Koperasi simpan pinjman yang bertujuan memberikan jasa penyimpanan dan peminajaman modal usaha bagi masyarakat di sekitar. Selama ini transaksi simpan pinjam masih dicatat diatas kertas. Mulai dari transaksi pendaftartan, transaksi pinjaman dan transaksi simpanan, sehingga timbul permasalahan seperti aktfitas pencatatan menjadi lambat dan menghabiskan banyak waktu serta rentan terjadi kesalahan pencatatan dan redudansi pecatatan. Selain ity terjjadi penumpukan berkas dan penagihan pembayaran nasabah yang berulang karena pengecekan masih harus membuka dokumen pembayaran angsuran. Untuk mengatasi permaslahan tersebut maka dibuat aplikasi simpan pinjam yang mampu mempermudaha proses transaksi simpan pinjam dan mempermudah mencari sebuah data yang telah terecord pada aplikasi yang di harap dapat mempercepat proses pengecekan untuk setiap pinjamn dan simpanan pada setap anggota.

Konstruksi merupakan industri yang memiliki risiko tinggi di mana pekerja konstruksi cenderung mengalami cedera selama proses kerja. Helm keselamatan berfungsi sebagai pertahanan awal terhadap cedera serius pada kepala. Namun, karena kurangnya kesadaran akan keselamatan, banyak pekerja konstruksi mengabaikan penggunaan helm keselamatan, meningkatkan kerentanan mereka terhadap cedera. Oleh karena itu, sistem deteksi otomatis penggunaan helm keselamatan sangat penting untuk mendapatkan deteksi secara real-time. Salah satu perangkat edge computing yang diusulkan adalah NVIDIA Jetson Nano yang memungkinkan pengolahan data secara instan. Tugas akhir ini berfokus pada pengembangan sistem yang dapat mendeteksi individu yang menggunakan dan tidak menggunakan helm keselamatan. Untuk menentukan model deep learning yang akan digunakan, dibandingkan dua model YOLOV5: model small dan model nano. Model YOLOV5 nano dipilih karena setelah diuji dan dibandingkan dengan model small, model nano mendapatkan mAP sebesar 0,793 sedangkan model small mendapatkan mAP sebesar 0,077. Model nano menghasilkan 19 Frame per Detik untuk kecepatan komputasi, sedangkan model small menghasilkan 9 Frame per Detik. Secara keseluruhan, penelitian ini bertujuan untuk meningkatkan deteksi penggunaan helm keselamatan dan meningkatkan manajemen keselamatan konstruksi.

Perkembangan teknologi saat ini berkembang sangat pesat dan berbagai inovasi baru mulai bermunculan, di antaranya dalam bidang pertanian, perindustrian maupun transportasi. Teknologi dalam bidang transportasi sendiri telah berkembang cukup pesat, khususnya pada kendaraan listrik. Penggerak dalam kendaraan listrik pada umumnya adalah motor brushless DC (BLDC). Hal tersebut dikarenakan pada motor BLDC memiliki kelebihan yaitu torsi yang cukup tinggi, perawatan yang rendah, tingkat kebisingan yang rendah serta pengaturan kecepatan yang mudah. Dengan beberapa kelebihan tersebut sehingga banyak yang mengembangkan penggunaan motor BLDC tersebut. Saya melakukan perancangan sistem monitoring dan pengaman motor BLDC dengan dilengkapi proteksi arus dan temperatur. Dalam perancangan ini akan dilakukan monitoring pada motor BLDC selama motor BLDC bekerja. Dalam perancangan ini akan terdapat beberapa sensor, diantaranya yaitu sensor arus, sensor tegangan, sensor temperatur, dan kecepatan. Proteksi yang digunakan akan bekerja ketika sensor membaca adanya kelebihan arus serta temperatur yang melampaui batas maksimal. Kontroler akan mematikan relai guna menjaga motor dalam keadaan batas aman.

Inverter merupakan rangkaian elektronika daya yang berfungsi mengkonversi arus searah (DC) menjadi arus bolak-balik (AC). Inverter pada dasarnya menghasilkan distorsi harmonisa cukup besar. Multilevel Inverter (MLI) merupakan jenis inverter yang memiliki beberapa level tegangan output. Inverter jenis ini memiliki kelebihan yaitu THD lebih kecil dari jenis inverter konvensional. Tegangan multilevel inverter menimbulkan harmonisa akibat dari proses pensaklaran, yang mana metode pensaklaran umumnya menggunakan SPWM. Permasalahan ini akan diusulkan optimasi metode modified PWM menggunakan algoritma Differential Evolution (DE). Pada proses optimasi ini dilakukan penjelajahan nilai frekuensi terbaik, pergeseran sudut terbaik, dan amplitudo terbaik. Jenis topologi rangkaian menggunakan Neutral Point Clamped Multilevel Inverter (NPC-MLI) dengan beban resistif. Pengujian secara hardware metode SPWM memiliki THD 26.4%. Dibuktikan dengan simulasi bahwa algoritma dapat menemukan solusi terbaik. Hasil simulasi metode SPWM memiliki THD 31.38% dan simulasi optimasi modified PWM memiliki THD 27.2%.

Botnet adalah salah satu jenis malware yang memiliki ancaman yang paling serius terhadap keamanan cyber dikarenakan botnet dapat dikendalikan oleh seseorang untuk melakukan aktivitas kejahatan dan sulit untuk dideteksi. Dari laporan Global Thread Inteligence Report 2013 dari Solution.inc menunjukan bahwa indonesia saat ini menjadi salah satu negara dengan aktivitas botnet terbanyak di dunia, yakni sebanyak 3% dari seluruh aktivitas botnet didunia dan diperkirakan akan terus meningkat, oleh karena itu perlu penanganan untuk mengatasi serangan botnet. Dalam penelitian ini, kami mengusulkan metode baru yang meningkatkan kinerja IDS untuk mendeteksi botnet. Pertama adalah implementasi arsitektur Big Data agar bisa memproses data dalam jumlah besar, dan kedua terdapat fitur automatic labelling yang dibuat berdasarkan rule-rule IDS yang dibuat sehingga diharapkan deteksi botnet semakin akurat. Dengan menggunakan Support Vector Machine untuk klasifikasi, nilai AUC yang didapat adalah 0.97 sehingga model memiliki kapabilitas yang baik.