan RC, namun pada kemudi tidak disertai metode kontrol. Pada penelitian ini, dibuat sebuah sistem kemudi secara otomatis untuk diterapkan pada mobil listrik dengan menggunakan Image Processing yang diproses mini PC untuk mengikuti garis marka yang dilewati mobil dengan kecepatan yang konstan. Mobil yang digunakan adalah mobil prototype listrik. Hasil dari pembacaan Image Processing digunakan untuk mengatur kemudi mobil dengan menggunakan metode kontrol PID, kemudian kemudi mobil akan dikendalikan motor DC sebagai servo. Berdasarkan hasil pengujian, mobil dapat berjalan diantara garis marka dengan kemudi otomatis. Hasil kontrol sistem navigasi untuk menyelesaikan lintasan lurus dan berbelok dengan kecepatan konstan memiliki tingkat keberhasilan sebesar 66,7%.