Metode naive bayes merupakan pendekatan statistic untuk melakukan inferensi induksi pada persoalan klasifikasi. Metode Naive bayes menggunakan probabilitas bersyarat sebagai dasarnya. Dan dapat mendapatkan suatu hipotesa berdasarkan data. Pada tugas akhir kali ini, telah dibuat suatu bentuk simulasi aplikasi dengan menggunakan metode naive bayes ini. Yaitu dengan pemanfaatan teknologi wireless sensor network (WSN) untuk mengetahui posisi pasien yang berada di dalam suatu ruangan rumah sakit. Simulasinya adalah dengan meletakkan sensor pembaca di dalam suatu ruangan kemudian memasangkan gelang sensor wireless yang dipasang di tangan pasien. Saat sensor membaca data jarak pasien, maka datanya akan dikirimkan ke server namun sebelumnya melalui pengolahan data terlebih dahulu dengan metode naive bayes tersebut. Setelah itu data akan masuk ke dalam database sistem yang selanjutnya akan diolah menggunakan pemrograman jQuery Mobile. Pengunaan pemrograman jQuery Mobile dimanfaatkan ke dalam smartphone yang multi-platform.Mengingat jQuery Mobile ini dapat digunakan di dalam smartphone berbasis system operasi seperti Android, Blackberry, maupun iOS. Penelitian pada tugas akhir ini diperlukan 2 pencarian resiko untuk mendapatkan hasil hipotesa dari metode naive bayes yang lebih baik yaitu menggunakan resiko harapan 1 dan resiko harapan 2. Pada pengujian posisi dan kegiatan pasien dalam kondisi awal didapat hasil yang berbeda antar pasien. Hal tersebut dikarenakan nilai variabel inputnya berbeda-beda dan didapat secara random. Hasil tampilan dan kecepatan akses dalam penggunaan sistem informasi pencarian posis pasien ini, lebih cepat aksesnya jika menggunakan spesifikasi prosessor dan RAM yang baik. Dan juga memiliki layar yang cukup lebar sehingga hasil tampilan menjadi lebih optimal. Kecepatan akses sistem ini kurang dari 1.6 detik.

Inovasi teknologi terus mengalami kemajuan seiring dengan kemampuan manusia dalam mempelajari dan menciptakan hal baru yang didukung pula dengan kemudahan untuk mengakses informasi. Hingga kini perusahaan berbasis teknologi terus berinovasi menciptakan sistem dan perangkat untuk memudahkan kegiatan manusia sehari-hari, salah satunya robot. Robot yang diciptakan tersedia dalam berbagai bentuk fisik maupun fungsi. Perkembangan ini juga membawa manusia ke era digital di mana seluruh perangkat dibuat dapat berkomunikasi menggunakan jaringan. Keseluruhan informasi biasanya harus diketik dari papan ketik dan membuat manusia perlahan meninggalkan kegiatan yang mengharuskan untuk menulis tangan. Padahal tulisan konvensional masih diperlukan karena memiliki nilai sentimental bagi yang melihatnya. Pada proyek akhir ini akan dirancang sebuah prototipe robot kartesian untuk menulis berdasarkan ucapan melalui sistem Google Assistant yang disematkan pada Raspberry Pi. Sistem robot kartesian dikendalikan oleh Arduino Uno yang disematkan GRBL dan akan bergerak sesuai program G-code yang dikirimkan oleh Raspberry Pi 3B. Berdasarkan rancangan robot ini, diketahui bahwa hasil tulisan setiap huruf memiliki tingkat akurasi mencapai lebih dari 75% setiap sumbunya. Tingkat akurasi pada sumbu x mencapai 87,5% dan sumbu y mencapai 76,35%. Kemampuan robot menulis sesuai dengan ucapan memiliki tingkat akurasi hingga 96%. Rata-rata waktu penulisan berdasarkan ucapan untuk setiap kata yaitu berkisar antara 41.43 detik – 73.40 detik.

Di era modern ini, penggunaan Air Conditioning (AC) sudah menjadi kebutuhan sehari-hari. Penggunaan AC ini dibutuhkan untuk menghasilkan kondisi yang nyaman dalam beraktivitas karena suhu merupakan salah satu faktor produktivitas kerja manusia. Sistem kerja AC tidak selalu mencapai suhu order dari pengguna dalam keadaan ruang yang sesungguhnya. Dengan suhu order yang ekstrim, kompresor akan kerja terus menerus sehingga mengakibatkan pemborosan daya bahkan kerusakan pada kompresor. Alat yang dibuat pada penelitian ini, mendapatkan efektivitas dan penghematan daya dalam kerja AC serta dipermudah dengan adanya notifikasi untuk user apabila AC tidak mampu bekerja dengan baik. Sistem kontrol yang dibuat menggunakan metode Knowledge Based System ini diterapkan pada blower indoor AC dan kompresor dalam proses pendinginan ruangan sesuai dengan knowledge atau pengetahuan ruangan dari observasi. Hasil yang didapat sistem ini mampu memberikan penghematan daya melalui kontrol yang diberikan ketika suhu order tercapai mampu menghemat daya sebesar 23,54% dan 50,54% ketika suhu order tidak tercapai dibandingkan dengan tanpa adanya sistem kontrol.

Wayang kulit merupakan karya nenek moyang yang memuat tuntunan dan tontonan sekaligus seni tradisional yang mengagumkan, indah dan berharga. Namun saat ini tidak banyak anak – anak yang paham tentang cerita dan pelajaran yang dimuat dalam kesenian wayang kulit. Banyak yang lebih suka menonton televisi atau menggunakan smartphone. Jika hal tersebut terus dibiarkan, maka budaya Jawa akan lebih sulit dilestarikan. Dan dengan hilangnya budaya Jawa juga bisa mempengaruhi pembelajaran moral dan budi pekerti terhadap anak – anak. Karena itulah diciptakan sebuah terobosan yang cukup menarik, efektif dan mudah digunakan, yaitu aplikasi komik digital cerita wayang kulit berbasis android. Aplikasi ini dilengkapi dengan animasi gerak dan suara yang membuat anak – anak semakin tertarik untuk membaca dan mendengarnya.

Metode Particle Swarm Optimization (PSO) dalam implementasi Maximum Power Point Tracking (MPPT) sering mengalami keterbatasan dalam kondisi partial shading karena kecenderungannya terjebak pada titik Local Maximum Power Point (LMPP), sehingga tidak mampu mencapai Global Maximum Power Point (GMPP) secara optimal. Penelitian ini mengembangkan algoritma current sensorless Maximum Power Point Tracking (MPPT) untuk meningkatkan efisiensi sistem photovoltaic dengan menghilangkan sensor arus, sehingga dapat mengurangi biaya dan kompleksitas perangkat keras. Estimasi arus dilakukan menggunakan model state-space pada konverter synchronous buck-boost, dengan memanfaatkan tegangan input untuk mengestimasi arus induktor, serta membandingkan tegangan kapasitor dan output sebagai umpan balik kontrol. Metode Flying Squirrel Search Optimization (FSSO) digunakan untuk mengoptimalkan proses pelacakan daya maksimum, khususnya pada kondisi partial shading. FSSO menyebarkan duty cycle secara merata dan memilih solusi terbaik sebagai pohon hickory dan acorn, dengan mekanisme eksplorasi dan eksploitasi melalui pembaruan posisi musiman. Seasonal update dengan Lévy flight diterapkan saat sistem terjebak pada lokal maksimum, sedangkan gliding movement digunakan dalam kondisi normal untuk mempercepat konvergensi. Hasil pengujian menunjukkan bahwa pada kondisi non-shading, sistem mampu mencapai daya keluaran mendekati titik daya maksimum (GMPP) dengan akurasi rata-rata 97.02% dan waktu tracking antara 21.44 hingga 25.79 detik. Pada kondisi partial shading (33.3%), algoritma FSSO menunjukkan performa yang jauh lebih unggul dibandingkan PSO, dengan akurasi hingga 99.74% dan daya keluaran yang stabil mendekati GMPP di berbagai tingkat iradiasi rendah. Dengan demikian, algoritma FSSO berbasis current sensorless ini terbukti mampu meningkatkan efisiensi pelacakan daya, menjaga kestabilan output.