Dalam melakukan pembelian produk online, masyarakat akan selalu memperhatikan ulasan sebagai media untuk mengetahui penilaian terhadap suatu produk. Ulasan ini jumlahnya sangat banyak, sehingga tidak memungkinkan untuk dilakukan analisa secara manual. Selain itu, kecenderungan masyarakat yang hanya membaca hasil review terbaru saja dengan jumlah sedikit, akan menghasilkan kesimpulan penilaian yang kurang tepat. Oleh karena itu, melalui tesis ini diajukan pendekatan untuk sentiment analisis terhadap suatu produk smartphone menggunakan metode naïve bayes classifier dan kamus data sentiwordnet, untuk dapat melakukan analisis terhadap ulasan yang tersedia, dalam jumlah besar secara otomatis. Ulasan yang ada diambil dari dua sumber, yaitu twitter dan GSMArena. Hasil uji coba memberikan kesimpulan bahwa metode naïve bayes jauh lebih baik daripada metode sentiword dalam ulasan sumber twitter. Sedangkan pada ulasan sumber GSMArena, sentiword sedikit lebih unggul daripada metode naïve bayes. Hal ini terjadi dikarenakan data twitter berisi lebih banyak iklan dibandingkan dengan sentimennya, sebaliknya GSMArena berisi lebih banyak sentiment, sehingga untuk pengenalannya jelas lebih unggul, karena berdasarkan pada kamus data sentiwordnet yang selalu diupdate, sedangkan pada naïve bayes lebih independen terhadap data ujinya dan sangat bergantung pada data trainingnya. Untuk tingkat akurasi metode sentiword berkisar antara 52%-67%, sedangkan dengan metode naïve bayes tingkat akurasinya berkisar antara 64%-74%. Hal ini terjadi dikarenakan terdapat sumber data dan jumlah data yang berbeda-beda untuk setiap percobaan yang dilakukan, yaitu tergantung pada hasil preprocessing untuk pembersihan datanya, jumlah data yang digunakan, sumber datanya (twitter atau GSMArena), serta penggunaan rule-nya.

Diagnosis penyakit sangatlah penting untuk mencari tahu penyakit yang sedang diderita oleh pasien sehingga dokter dapat melakukan pencegahan sebelum penyakit menjadi semakin parah. Untuk mendapatkan diagnosis penyakit, maka dokter melakukan identifikasi gejala dengan menggunakan teknik anamnesis. Teknik anamnesis merupakan proses tanya jawab antara pasien dengan dokter untuk mengetahui gejala yang diderita oleh pasien tersebut. Hasil dari anamnesis tersebut, akan disimpan ke dalam Electronical Medical Record (EMR) dalam bentuk narasi. Hasil narasi tersebut akan membantu dalam proses Clinical Decision Support (CDS). Namun, hasil EMR masih kurang akurat dikarenakan tata bahasa yang digunakan masih kurang tepat. Agar komputer dapat memproses diagnosis secara tepat, maka dengan menggunakan Natural Language Understanding komputer dapat mengenali bahasa manusia. Pada penelitian sebelumnya, sistem masih menggunakan Natural Language Processing dan belum bisa mendiagnosis suatu penyakit serta aplikasi masih belum berbasis mobile. Sehingga, pada tugas akhir ini akan dibuat Aplikasi Mobile Diagnosis Penyakit Berbasis ICD-11 dengan Menggunakan Natural Language Understanding. Dimana sistem ini akan bekerja secara mobile dengan masukan suara. Sehingga, pasien tidak perlu bertatap muka dengan dokter secara langsung dan pasien mendapatkan hasil diagnosis yang akurat sesuai dengan gejala yang diderita berdasarkan rujukan ICD-11. Dari hasil pengujian yang dilakukan dengan lima percakapan, didapat nilai akurasi sebesar 93%

Teknik lokalisasi pada Jaringan Sensor Nirkabel (JSN) memiliki beberapa keunggulan jika dibandingkan dengan Global Positioning Sistem (GPS) yaitu, biaya yang relatif rendah, low power, mobilitas tinggi dan dapat beroperasi pada tempat yang sulit dijangkau sinyal GPS. Jaringan Sensor Nirkabel terdiri dari node sensor yang memiliki kode (ID) unik dan disebarkan secara acak, node yang diketahui posisinya dikatakan sebagai anchor node. Sedangkan node lain yang tidak mendapatkan informasi posisi disebut dengan unknown node. Untuk mendapatkan informasi posisi unknown node inilah dapat dikatakan sebagai masalah lokalisasi pada implementasi JSN. Tujuan dari penelitian ini adalah membuat perangkat node sensor yang mampu melakukan lokalisasi posisi secara terdistribusi berdasarkan kuat sinyal yang diterima dari node yang lain dan dapat mengestimasi posisi sendiri (self organizing) serta melakukan komunikasi secara kooperatif dengan server dan node lain. Anchor node yang berada dalam area Radio Frequency (RF) unknown node akan memberikan informasi data sensor kepada unknown node menggunakan perangkat XBee berstandar IEEE 802.15.4. Received Signal Strength Indicator (RSSI) digunakan untuk parameter estimasi jarak antar node sensor menggunakan metode pemodelan kanal log-normal shadowing. Dari hasil pemodelan log-normal shadowing didapatkan nilai path loss exponent untuk kondisi free space, LOS dalam ruangan dan NLOS masing-masing adalah sebesar 2,01, 1,79 dan 3,05. Sedangkan estimasi posisi dari penggunaan mertode trilateral menghasilkan error pada kondisi LOS dalam ruangan sebesar 3,402 meter dan 2,093 meter untuk kondisi NLOS (obstacle).

Saat ini mekanisme pencatatan perbaikan gangguan listrik pada PT. PLN (persero) Rayon Tandes Surabaya menggunakan cara manual. Terdapat 2 gangguan yang ditangani oleh petugas, yaitu gangguan yang dapat langsung diperbaiki dan gangguan yang membutuhkan material atau yang biasa disebut sebagai gangguan memo. Namun dalam praktiknya, perbaikan gangguan sering terhambat karena petugas harus mencari satu persatu data yang dibutuhkan dan juga terkadang petugas harus menunggu adanya stok material yang dibutuhkan untuk perbaikan. Untuk mengatasi masalah tersebut maka dibangunlah suatu sistem yang dapat memberikan solusi alternatif dalam proses pelayanan gangguan listrik. Tidak hanya dengan menyajikan data secara terkomputerisasi namun juga dapat memberikan reminder sebagai pengingat untuk perbaikan yang harus ditangani dan untuk pengadaan material. Sehingga semua petugas dapat melaksanakan setiap tugas dengan maksimal dan dapat bekerja lebih cepat dalam menanggapi pengaduan pelanggan.

Hampir semua kegiatan yang dilakukan oleh manusia sekarang ini mengandalkan sebuah mesin atau perangkat teknologi yang didesain untuk mempermudah pekerjaan. Salah satu jenis mesin yang tak terlepas dari kebutuhan, diantaranya adalah mesin blower, yang berfungsi untuk memperbesar atau menaikkan tekanan udara yang kemudian akan dialirkan ke dalam sebuah ruang. Untuk menunjang kebutuhan terhadap blower tersebut, termasuk dalam skala kecil yaitu untuk praktikum, perlunya adanya kontrol terhadap blower agar tekanan udara yang dihasilkan sesuai dengan keperluan. Sistem kontrol yang diusulkan pada proyek akhir ini yaitu berbasis kontrol PI (Proposional Integral) sebagai sistem kendali yang cepat dan akurat, untuk menjaga tekanan udara yang dihasilkan blower pada set poin yang telah ditentukan, kemudian akan diproses oleh mikrokontroller dan akan menyulut buck converter melaui PWM, dimana buck converter akan mengatur kecepatan putaran blower. Tekanan udara yang dihasilkan blower dikoreksi ulang melalui sensor tekanan udara yang terbaca pada mikrokontroller yang nantinya sebagai pembanding tekanan udara set poin dengan tekanan udara yang dihasilkan. Dimana pada penelitian ini menggunakan 3 macam set poin, yaitu kenaikan 640.12 Pa, 422.52 Pa, 215.18 Pa. Hasil yang diperoleh akan diberikan gangguan berupa ditutupnya Valve tempat keluar tekanan udara hingga pada kisaran 50%, kontrol PI dengan K_p = 7.65 dan K_i = 23.18, dengan perbandingan kisaran kenaikan tekanan udara yang sama ketika Open Loop dan Close Loop, mampu mengembalikan kenaikan tekanan udara yang dihasilkan blower dengan rata-rata 2.85 detik dan %Error rata-rata pada saat steady state sebesar 1.59%, serta pada saat starting menghasilkan rise time 2 detik dan settling time 2.3 detik.