Demam berdarah dengue (DBD) adalah penyakit yang disebabkan oleh virus dengue dan ditularkan oleh Aedes aegypti dan Aedes albopictus. DBD masih merupakan salah satu masalah kesehatan masyarakat yang utama di Indonesia. Salah satu wilayah di Indonesia dengan risiko tinggi peningkatan DBD adalah daerah Kabupaten Bojonegoro. Pada awal tahun 2022, jumlah kasus DBD di Kabupaten Bojonegoro merupakan yang tertinggi di Jawa Timur. Penelitian ini menggunakan algoritma K-Medoids sebagai metode pengelompokan atau clustering. Metode K-Medoids didasarkan pada penggunaan medoids bukan dari pengamatan mean yang dimiliki oleh setiap cluster, sehingga dapat mengurangi sensitivitas dari partisi sehubungan dengan nilai ekstrim yang ada dalam dataset. Interpretasi hasil cluster disajikan dalam bentuk peta risiko penyakit DBD. Pengujian performa dilakukan dengan menghitung rata-rata silhouette coefficient. Algoritma K-Medoids memiliki performa cukup baik dengan silhouette coefficient sebesar 0.4055 sedangkan K-Means sebesar 0.3765. Meskipun tidak berbeda jauh, secara umum K-Medoids menghasilkan cluster yang lebih baik daripada K-Means.

Perancangan ini bertujuan untuk menggambarkan pengembangan dan implementasi sebuah game interaktif yang bertujuan untuk memperkenalkan lingkungan di lingkungan kampus PENS PSDKU Lamongan. Game ini didesain untuk memperkenalkan pemain pada berbagai aspek lingkungan kampus, termasuk pengenalan perguruan tinggi, Gedung kampus, Program studi, dan lainnya. Konsep perancangan game ini melibatkan teknologi 3D, dan First Person POV. Selain itu, game ini dirancang dengan memperhatikan faktor-faktor seperti daya tarik visual, informasi yang menarik, dan karakter yang mendukung. Penelitian ini memberikan kontribusi yang bagus dalam bidang promosi dan pengenalan kampus PENS PSDKU Lamongan sehingga dapat dikenal lebih luas. Kesimpulannya, game pengenalan lingkungan kampus ini menawarkan pendekatan informatid dalam meningkatkan promosi kampus pada masyarakat luas. Implikasi dari perancangan ini mencakup potensi untuk mengembangkan lebih banyak game serupa untuk konteks pengenalan yang berbeda serta penggunaan game sebagai alat promosi yang efektif.

Di era milenial saat ini, permintaan akan sumber daya energi akan semakin tinggi, seiring dengan meningkatnya populasi di dunia. Jenis energi terbarukan yang banyak diadopsi adalah photovoltaic cell atau panel surya. Dalam penerapannya, energi atau daya yang dapat dihasilkan oleh panel surya sangat fluktuatif, tergantung pada banyak faktor. Di sisi lain, permintaan dari sisi beban juga berubah secara signifikan sehingga penggunaan panel surya sering tidak dapat menyesuaikan dengan kebutuhan energi pada sisi beban. Oleh karena itu dalam tugas akhir ini, dibuatlah sebuah sistem yang dapat melakukan prediksi daya yang dihasilkan oleh panel surya di wilayah tertentu dan dioperasikan pada intensitas cahaya tertentu secara real-time. Sistem prediksi ini disebut Maximum Power Point Estimation (MPPE). Berbagai metode dapat dilakukan untuk melakukan estimasi daya pada panel, dan metode yang digunakan dalam tugas akhir ini adalah metode Artificial Neural Network (ANN). Untuk dapat melakukan estimasi daya, sistem ini menggunakan dua parameter utama yang diperoleh langsung dari panel surya, yaitu tegangan open circuit (Voc) dan arus short circuit (Isc). Parameter yang diperoleh akan berubah seiring dengan intensitas sinar matahari yang diterima. Oleh karena itu, dengan menggunakan parameter Voc dan Isc sebagai data input algoritma ANN, sistem ini berhasil memprediksi daya maksimum yang dapat dihasilkan oleh panel surya dengan kapasitas 100 WP mengikuti intensitas cahaya matahari yang diterima secara real-time, dengan maksimum error estimasi sebesar 0,587659 % dan rata-rata error estimasi sebesar 0,243954 %.

Seringkali dalam melakukan clustering kita tidak bisa menentukan jumlah cluster yang optimal untuk clustering. Oleh karena itu digunakan algoritma Automatic Clustering agar bisa menentukan jumlah cluster optimal pada suatu dataset. Salah satu metode Automatic Clustering adalah Valley Tracing. Namun saat ini kompleksitas yang umumnya dimiliki oleh algoritma clustering adalah O(n3). Sehingga jumlah data dibandingkan waktu komputasinya berbanding kubik. Hal ini membuat proses clustering akan sangat lama ketika kita menambahkan data dalam jumlah besar. Pada penelitian ini kami mengajukan sebuah pendekatan baru dengan memanfaatkan Parallel Computing dengan metode Socket Programming dan Multi-Threading. Dengan Parallel computing proses komputasi yang dilakukan bisa lebih cepat karena proses komputasi dilakukan di beberapa komputer secara bersamaan. Pendekatan ini memiliki 4 fitur utama untuk menyelesaikan masalah. Fitur pertama adalah Addressing untuk menghubungkan Socket yang terdapat pada server dengan client. Fitur kedua adalah Active Status Detection untuk client mana saja yang aktif dan juga yang busy pada saat pembagian task. Fitur ketiga Task Management bertujuan untuk memanajemen Task yang ada pada komputer server. Fitur keempat adalah Task Pool untuk menggabungkan hasil kalkulasi dari client ke komputer server untuk kalkulasi selanjutnya. Hasil dari percobaan pada penelitian ini, dengan menggunakan 3 buah computer yang saling terhubung menunjukkan peningkatan performa pada komputasi sebesar 62%.

Masalah keselamatan lalu lintas yang disebabkan oleh human error, khususnya pada jalan lurus, menunjukkan perlunya teknologi kendali kendaraan yang lebih andal dan adaptif. Salah satu solusi yang berkembang adalah penggunaan sistem Adaptive Cruise Control, yang mampu menjaga jarak aman dan menyesuaikan kecepatan kendaraan secara otomatis. Penerapan ACC pada kendaraan skala kecil memberikan peluang untuk mengembangkan sistem cerdas berbasis sensor dan model interaksi dinamis. Proyek akhir ini merancang dan membangun sistem ACC pada mobile robot Ackerman skala 1 banding 10 dengan pendekatan Social Force Model. Sistem menggabungkan sensor LiDAR untuk mendeteksi jarak, Fuzzy Logic untuk menentukan tingkat sensitivitas atau gain, dan kendali PID untuk memastikan kecepatan. Arsitektur sistem terdiri dari akuisisi data, pemrosesan gaya navigasi berdasarkan lingkungan, serta aktuasi motor menggunakan sinyal PWM. SFM digunakan untuk menghitung gaya tolak dari objek di sekitar, sementara Fuzzy Logic digunakan untuk menyesuaikan parameter sensitivitas secara dinamis terhadap kondisi sekitar. Hasil pengujian menunjukkan bahwa sistem SFM dengan nilai gain statis berhasil menjaga jarak aman dan stabil pada 5 dari 8 skenario atau 62,5 persen, sementara pendekatan Fuzzy Social Force Model juga mencatat hasil yang sama.