Keterbatasan sumber energi memicu berbagai negara di dunia melakukan pemanfaatan EBT. Salah satunya adalah energi air yang dapat dimanfaatkan menggantikan pembangkit berbahan bakar fosil. Potensi Indonesia dalam energi hidro sangat besar, dengan penerapan pada bendungan ataupun irigasi. Konsep turbin angin darrieus telah diadaptasi digunakan dalam air. Turbin Helical Darrieus dipilih karena menghasilkan daya, performa yang tinggi dan baik dalam self-starting. Selain itu, jenis ini merupakan VAT yang dapat menerima fluida dari berbagai arah, dan tidak dibutukan mekanisme yaw. Namun, semakin banyak susunan turbin akan berpengaruh kinerja turbin tidak maksimal dikarenakan tingginya aliran turbulen, sehingga jarak turbin perlu diidentifikasi untuk memaksimalkan kinerja performa turbin. Maka dilakukan penelitian secara eksperimen pada pengujian water flume dengan variasi D/S 0.2, 0.16, dan 0.142 dengan parameter yang di ukur antara lain koefisien daya dan tip speed ratio. Didapatkan bahwa pada jarak D/S 0,16 performa omega turbin pertama mencapai 54,794 dengan menghasilkan Cp sebesar 0,139 dan pada turbin kedua omega memiliki nilai 34,738 dengan Cp 0,82. TSR tertinggi pada pengujian dengan jarak D/S 0,16 turbin pertama mencapai 4,474 Nm.

Perkembangan era digital saat ini membuat semua pekerjaan dituntut lebih cepat dan efisien dalam semua bidang. Termasuk bidang kesehatan yang meliputi akses pelayanan rumah sakit mulai dari administrasi hingga jadwal praktek dokter. Semua telah dapat diakses dengan mudah dengan adanya internet. Namun semua palayanan tersebut hanya diperuntukan untuk masalah-masalah besar seperti rawat inap. Dalam kehidupan sehari-hari masalah kesehatan masih menjadi bias di masyarakat. Banyak masyarakat melakukan penganganan masalah kesehatan dengan mitos atau hal-hal yang belum terbukti hasiatnya. Banyak juga masyarakat yang mencari solusi kesehatan dengan cara mengakses internet dimana konten tersebut belum terbukti kebenaranya atau justru akan membahayakan masyarakat itu sendiri. Dengan melihat fenomena tersebut tercetuslah pembuatan aplikasi konsultasi dokter berbasis distributed messaging. Aplikasi ini dibuat dengan menggunakan push notification, sehingga keluhan dari pasien yang dikirim melalui web akan diterima diaplikasi chat milik dokter. Diharapkan dengan adanya aplikasi ini akan memberikan kemudahan bagi masyarakat yang ingin berkonsultasi mengenai masalah kesehatan. Masyarakat akan diberi jawaban langsung dari dokter ahli sesuai dengan bidangnya. Selain lebih cepat dan efisien dalam mendapatkan solusi, jawaban dari para dokter ahli tentunya dapat dipercaya

Laboratorium merupakan fasilitas penting dalam mendukung proses pembelajaran praktikum. Namun, masih sering ditemukan pelanggaran perilaku seperti makan, tidur, dan bermain game HP selama sesi praktikum berlangsung. Hal ini dapat mengganggu lingkungan belajar dan menurunkan produktivitas mahasiswa. Untuk mengatasi permasalahan ini, diperlukan sistem pemantauan perilaku yang efektif dan berjalan secara real-time. Penelitian ini mengimplementasikan algoritma YOLOv8, yaitu metode deteksi objek berbasis Convolutional Neural Network (CNN), untuk mengidentifikasi aktivitas pelanggaran di dalam ruangan secara langsung. Tiga varian model YOLOv8s, YOLOv8m, dan YOLOv8l digunakan untuk mengevaluasi performa berdasarkan akurasi, precision, recall, dan kecepatan deteksi. Hasil eksperimen menunjukkan bahwa YOLOv8m memberikan kinerja paling stabil dan seimbang, terutama pada pengujian video unggahan, dengan nilai precision, recall, dan F1-score tinggi, serta akurasi mencapai 83,33%. Sementara itu, YOLOv8s menunjukkan keunggulan pada pengujian video streaming, dengan F1-score tertinggi sebesar 0,9091, yang menjadikannya pilihan optimal untuk deteksi real-time. Evaluasi dari lima responden menunjukkan bahwa sistem ini mudah digunakan, akurat, dan layak diterapkan secara nyata, serta memberikan beberapa masukan pengembangan untuk tahap selanjutnya. Secara umum, pendekatan berbasis YOLOv8 terbukti mampu mendeteksi pelanggaran peraturan di lingkungan laboratorium dengan akurasi, efisiensi, dan keandalan yang kompetitif, serta mendapatkan respon positif dari pengguna akhir yang relevan dalam konteks implementasi sistem.

Stroke merupakan penyakit tidak menular yang menjadi penyebab utama kematian dan kecacatan di Indonesia. Banyak penderita tidak menyadari gejala awal karena pemeriksaan medis yang umumnya bersifat invasif, mahal, dan tidak praktis. Oleh karena itu, diperlukan solusi teknologi untuk memudahkan deteksi dini secara mandiri, akurat, dan nyaman digunakan. Proyek akhir ini merancang dan membangun alat deteksi stroke dini non-invasif yang mengukur tiga parameter utama risiko stroke, yaitu tekanan darah, gula darah, dan kolesterol, menggunakan sensor optik MAX30105. Sensor ini memanfaatkan prinsip photoplethysmography (PPG) untuk membaca sinyal inframerah (IR) dari ujung jari pengguna, kemudian data yang diperoleh dikalibrasi menggunakan multi-layer perceptron dengan tools Matlab agar dapat dipetakan ke dalam nilai medis. Hasil pengukuran tersebut selanjutnya diproses menggunakan metode regresi logistik, untuk mengklasifikasikan status risiko stroke dalam bentuk "Iya/Tidak". Dalam pelaksanaannya, proyek ini juga mencakup tahap kalibrasi data dengan alat invasif sebagai pembanding, pengolahan data, dan pengujian terhadap responden berusia 20–70 tahun. Hasil penelitian menunjukkan bahwa data kesehatan dikalibrasi menggunakan metode Multi-Layer Perceptron (MLP) dan diklasifikasikan dengan regresi logistik menjadi kategori risiko stroke “Iya/Tidak”. Sistem berbasis ESP32 terintegrasi Internet of Things (IoT) dengan tampilan data secara real-time melalui LCD dan aplikasi Android. Pengukuran kadar gula darah menggunakan sensor MAX30105 menunjukkan tingkat akurasi sebesar 86,79%, sedangkan pengukuran kolesterol sebesar 95,07%, tekanan darah sistolik sebesar 92,75%, dan tekanan darah diastolik sebesar 97,24%. Selain itu, tingkat presisi alat ditunjukkan oleh nilai koefisien variasi yang berada di bawah 2% pada seluruh parameter pengukuran, sehingga menunjukkan hasil yang stabil dan konsisten. Hasil pengujian klasifikasi risiko stroke memperoleh akurasi sebesar 85,71%.

Proyek akhir ini bertujuan untuk mengembangkan robot grafir laser berbasis Arduino Uno yang dikendalikan tanpa menggunakan firmware GRBL. Mesin grafir ini menggunakan konfigurasi cartesian 2 sumbu (X,Y) dengan end effector yang ditopang secara cantilever (ditopang pada satu sisi saja) untuk memberikan produk akhir yang lebih ringkas baik dari segi bobot maupun struktur. Digunakan modul laser head 2500mW untuk menghasilkan ukiran yang tajam dan presisi. Mesin ini menggunakan motor stepper sebagai aktuator untuk sistem penggerak pada sumbu X dan Y yang dikendalikan oleh Arduino Uno menggunakan driver motor A4988 yang terhubung dengan Arduino Uno via CNC shield V3. Implementasi kontrol pergerakan motor stepper pada mesin grafir ini dilakukan melalui pemrograman manual menggunakan Arduino IDE. Pendekatan ini, yang berbeda dari penggunaan firmware GRBL, memberikan fleksibilitas yang lebih besar dalam pengembangan gerakan grafir dan memungkinkan integrasi fitur-fitur spesifik sesuai dengan kebutuhan proyek. Dengan mengimplementasikan metode kontrol yang tidak konvensional melalui pemrograman manual Arduino IDE, mesin grafir laser ini diharapkan tidak hanya meningkatkan produktivitas, presisi, dan fleksibilitas proses grafir, namun juga membuka peluang inovasi yang lebih luas dalam aplikasi grafir kreatif.