Magang merupakan bagian penting dari pembelajaran berbasis pengalaman yang menghubungkan dunia kerja nyata dengan studi akademik, guna meningkatkan kompetensi profesional dan kesiapan kerja mahasiswa. Di PENS PSDKU Lamongan, mahasiswa menghadapi tantangan dalam menemukan informasi lowongan magang yang sesuai dengan minat, bidang studi, dan rencana karier mereka. Permasalahan ini penting untuk diangkat karena kesesuaian tempat magang sangat mempengaruhi relevansi pengalaman yang diperoleh serta kontribusinya terhadap pengembangan kemampuan mahasiswa. Untuk menjawab tantangan tersebut, penelitian ini mengusulkan pengembangan sebuah website yang menyediakan informasi lowongan magang terkurasi dan menampilkan data riwayat magang mahasiswa sebelumnya. Platform ini diharapkan mampu membantu mahasiswa dalam menentukan pilihan magang yang lebih tepat dan berkualitas. Hasil pengujian usability menggunakan metode System Usability Scale (SUS) menunjukkan skor rata-rata sebesar 68,4, yang menandakan sistem berada pada kategori “diterima” dan memenuhi standar kelayakan penggunaan. Solusi ini diharapkan dapat meningkatkan efektivitas pemilihan magang serta mendukung pengembangan hard skill dan soft skill mahasiswa secara lebih terarah.

Kampung 1001 Malam yang terletak di Kecamatan Krembangan merupakan salah satu pemukiman yang tidak layak huni dan tidak memiliki legalitas wilayah. Masyarakat yang tinggal di wilayah tersebut sebagian besar merupakan kaum marginal yang terpinggirkan. Kondisi wilayah Kampung 1001 Malam dan warganya membangun kepedulian masyarakat untuk memberikan bantuan, baik untuk kebutuhan saat ini maupun bantuan jangka panjang seperti pelatihan. Mahasiswa dan relawan komunitas merupakan bagian masyarakat yang paling berpotensi untuk memberikan bantuan tepat guna. Tetapi, keberadaan Kampung 1001 Malam tidak banyak diketahui oleh masyarakat, khususnya relawan dan mahasiswa. Wilayah Kampung 1001 Malam yang terletak di bawah jembatan tol Dupak menjadi salah satu faktor banyaknya masyarakat yang tidak mengetahui wilayah kampung tersebut. Maka dari itu, video dokumenter dibuat untuk menjelaskan bagaimana kondisi dari penduduk Kampung 1001 Malam kepada masyarakat dan membantu warga kampung tersebut untuk menyuarakan permasalahannya. Diharapkan dengan adanya video dokumenter ini masyarakat mengetahui bagaimana kondisi warga Kampung 1001 Malam dan dapat membantu menyuarakan permasalahan mereka agar segera mendapat perhatian dari pihak yang berwenang.

Jatuh adalah yang paling umum dari peristiwa yang mengancam kehidupan yang dapat terjadi,yang mengarah pada insiden penurunan nilai yang tinggi kesehatan dan gaya hidup lansia. Jumlah kasus lansia terjatuh sangatlah sering. Hal ini diakibatkan tubuh fisik seorang lansia telah mengalami penurunan. Lansia juga sering hidup sendiri ,sehingga tidak ada yang mengawasi aktivitas lansia. Tujuan utama penelitian ini adalah untuk menciptakan alat yang dapat mengenali pola jatuh dan membedakannya dengan aktivitas sehari-hari. Perangkat sensor yang dipakai pada tubuh yaitu akselerometer 3-sumbu yang bekerja berdasarkan gerak tubuh dan gravitasi bumi. Data akselerometer direkam menggunakan sensor MPU-6050, kemudian data akselerometer dikirim ke laptop menggunakan modul ESP8266. Metode pengirim data akselerometer menggunakan metode User Datagram Protocol (UDP). Data akselerometer yang telah dikirim akan disimpan dalam bentuk Comma Separated Value (CSV), lalu CSV tersebut dikonversi menjadi bentuk gambar spektrogram. Gambar spektrogram ini akan menjadi dataset sebelum dilatih menggunakan metode Convolutional Neural Network (CNN). Metode klasifikasi Convolutional Neural Network (CNN) akan diterapkan untuk mengenali pola gerakan jatuh dan membedakannya dari aktivitas kehidupan sehari-hari. Pada penelitian ini, penulis membagi klasifikasi menjadi 3 yaitu diam, berjalan, dan jatuh. Apabila lansia terjatuh perangkat akan mengirimkan peringatan jatuh melalui pesan telepon ke nomor yang sudah terdaftar. Tingkat akurasi dari alat ini mencapai 90%, akurasi tersebut masih terbilang rendah dikarenakan terbatasnya kemampuan sensor. Alat pendeteksi jatuh dapat bekerja hingga 2 hari tanpa henti.

Perkembangan Unmanned Aerial Vehicles (UAV) yang serba cepat dan penggunaannya di berbagai domain, dapat digunakan sebagai pemberi daya alternatif untuk area yang jauh dari Base Station (BS). Pada proyek akhir ini dirancang sebuah sistem komunikasi kooperatif Device-to-Device (D2D) dengan bantuan sebuah UAV sebagai pemberi daya melalui proses Energy Harvesting (EH) dengan protokol Time-Switching Relaying (TSR). Proses EH dilakukan di titik sumber, S dan di titik relay, R dari sinyal RF yang dipancarkan oleh UAV. Proses transmisi dan pengolahan sinyal di relay menerapkan protokol relay Amplify and Forward (AF). Kinerja sistem akan ditunjukkan dalam kurva nilai Outage Probability dan Throughput dengan parameter perubahan Time-Switching factor, perubahan daya UAV, perubahan lokasi D2D, perubahan Harvesting Efficiency factor di S dan R. Dengan mempertimbangkan adanya pengaruh Hardware Impairment dan Interference untuk memaksimalkan nilai Outage Probability dan Throughput. Didapatkan nilai Time-Switching factor, daya UAV, Harvesting Efficiency factor di S dan R yang besar dan lokasi D2D yang dekat menghasilkan nilai yang bagus untuk performansi Outage Probability. Nilai Time-Switching factor yang kecil, daya UAV, Harvesting Efficiency factor di S dan R yang besar dan lokasi D2D yang dekat menghasilkan nilai yang bagus untuk performansi Throughput. Dan jumlah Interference yang sedikit menghasilkan performansi Outage Probability dan Throughput yang maksimal dengan perubahan daya UAV, lokasi D2D dan harvesting efficiency factor di R.

Pada jaringan listrik 1 fasa di rumah tangga, faktor daya yang rendah mengakibatkan rendahnya efisiensi daya, mengakibatkan arus yang dihantarkan meningkat. Peningkatan arus tersebut dapat menimbulkan kerugian seperti panas pada konduktor, penurunan tegangan, dan trip pada sistem proteksi. Faktor daya rendah umumnya dipengaruhi oleh penggunaan beban induktif yang menyebabkan gelombang arus tertinggal (lagging) dari gelombang tegangan. Penelitian ini menerapkan solusi Power Factor Correction (PFC) berupa kapasitor bank. Kapasitor bank bekerja dengan memanfaatkan sifat kapasitif kapasitor sehingga dapat mengkompensasi faktor daya yang sebelumnya lagging menjadi mendekati 1 (unity). Kapasitor bank akan di-switching menggunakan relay oleh mikrokontroller menggunakan algoritma Artificial Neural Network (ANN). Algoritma tersebut digunakan untuk memastikan switching kapasitor akurat dan optimal sesuai dengan parameter yang didapat pada jaringan. Artificial Neural Network yang digunakan akan dilatih dengan data training yang mencakup berbagai kondisi sistem agar switching yang dilakukan sesuai. Adapun parameter yang dijadikan input pada algoritma tersebut ialah tegangan dan error daya reaktif yang terbaca pada sistem. Hasil penelitian menunjukkan bahwa ANN memiliki performa yang lebih cepat dan dapat mengompensasi faktor daya lebih baik dibandingkan PI, ANN memerlukan waktu respon rata-rata 1,216 detik dalam 1 iterasi untuk memperbaiki faktor daya dari rata-rata 0.763719 menjadi 0.986473 (kontrol PI memerlukan 3,238 detik dengan 3 iterasi untuk memperbaiki faktor daya dari rata-rata 0.750669 menjadi 0.977273). Meskipun demikian, ANN memiliki rata-rata persentase kenaikan yang lebih rendah yaitu sebesar 37,37% dibandingkan kontrol PI yang mencapai 41,39%, kedua metode tersebut berhasil mencapai setpoint faktor daya 0,95 dengan rata-rata akurasi 100%.