Indonesia merupakan negara yang kaya akan sumber energi. Namun dikarenakan lonjakan pertumbuhan penduduk, berakibat pada kebutuhan listrik juga meningkat. Sehingga harus mencari alternatif yang dapat diterapkan untuk mengatasi hal tersebut. Salah satunya yaitu menggunakan panel surya, yang biasa disebut dengan solar charger. Solar charger merupakan sebuah pembangkit yang memanfaatkan panel surya sebagai sumber pembangkitan yang difungsikan sebagai pengisian energi pada sebuah baterai. Kelebihan dari solar charger sendiri yakni sumbernya mudah didapat, ramah lingkungan dan juga dapat mengurangi ketergantungan pada jala jala PLN sehingga cocok dikembangkan untuk memperluas penggunaan renewable energy yang ada di Indonesia di masa yang mendatang. Namun hasil output sebuah panel surya sangat fluktuatif dengan dipengaruhi oleh beberapa aspek. Seperti suhu, intensitas cahaya dan pembebanan yang diberikan. Hal tersebut dapat diatasi dengan adanya konverter, dimana pada proyek akhir ini digunakan konverter bertopologi Buck Converter. Dalam menjalankan tugasnya konverter tersebut memerlukan sebuah perintah yang digunakan sebagai pengontrol yaitu Maximum Power Point Tracking dan PID Controller. Dalam proyek akhir kali ini, digunakan MPPT metode modified incremental conductance dan PID Controller dengan metode analitik yang difungsikan untuk memaksimalkan charging baterai dengan tipe Li Ion. Pada saat menggunakan MPPT, daya charging yang dilakukan akan maksimal yaitu dayanya mendekati daya maksimal PV yaitu berkisar 90,103W hingga 99,981W dan untuk PID akan menstabilkan tegangan keluaran konverter sebesar 12,6V sehingga mengabaikan nilai daya charging. Dan untuk rata rata akurasi MPPT didapati sebesar 99,74 persen dan untuk PID memiliki effisiensi rata rata sebesar 98,64 persen.

Mobil listrik terus berkembang setiap tahun, maka perlu diiringi fasilitas mobil listrik yang memadai untuk pengisian baterai mobil listrik. Oleh karena itu muncul sebuah ide untuk membuat stasiun battery charger mobil listrik. Stasiun battery charger ini sebagai penyedia tegangan 220V yang digunakan untuk pengisian energi listrik pada baterai mobil listrik. Pada stasiun battery charger ini terdapat tarif pembayaran untuk tiap jumlah energi listrik yang digunakan pada proses pengisian. Alat pembayaran berupa smart card yang terdapat nilai pulsa digunakan sebagai pembayaran tarif charging. Pulsa pada smart card tersebut akan dibaca dan dikurangi oleh smart card reader/writer SL025M sesuai tarif. Selama proses pengisian energi listrik, arus (A), tegangan (V), daya (Watt), waktu (menit), energy listrik (Wh) dan tarif (Rupiah) ditampilkan pada LCD. Dengan demikian dalam melakukan pengisian energi listrik pada baterai, pengguna mobil listrik dapat dipermudah dengan adanya alat ini. Alat ini mampu untuk membaca dan mengurangi pulsa sesuai tarif. Alat ini dapat memonitoring proses charging mobil listrik Elvi dengan error energi rata-rata 6,21% dan error tarif rata-rata 7,45% terhadap waktu selama 1 jam pengujian.

Ayam joper atau ayam kampung super berasal dari hasil persilangan antara ayam kampung jantan dan ayam petelur betina dengan tujuan untuk produksi daging. Suhu menjadi salah satu faktor penting pada peternakan ayam joper. Suhu yang tidak sesuai dapat mengakibatkan kematian dan penurunan produktivitas sehingga menyebabkan kerugian ekonomi bagi peternak. Selain suhu, gas berbahaya seperti gas amonia dan gas metana yang berlebihan pada kandang dapat menyebabkan pencemaran lingkungan, penurunan pertumbuhan ternak, dan penyakit ternak. Oleh karena itu penulis membuat suatu sistem yang diharapkan dapat mengurangi resiko permasalahan suhu dan gas berbahaya tersebut yang tersambung langsung dengan aplikasi android Blynk. Mengontrol suhu kandang dengan memanfaatkan sensor DHT22 sebagai pemicu untuk mengaktifkan kipas atau lampu apabila suhu di dalam kandang terlalu panas atau dingin. Mengontrol gas berbahaya pada kandang dengan memanfaatkan sensor MQ4 untuk gas metana dan MQ135 untuk gas amonia sebagai pemicu untuk mengaktifkan kipas apabila kadar gas melebihi ambang batas. Mengontrol buka tutup tirai dengan motor torsi untuk membantu sirkulasi udara dalam kandang. Sistem yang dikembangkan mampu mendeteksi suhu dan kelembaban dengan kesalahan eror paling besar 1 persen untuk suhu dan 0.4 persen untuk kelembaban. Sistem yang dikembangkan mampu mendeteksi kadar gas amonia dan metana dengan kesalahan eror paling besar 0,9 persen. Sedangkan untuk pembacaan kadar gas metana memiliki rata-rata paling besar 20,65 ppm dan paling rendah 5,40 ppm. Waktu yang dibutuhkan untuk penggulungan tirai dengan motor torsi hanya memakan waktu 30 detik.

Dalam era otomatisasi industri, kebutuhan akan sistem transportasi internal yang efisien dan presisi semakin meningkat. Automated Guided Vehicle atau AGV berbasis Differential Drive Mobile Robot atau DDMR menjadi salah satu solusi untuk mendukung pemindahan barang di lingkungan industri. Proyek akhir ini bertujuan mengembangkan sistem navigasi dan kendali kestabilan pada AGV berbasis DDMR, dengan fokus pada kestabilan gerak maju dan perencanaan jalur optimal. Kendali kestabilan diterapkan menggunakan kontrol PID, sedangkan perencanaan jalur dilakukan dengan algoritma A star. Sistem dikembangkan dengan memanfaatkan Arduino Mega sebagai pengendali utama, sensor encoder untuk odometri, MPU6050 untuk estimasi orientasi, sensor ultrasonik dan LiDAR untuk pemetaan serta deteksi hambatan di lingkungan sekitar. Hasil pengujian kontrol PID menunjukkan bahwa robot masih mengalami deviasi terhadap kecepatan dan jarak tempuh yang diinginkan, dengan error rata-rata jarak tempuh sebesar 11,61 persen akibat faktor mekanis, noise sensor, dan parameter PID yang belum optimal. Sementara itu, pengujian path planning menggunakan algoritma A star menunjukkan waktu komputasi lintasan antara 0,76 detik hingga 4 detik, bergantung pada jarak dan kompleksitas peta, dengan deviasi error posisi dalam rentang 2,24 cm hingga 12,04 cm atau 0,74 persen hingga 3,35 persen pada uji coba pertama dan 3,16 cm hingga 29 cm atau 0,10 persen hingga 0,95 persen pada uji coba berikutnya. Penggunaan SLAM Toolbox bersama sensor LiDAR terbukti efektif dalam memperbaiki posisi robot dan mengurangi penyimpangan akibat error odometri maupun kondisi lingkungan. Ini membuat sistem yang dikembangkan mampu membawa AGV menuju titik tujuan dengan akurasi yang cukup baik dan waktu komputasi yang responsif, meskipun kontrol PID masih memerlukan optimisasi untuk meningkatkan stabilitas gerak, sehingga metode yang diimplementasikan memiliki potensi signifikan dalam mendukung pengembangan AGV yang andal untuk aplikasi industri.

Di Indonesia, ada dua bahasa isyarat yang digunakan yaitu, Bahasa Isyarat Indonesia (BISINDO) dan Sistem Isyarat Bahasa Indonesia (SIBI). Perbedaan keduanya yang paling dasar adalah karakteristiknya dimana BISINDO setiap daerah di Indonesia memiliki karakteristik yang berbeda beda, sedangkan SIBI adalah bahasa isyarat yang menjadi standar di Indonesia. Perbedaan yang lain adalah adanya sistem awalan dan akhiran pada SIBI. Teknologi yang ada sekarang kebanyakan hanya berfokus pada isyarat tangan huruf saja. Padahal, pada bahasa isyarat, setiap kata diisyaratkan secara kosaisyarat bukan secara mengeja. Sistem ini dapat mengenali bahasa isyarat SIBI secara real-time. Dengan menggunakan metode Recurrent Neural Network – Long Short-Term Memory (RNN-LSTM), sistem ini dapat mengenali 17 kosaisyarat dengan akurasi 79%. Dataset yang digunakan dibuat secara mandiri yang berjumlah 18 kelas isyarat dimana setiap kelas isyarat bejumlah 960 dataset dimana total dataset yang digunakan dalam training adalah 17280 dataset.