Indonesia merupakan negara yang termasuk ke dalam Ring Of Fire (Cincin Api Pasifik). Kenyataan ini dapat dilihat dengat terdapatnya 129 gunung berapi yang masih aktif dan 10 diantaranya dinyatakan yang paling aktif. Gunung Kelud merupakan salah satu dari 10 gunung tersebut. Erupsi Gunung Kelud sangat sulit untuk diprediksi dan bias meletus kapan saja. Kesiapsiagaan warga sebagai upaya pencegahan dan mitigasi bencana sangat diperlukan untuk mengantisipasi erupsi Gunung Kelud di masa mendatang. Namun pada peta KRB tingkat risiko berdasarkan aliran dan jatuhan material vulkanik tanpa melihat faktor lain yang dirasa juga penting menurut PERKA. Adapun tujuan penelitian pada karya ilmiah ini yaitu menentukan tingkat risiko menentukan, menampilkan dan memetakan tingkat risiko tiap desa di Kawasan Rawan Bencana (KRB) Gunung Kelud di Kabupaten Kediri dan Kabupaten Blitar untuk mitigasi dan penanganan yang tepat pada tiap wilayah. Aplikasi ini mengajukan perhitungan dengan logika fuzzy untuk menentukan tingkat risiko berdasarkan pendekatan dari Peraturan Kepala (PERKA) BNPB No. 2 Tahun 2012. Adapun pendekatan yang memengaruhi meliputi ancaman, kerentanan dan kapasitas. Pendekatan tersebut dijadikan sebagai faktor penentu apakah daerah tersebut masuk dalam tingkat risiko rendah, sedang atau tinggi.

Pertanian merupakan sektor penting dalam penyediaan pangan dan pemenuhan kebutuhan hidup manusia, dengan pengelolaan air irigasi yang efisien menjadi salah satu faktor utama dalam mendukung produktivitas tanaman. Salah satu tantangan yang dihadapi petani adalah kesulitan dalam memprediksi kebutuhan air yang tepat bagi tanaman, terutama dalam menghadapi perubahan iklim yang tidak dapat diprediksi. Untuk itu, penelitian ini bertujuan untuk mengimplementasikan algoritma Deep learning Long Short-Term Memory (LSTM) dalam memprediksi kondisi saluran irigasi pertanian. LSTM dipilih karena kemampuannya dalam menangani data sekuensial dan mempelajari hubungan jangka panjang antara parameter yang memengaruhi irigasi, seperti ketinggian air, debit aliran air, dan curah hujan. Sistem yang dikembangkan terintegrasi dengan teknologi Internet of Things (IoT) untuk pemantauan dan pengelolaan irigasi secara real-time melalui aplikasi berbasis smartphone. Hasil pengujian menunjukkan bahwa konfigurasi terbaik diperoleh pada batch size 32 dan epoch 100 dengan nilai Mean Absolute Error (MAE) sebesar 0.464, Mean Absolute Percentage Error (MAPE) sebesar 3.371%, serta koefisien determinasi (R²) mencapai 0.957, yang menandakan kemampuan model dalam memprediksi kondisi irigasi dengan tingkat akurasi yang baik. Hasil dari sistem ini diharapkan dapat memberikan informasi prediksi irigasi yang akurat bagi petani, sehingga mereka dapat mengambil keputusan yang lebih tepat terkait pengelolaan saluran irigasi dan mendukung keberlanjutan pertanian.

Robot Manipulator Selective Compliance Assembly Robot Arm (SCARA) dengan 4 Degree of Freedom (DoF) dan end effector gripper dirancang untuk memindahkan objek dari satu tempat ke tempat lain. Dalam penelitian ini, metode Forward Kinematic dan Inverse Kinematic digunakan sebagai dasar pergerakan robot. Tujuan dari penelitian ini adalah untuk menunjang penelitian robotika yang dapat digunakan oleh perusahaan untuk meningkatkan efisiensi produktivitas serta keamanan sistem kerja. Metode Forward Kinematic digunakan untuk menghitung posisi end effector berdasarkan sudut motor yang dikendalikan, sementara Inverse Kinematic digunakan untuk menghitung sudut motor yang diperlukan untuk mencapai posisi yang diinginkan pada end effector. Penelitian ini berhasil dirancang dan dikembangkan robot scara 4 dof dengan dimensi panjang lengan pertama 30cm, lengan kedua 25cm,dan lengan ketiga (z-axis) 25cm serta lebar 20cm. Lalu robot ini mengimplementasikan kinematika dan sistem kontrol berdasarkan feedback dengan tingkat error <5%. Selain itu robot ini mampu melakukan gerakan pick and place menggunakan gripper dengan tingkat presentasi keberhasilan sebesar 80%.

Panel surya memiliki daya keluaran yang fluktuatif bergantung pada kondisi lingkungan yaitu iradiasi matahari dan suhu. Untuk dapat memaksimalkan daya keluaran yang dihasilkan oleh panel surya maka diperlukan teknik Maximum Power Point Tracking (MPPT). Dalam penerapan panel surya yang umumnya terdiri dari beberapa unit, dapat terjadi kondisi terhalang sebagian yang disebabkan oleh adanya objek yang menghalangi sinar matahari, kondisi ini dinamakan kondisi partial shading. Akibatnya, kinerja panel surya menjadi tidak optimal karena memproduksi daya yang rendah dan memunculkan beberapa titik puncak daya yang disebut local maximum power point (LMPP) dan global maximum power point (GMPP) yang merupakan titik puncak tertinggi. Metode MPPT konvensional berpotensi terperangkap pada titik LMPP dan tidak mencapai titik GMPP sehingga membutuhkan metode lain yaitu soft-computing. Metode yang diterapkan pada proyek akhir ini adalah Bat Algorithm yang termasuk kelompok metaheuristic. Bat algorithm mengadopsi proses ekolokasi kelelawar, yaitu proses kelelawar mendeteksi letak suatu objek mengunakan kemampuan sonarnya. Bat algorithm diimplementasikan dalam MPPT untuk mengubah posisi (duty cycle) sehingga mendapat nilai terbaik dan menghasilkan daya keluaran panel surya maksimum. Panel surya yang digunakan pada sistem ini berjumlah tiga unit dengan spesifikasi 100 Wp dengan beban DC Electronic Load 60 ohm. MPPT BA diuji secara simulasi menggunakan PSIM pada 6 variasi kondisi normal dan partial shading, pada pengujian mendapatkan rata-rata akurasi tracking 99.85 % dan waktu tracking 1,2 detik. Pada pengujian unilluminated solar panel, MPPT BA mengalami rata-rata kenaikan daya sebesar 74.76 W atau 117.11%. Pada pengujian illuminated solar panel kondisi tanpa shading, MPPT BA mengalami kenaikan dengan rata-rata 42.35 W atau 27.4%. Pada kondisi shading, MPPT BA mengalami kenaikan dengan rata-rata 1.4 W atau 3.3%.

Kesegaran daging adalah faktor utama dalam memilih kelayakan sebuah daging untuk dikonsumsi. Dengan mahalnya daging sapi tersebut ada beberapa oknum yang berusaha mencampur daging sapi yang baru dipotong dengan yang sudah dipotong beberapa waktu. Kondisi ini sangat merugikan kalangan konsumen yang membeli daging sapi segar. Umumnya dalam menentukan kualitas daging dilakukan secara manual dengan kasat mata dan menekan daging untuk mengetahui tekstur dari daging tersebut. Cara ini memiliki banyak kelemahan bila para konsumen tidak jeli untuk membedakan kualitas kesegaran daging tersebut juga, masih menggunakan kontak langsung manusia melalui inspeksi visual dan juga penciuman. Selain itu juga terdapat metode lain yang lebih modern yaitu dengan menggunakan metode pendeteksian secara kimiawi. Namun umumnya proses ini relatif kompleks, memakan waktu yang lama, serta bersifat destruktif (daging yang diuji akan rusak oleh zat kimia). Oleh karena itu sudah sewajarnya dibangun suatu sistem yang dapat mendeteksi tingkat kesegaran daging dengan cepat, akurat dan bersifat non-destruktif. mengidentifikasi tingkat kesegaran daging secara cepat, presisi, dan bersifat non-destructive. dengan menggunakan sensor gas dan sensor warna sebagai alat pendeteksi kesegaran. Alat ini bisa digunakan untuk identifikasi kesegaran daging segar, kurang segar level 1, kurang segar level 2, Busuk dan tidak layak. Pengujian keseluruhan alat dengan 16 pengujian pada sampel data daging segar tidak mengalami kesalahan pembacan, kondisi kurang segar level 1 mengalami 2 kali kesalahan pembacaan yaitu pada kondisi daging segar. kurang segar level 2 mengalami 2 kali kesalahan pembacaan pada kondisi Busuk. Busuk mengalami 1 kali kesalahan pembacaan pada daging tidak layak dan pembacaan Tidak layak mengalami 1 kesalahan pada kondisi busuk. Dari total 16 sempel pengujian terdapat 6 buah sampel daging dengan tingkat kesegaran yang berbeda. Didapatkan persentase kesuksesan dalam pengujian beberapa sempel daging sebesar 62%.