Pengembangan game melibatkan berbagai tanggung jawab, salah satunya adalah Game Programmer yang bertugas memprogram game sesuai dengan desain yang dibuat oleh Game Designer. Penting bagi Game Programmer untuk memahami desain game terlebih dahulu dan menerapkan desain sistem serta mekanik yang simpel dan optimal. Proses ini mencakup penulisan struktur program yang rapi dan penggunaan metode yang sesuai dengan genre game, yang memudahkan proses pengembangan. Penerapan konsep Clean Code diperlukan untuk meningkatkan keterbacaan dan pemahaman kode program, sehingga memudahkan pemeliharaan. Manfaat Clean Code meliputi pengurangan kerumitan keterbacaan dan peningkatan kualitas serta keberlanjutan program. Dalam pengembangan game Madosi Ajisaka dengan genre adventure, platformer, dan puzzle, diterapkan desain sistem dan mekanik sesuai prinsip Clean Code. Tujuan utama dari perancangan ini adalah membangun sistem dan mekanik yang sesuai dengan desain game, menghasilkan struktur pemrograman yang optimal dan rapi, serta meminimalkan bug atau error. Hasil pengujian menunjukkan bahwa game dapat dimainkan dengan minim bug atau error, sesuai dengan desain dari Game Designer, dan telah menerapkan konsep Clean Code. Dari hasil pengujian internal, eksternal, dan tambahan game Madosi Ajisaka dapat dimainkan dengan baik, sesuai dengan desain dari Game Designer dan menerapkan konsep pemrograman Clean Code.

Di dalam dunia medis diketahui Elektroensephalogram (EEG) adalah instrumen untuk menangkap aktifitas listrik di otak. Di kalangan masyarakat yang terkena cacat fisik, seperti cacat tak mempunyai tangan atau kaki Pengamatan sinyal EEG dapat membantu masyarakat dimana kita membatu dalam penelitian atau pengamatan dalam sinyal EEG. Cara mendapakna sinyal EEG dengan membuat rangkain instrumentasi EEG dengan beberapa rangkaian aktif seperti Op-Am dan berapa komponen pasif. Hasil pengamatan sinyal EEG dilakukan pada beberapa kondisi aktifitas. Hasil ini bisa dimanfaatkan pada keperluan biologis lainnya seperti membantu orang cacat fisik untuk menggerakan benda-benda di sekitarnya.

Energi Baru Terbarukan saat ini sudah menjadi fokus dari masyarakat dunia dalam mengatasi masalah menyusutnya persediaan dari energi tak terbarukan. Dalam hal ini panel surya merupakan salah satu alternatif energi yang telah diterapkan pada banyak hal di masyarakat. Terdapat kelemahan dalam penerapan panel surya, yakni daya yang dihasilkan dapat berubah-ubah mengikuti dengan iradiasi matahari. Maka dari itu dibutuhkan suatu alat yang dapat membantu panel surya dalam menghasilkan daya maksimum tiap waktunya. Maximum Power Point Tracking (MPPT) controller memiliki peranan penting pada panel surya. MPPT dapat mengoptimasi daya yang dihasilkan oleh panel surya. Daya pada panel surya dapat di optimasi karena MPPT dapat membandingkan nilai daya keluaran yang dihasilkan panel surya dan menentukan nilai daya tertinggi dan memastikan nilai daya keluaran tersebut nilainya tidak berkurang dari nilai daya tertinggi. Pada penelitian kali ini pengolahan data menggunakan algoritma Mountaineering Team-Based Optimization (MTBO) pada MPPT. MTBO merupakan salah satu algoritma terbaru yang mengambil insiprasi dari perjalanan dan perjuangan tim pendakian gunung dalam mencapai puncak gunung. Sistem kali ini akan dibantu dengan menggunakan Buck-Converter sebagai penurun tegangan serta STM32F407 untuk pengolahan data. Beban yang digunakan pada penelitian ini adalah lampu LED Bohlam 12V DC 25W yang akan dibantu dengan Aki 12V 35AH. MPPT MTBO diuji secara simulasi dengan bantuan software PSIM menggunakan pola tanpa shading dan 3 pola shading didapatkan hasil rata-rata akurasi tracking sebesar 99.275% dengan waktu tracking rata-rata selama 0.865 s. Sedangkan MPPT PSO mendapatkan rata rata tracking sebesar 97.342% dengan waktu tracking rata-rata 1.525 s. Hasil Pengujian Algoritma MTBO secara close loop hardware didapatkan Tingkat akurasi MTBO rata-rata 97.25% dengan waktu tracking rata-rata sebesar 3.439% dengan rata-rata kenaikan daya pada tiap pola shading dan tanpa shading sebesar 4.708%.

Menurut estimasi Kementerian Kesehatan RI tahun 2017, jumlah tunanetra di Indonesia mencapai angka 3,75 juta jiwa baik kategori buta maupun lemah penglihatan. Salah satu alat bantu mobilitas bagi tunanetra adalah White Cane. Tetapi alat ini hanya dapat memberikan tanda bahwa terdapat halangan untuk dihindari dan tidak bisa membedakan benda yang ada didepannya. Untuk itu perlu adanya teknologi yang dapat membantu mengatasi permasalahan tersebut. Salah satu bidang penelitian teknologi yang masih berkembang hingga saat ini adalah kecerdasan buatan (Artificial Intelligence). Deep learning yang digunakan untuk pengenalan dan klasifikasi objek adalah Convolutional Neural Network karena banyak digunakan pada penelitian terdahulu dan menghasilkan hasil yang signifikan dalam pengenalan citra. Pada Proyek Akhir ini telah dibuat suatu sistem pegidentifikasi objek dan pengukur jarak untuk mengetahui adanya rintangan/halangan yang berada di depan penyandang tunanetra dan membedakan obyek yang ada didepannya. Untuk mengambilan gambar obyek dilakukan dengan kamera Pi Noir V2, untuk mengukur jarak obyek dengan pengguna dilakukan dengan sensor ultrasonik, dan untuk meproses data dan memberikan output ke earphone dilakukan dengan Raspberry Pi. Sistem pendeteksi dilengkapi dengan algoritma Convolutional Neural Network dengan model MobileNet SSD v2, framework Tensorflow untuk proses rekognisi atau pengenalan dan software eSpeak untuk menerjemahkan ke dalam bentuk suara. Hasil training model dengan menggunakan SGD optimizer memberikan nilai total loss sebesar 0,77. Skenario kedua dengan memanfaatkan adam optimizer dan telah memberikan luaran total loss sebesar 0,69. Dari pengujian yang telah dilakukan kita peroleh bahwa penggunaan adam optimimizer menunjukkan kinerja lebih baik dibandingkan dengan SGD optimizer. Salah satu penyebabnya karena memiliki nilai MAP dan average recall yang lebih besar dibandingkan dengan SGD Optimizer.

Pandemi Corona-Virus Disease 2019 (COVID-19) telah berdampak pada seluruh lapisan masyarakat dan memberikan dampak yang mengganggu pada semua aspek kehidupan, termasuk pendidikan. Selain itu, ini memberi tekanan pada kemampuan pendidik kedokteran untuk beradaptasi dengan situasi unik ini. Pendidik kedokteran dan siswa dari semua bidang yang berhubungan dengan kesehatan dianggap sebagai pembawa potensial ketika mempertimbangkan pendidikan berbasis rumah sakit. Di sisi lain, krisis ekonomi saat ini menghidupkan kembali kebutuhan akan kesempatan belajar online dan program pendidikan virtual. Sebagian besar sekolah kedokteran menanggapi situasi ini dengan beralih ke pembelajaran online atau berbasis video, yang menjadi semakin populer. Dalam menghadapi pandemi, mempertahankan standar dalam pendidikan kedokteran, menjaga pembelajaran klinis pada jalurnya, dan meminimalkan gangguan penilaian adalah tugas yang sulit untuk diselesaikan. Lingkungan baru ini membutuhkan adaptasi untuk lebih mempersiapkan dokter masa depan untuk peran mereka. Dalam penelitian ini, penulis merancang platform pembelajaran medis yang imersif untuk menekankan pentingnya pendidikan virtual dan konsekuensi potensial dari mengintegrasikan pengalaman imersif dari extended reality (XR) ke dalam pendidikan kedokteran untuk masa depan pembelajaran kompetensi klinis dan penilaian dalam perawatan kesehatan. bidang pendidikan. Platform ini dapat berjalan di perangkat PCVR dan standalone VR. Kami telah merancang dan mengembangkan skenario simulasi medis menggunakan pertimbangan pendidik medis atau dokter untuk memastikan bahwa platform yang kami rancang dapat memberikan pengalaman yang mendalam untuk meningkatkan efektivitas kegiatan belajar mengajar online.