Dewasa ini, musik sudah menjadi salah satu aspek yang tidak dapat dilepaskan dari kehidupan sehari-hari. Musik mempunyai banyak pengaruh terhadap kehidupan manusia. Tidak hanya pada aspek kognitif dan motorik saja, tetapi juga aspek emosional manusia. Setiap orang mempunyai ketertarikan berbeda-beda terhadap musik. Untuk mengetahui ketertarikan seseorang terhadap suatu musik maka perlu dibuat sebuah aplikasi yang dapat mengetahui respon seseorang ketika sedang menyanyikan sebuah musik. Salah satunya yaitu dengan pengenalan ekspresi wajah manusia menggunakan Affectiva Emotion Recognition. Affectiva Emotion Recognition mempunyai banyak fitur. Salah satunya yaitu dapat mengenali ekspresi wajah manusia. Dengan menghitung nilai gerakan mulut yang diambil dari nilai mouth open yang ada pada Affectiva maka dapat digunakan untuk mengetahui ketertarikan seseorang terhadap musik. Nilai gerakan mulut ini akan menghitung selisih antar nilai mouth open lalu akan dihitung nilai rata-rata dan standar deviasi yang akan digunakan untuk menentukan ketertarikan seseorang terhadap musik. Hasil dari pengujian yang telah dilakukan dengan 3 kategori yang berbeda menunjukkan bahwa untuk hasil pengujian yang sesuai pada kategori hafal lirik adalah sebanyak 9 pengujian sedangkan hasil pengujian yang tidak sesuai yaitu sebanyak 6 pengujian. Pada pengujian kategori tidak hafal lirik jumlah hasil pengujian yang sesuai sebanyak 11 pengujian sedangkan hasil pengujian yang tidak sesuai yaitu sebanyak 4 pengujian. Untuk kategori yang terakhir yaitu pengujian kategori baru dengar jumlah hasil pengujian yang sesuai sebanyak 13 pengujian sedangkan hasil pengujian yang tidak sesuai yaitu sebanyak 2 pengujian. Dari hasil pengujian tersebut menunjukkan bahwa presentase keberhasilan pada penelitian ini adalah sebesar 73,33%.

Teknik lokalisasi merupakan kemampuan dari sebuah sensor untuk mendeteksi keberadaan posisinya sendiri dengan mengacu pada keberadaan sensor lain didekatnya, salah satu sensor yang digunakan berbasis Bluetooth Low Energy. Dalam sistem lokalisasi indoor positionning, untuk mendapatkan informasi sensor node dapat menggunakan berbagai metode dan salah satunya adalah dengan RSS(Recieving Signal Strength) dimana terdapat beberapa anchor dalam ruangan dan sebuah unkown node yang bergerak dalam ruangan. Anchor mengirimkan kuat sinyal ke unkown atau sebaliknya, kemudian dari kuat sinyal yang diterima (dBm) dapat diestimasi posisi antara anchor dengan unknown tersebut. Metode yang digunakan dalam lokalisasi adalah fingerprint, yaitu metode bagi pemetaan data yang terukur, misalnya RSS ke dalam grid-point yang meliputi seluruh area lokalisasi. Lokasi diestimasi dari perbandingan antara pengukuran RSS secara nyata dengan pengukuran sebelumnya yang disimpan dalam fingerprint. Selain itu juga menggunakan trilaterasi yang merupakan sebuah metode untuk menghitung koordinat posisi sebuah node dengan menggunakan garis perpotongan dari tiga buah lingkaran anchor node. Didapatkan hasil koefisien path loss exponent sebesar 1,75 dan untuk selisih error sebesar 2,69 meter dari jarak pengukuran 2 meter sampai 22 meter pada area observasi. Dengan menggunakan metode fingerprint dari keseluruhan posisi yang diujikan didapatkan hasil bahwa rata-rata total error estimasi terbesar berada pada posisi ketiga sebesar 3,08 meter dan rata-rata total error estimasi terkecil pada posisi kedua sebesar 1,24 meter serta memiliki range error estimasi terbesar pada posisi kelima dengan range 1,79 sampai 2,39 meter dan terkecil pada posisi kedua dengan range 0,86 sampai 1,22 meter. Dengan menggunakan metode trilaterasi dari keseluruhan posisi yang diujikan didapatkan hasil bahwa rata-rata total error estimasi terbesar berada pada posisi kelima sebesar 6,86 meter dan rata-rata total error estimasi terkecil pada posisi ketiga sebesar 2,24 meter serta memiliki range error estimasi terbesar pada posisi kelima dengan range 3,31 sampai 4,91 meter dan terkecil pada posisi ketiga dengan range 1,27 sampai 1,64 meter. Dari kedua metode yang diujikan metode fingerprint memiliki hasil estimasi posisi yang lebih baik dari pada metode trilaterasi.

Peningkatan kecelakaan di Indonesia semakin meningkat disetiap tahunnya. Berdasarkan data statistik dari Korlantas Polri, jumlah korban kecelakaan pada periode 31 Desember 2019 sampai 31 Maret 2019 mencapai 28.238 orang. Sedangkan pada periode sebelumnya mencapai 25.347 orang. Berdasarkan studi kasus yang dilakukan oleh Khizran Shah, M.S.C.E. and Emelinda M. Parentela, Ph.D., P.E. dari California State University, di Ammerika Serikat cecelakaan kendaraan dan cedera jalan terus menjadi masalah keamanan utama. Menurut Federal Highway Administration FHWA penyebab utama kecelakaan jalan bebas hambatan adalah kesalahpahaman tentang situasi dari sisi pengemudi. Dengan meningkatnya angka kecelakaan tersebut dibutuhkan suatu Tindakan prefentif yang dapat merenduksi kemungkinan terjadinya kecelakaan. Karena itu, berbagai inovasi dalam VANET terus dilakukan, salah satunya yaitu komunikasi Vehicle to Vehicle V2V, Komunikasi V2V digunakan oleh aplikasi yang membutuhkan komunikasi antar kendaraan. Tetapi sistem ini bukan tanpa masalah dan tantangan. Ada beberapa masalah di antaranya masalah privasi dan keamanan data pada komunikasi ini. Bahkan beberapa kendaraan mengalami serangan dan mendapatkan informasi palsu dari kendaraan lain karena terlalu minimnya privasi. Maka dari itu, penulis menawarkan Tugas akhir Vehicle to Vehicle V2V Comuunication Using Assimatric Criptography dimana cara mengatasi masalah privasi tersebut adalah dengan memberikan nama samaran kepada setiap mobil yang disebut Pseudonym didalamnya terdapat informasi-informasi pribadi dari kendaraan tersebut. Sedangkan data yang akan dipertukarkan akan di Enkripsi dengan Assimetric Criptography. Harapan kedepannya sistem ini dapat di implementasikan kepada organisasi yang memerlukan pertukaran informasi melalui kendaraannya. Contohnya perusahaan taxi dan atau rental mobil.

Beberapa kegiatan yang harus dilakukan pelanggan retail supermarket adalah mendorong trolley belanjaan. Trolley yang tersedia di supermarket merupakan trolley manual yang harus didorong oleh pelanggan supermarket. Banyak pelanggan yang disusahkan untuk mendorong trolley ini, khususnya untuk pelanggan yang memiliki kebutuhan khusus atau kesulitan bergerak. Oleh karena itu, pada proyek akhir ini dibuat trolley otomatis yang dapat bergerak mengikuti pengguna. Dengan memanfaatkan image processing, trolley ini dapat mendeteksi arah pergerakan pengguna dan mampu menjaga jarak untuk menghindari benturan. Trolley ini dilengkapi dengan kamera yang mendeteksi posisi pelanggan yang diiikuti kemudian menentukan jarak dan arah pergerakan dari trolley. Sistem trolley pada alat ini mendeteksi keberadaan pelanggan secara real-time menggunakan metode image processing deteksi objek dengan platform Mediapipe yang dapat mendeteksi bentuk kerangka manusia. Dari hasil deteksi kerangka manusia ini, kemudian diambil lokasi arah gerak manusia yang diikuti. Kemudian hasil deteksi akan diolah lagi untuk mengetahui posisi dan jarak objek target yang nanntinya akan digunakan sebagai parameter untuk kontrol gerak. Kontrol gerak trolley akan diatur oleh kontroler PID yang diterapkan pada motor sesuai dengan parameter yang didapatkan. Pada hasil akhir dari pengujian hardware Raspberry Pi 4B dengan RAM 4GB memiliki rata-rata kecepatan proses 4FPS. Pada pengujian estimasi jarak berhasil memiliki rata-rata error pembacaan sebesar 2,71cm. Dan sudut pandang optimal yang berhasil diuji sebesar 15° dengan rata-rata error sebesar 12,64%. Dari hasil pengujian sistem yang telah dilakukan, sistem trolley yang direncakanan dirasa cukup untuk dapat melakukan fungsi human-following.

Motor Induksi merupakan salah satu jenis motor listrik yang paling sering diaplikasikan dalam dunia industri khususnya yaitu motor induksi tiga fasa. Motor induksi memiliki beberapa kelebihan dibandingkan motor jenis yang lain, seperti kontruksinya yang sangat sederhana, harga dan perawatannya yang murah. Namun permasalahannya yaitu ketika motor diaktifkan secara langsung, motor akan menarik arus lima sampai tujuh kali dari arus nominalnya. Arus start yang tinggi tersebut dapat mengakibatkan drop tegangan dan mengganggu sistem dari instalasi. Untuk mengatasi arus start yang tinggi tersebut pada proyek akhir ini akan dilakukan perancangan alat soft starting yaitu dengan mengatur slip motor dengan cara mengatur tegangan masukan pada motor secara bertahap sehingga masalah starting motor induksi tiga fasa dapat teratasi. Dengan adanya feedback dari sensor maka sistem akan mampu menekan arus starting menjadi lebih kecil lagi dibandingkan dengan sistem soft starting tanpa feedback. Dan juga terdapat monitoring yang menampilkan hasil pengukuran arus secara grafik agar dapat mengetahui perubahan nilai arus dengan mudah. Pada alat soft starting ini dipakai untuk motor daya kecil yaitu untuk kapasitas motor 2.2 KW, 4.8 A.