Sepeda Listrik adalah kendaraan tanpa bahan bakar yang ditenagai oleh motor listrik dan tenaga manusia(di kayuh). Seiring dengan perkembangan teknologi bahan bakar, sekarang sudah ditemukan sel bahan bakar yang dapat menghemat energi maupun untuk mendapatkan energi cadangan. Penggunaan sumber energi dapat dimanfaatkan menjadi energi listrik salah satunya penggunaan solar cell yang memanfaatkan energi matahari. Energi listrik yang dihasilkan oleh solar cell tergantung pada radiasi sinar matahari dan temperatur permukaan solar cell. Proses penyimpanan energi listrik memerlukan peralatan yang berupa battery charger. Untuk mencegah kerusakan baterai, dibutuhkan sebuah charge controller yang berfungsi untuk mempertahankan keadaan baterai dengan mencegah terjadinya distribusi arus dan tegangan yang berlebihan pada baterai. Terdapat setidaknya dua jenis charge controller yaitu yang menggunakan teknologi PWM (Pulse width modulation) dan MPPT (Maximum Power Point Tracking). Dalam proyek akhir ini akan dilakukan perancangan penggunaan solar cell untuk sistem charging pada sepeda listrik untuk mengoptimalkan kerja dari solar cell dengan cara mencari titik MPP (Maximum Power Point) dengan metode MPPT (Maximum Power Point Tracking). menggunakan algoritma Perturb and Observe (P&O), kemudian mengimplementasinya menjadi tegangan output dengan boost converter yang dikontrol dengan PWM (Pulse Width Modulation), sehingga dapat menghasilkan daya keluaran dengan efisiensi lebih baik. Alat ini dilengkapi dengan pemutus charging secara otomatis ketika baterai sudah terisi penuh ketika arus 1-3%.dari arus pengisian.

Yoga merupakan olahraga yang fokus pada kekuatan, kelenturan, dan pernapasan yang dilakukan dengan berbagai macam jenis pose. Kesalahan dalam melakukan pose yoga dapat berakibat buruk bagi tubuh. Oleh karena itu pada penelitian ini mengajukan suatu aplikasi berupa website yang dapat menilai pose yoga seseorang dan memberikan informasi bagian tubuh yang masih salah dalam melakukan pose yoga. Untuk melakukan hal tersebut maka dibutuhkan beberapa tahapan, yang pertama adalah pose estimation untuk mengenali pose tubuh seseorang, yang kedua adalah perhitungan threshold untuk menjadi batas sebuah anggota tubuh dapat dikatakan salah, dan yang ketiga adalah membandingkan pose yoga pengguna dengan pose yoga profesional untuk menilai seberapa tepat pose tubuh pengguna dan bagian tubuh mana yang masih salah. Pada tahap pose estimation akan dibuat sebuah model ResNet yang dapat mengenali pose tubuh manusia dengan cara mengidentifikasi keypoint tubuh dari sebuah gambar. Lalu pada tahap perhitungan threshold dilakukan perhitungan kemiripan sudut pada setiap anggota tubuh antara pose yoga profesional dengan beberapa pose yoga yang benar menggunakan cosine similarity, dan nilai terkecil untuk tiap anggota tubuh yang akan dijadikan threshold. Kemudian pada tahap terakhir pose yoga pengguna akan dibandingkan dengan pose profesional dengan cara menghitung kemiripan sudut pada setiap anggota tubuh menggunakan cosine similarity, dan anggota tubuh yang memiliki nilai di bawah threshold merupakan anggota tubuh yang masih salah. Untuk dapat melakukan ketiga tahap tersebut maka dibutuhkan tiga jenis dataset, yang pertama dataset COCO yang berisi gambar dan anotasi keypoint untuk melatih model pose estimation, yang kedua dataset berisi pose yoga yang dilakukan oleh profesional yang digunakan sebagai acuan dan diikuti oleh pengguna, dan yang ketiga dataset berisi gambar-gambar pose yoga yang benar untuk perhitungan threshold. Terdapat 9 pose yoga yang digunakan, yaitu Child's Pose, Swimmer, Downdog, Chair Pose, Crescent Lunge, Planks, Side Plank, Low Cobra, Namaste. Pose yoga yang dapat teridentifikasi dengan benar oleh model yang dihasilkan sebanyak 4 pose, yaitu Chair Pose, Crescent Lunge, Side Plank, dan Namaste. Model untuk estimasi pose yang optimal memiliki nilai akurasi sebesar 78,2%, precision sebesar 60,4% dan recall sebesar 64,5%. Model tersebut didapatkan dengan menggunakan optimizer Adam, epoch sebanyak 30, dan learning rate sebesar 0.0001.

Banyaknya kecelakaan sepeda motor pada pengendara muda yang telah memunyai SIM serta perilaku ugal-ugalan mereka ketika menggunakan hak jalan raya memberikan gagasan pada proyek akhir ini untuk memberitahukan keadaan yang sedang terjadi kepada orang tua tentang jejak berkendara sepeda motor anak mereka pada saat sepeda motor aktif dikendarai. Untuk mewujudkan gagasan tersebut, informasi yang dikirimkan adalah berupa kecepatan, kemiringan, dan posisi terakhir sepeda motor yang dikendarai pengendara ketika parameter(kecepatan dan kemiringan) sepeda motor mencapai batas maksimal yang telah ditentukan oleh sistem. Diharapkan dengan adanya pembuatan proyek akhir ini dapat membantu para orang tua memonitoring perilaku anak-anak mereka tanpa harus menghubungi sewaktu-waktu. Justru dengan adanya proyek akhir ini, informasi akan terkirim sewaktu-waktu ketika batas parameter telah dicapai atau melebihi. Beberapa sensor yang digunakan seperti Rotary encoder yang telah dimodifkasi dengan menggunakan lubang cakram untuk mengukur kecepatan sepeda motor dan IMU(Intertial Measurement Unit) untuk mengukur kemiringan sepeda motor. Dimana proses penghalusan data IMU diterapkan menggunakan filter Kalman. Dan untuk mengetahui posisi terakhir sepeda motor, digunakan SKM53 untuk mengambil data posisi serta WAVECOM untuk mengirimkan informasi terangkum yang dikomputasi oleh ATMega164PA sebagai otak pemprosesan dari seluruh sistem. Keberhasilan alat ini dalam mengirimkan informasi kemiringan dan kecepatan ketika mencapai warning mencapai 100%.

Pada era globalisasi seperti saat ini, listrik telah berubah menjadi kebutuhan pokok yang terus melekat pada kehidupan manusia. Oleh karena itu, PT. PLN (Persero) menjadikan keandalan sistem pendistribusian tenaga listrik sebagai prioritas penanganan yang utama. Peningkatan keandalan sistem pendistrbusian tenaga listrik perlu diimbangi dengan proses transaksi energi listrik yang efektif dan efisien. Pada kWh meter pasca bayar proses perolehan data jumlah energi yang terpakai oleh pelanggan dilakukan dengan membaca kWhmeter pasca bayar tersebut secara manual dengan cara petugas datang ke tiap lokasi kWh meter jenis pasca bayar. Cara mendapatkan data jumlah energi yang dipakai secara konvensional tersebut seharusnya dapat dilakukan dengan cara lain di era serba otomatis ini atau sering disebut dengan era industri 4.0. Penggunaan IoT merupakan salah satu metode yang dapat di gunakan untuk mempermudah pekerjaan pencatatan meter tanpa harus mendatangi lokasi kWh meter. Pada proyek akhir ini dirancang sebuah alat kWhmeter jenis pascabayar yang dapat memonitor jumlah penggunaan energi pada pelanggan dengan menggunakan sensor energi (PZEM-004T) yang dihubungkan melalui mikrokontroller. Sistem yang digunakan bersifat programable yang berarti sistem dapat diatur secara manual melalui aplikasi pada android untuk nilai batas arusnya agar dapat disesuaikan dengan langganan daya pelanggan. Alat ini juga dilengkapi dengan pengaman arus lebih yang sudah terintegrasi dengan mikrokontroller. Dengan demikian, sistem dapat memutus rangkaian ke beban pada saat terjadi gangguan arus lebih dan menyambungkan kembali saat gangguan telah diatasi secara otomatis. Dari hasil pengujian yang telah dilakukan selama 30 menit didapatkan pembacaan energi melalui sensor PZEM-004t adalah sebesar 1230 Wh. Kemudian dari total pengujian selama 30 menit dengan jeda waktu 5 menit, didapatkan hasil rata-rata error pembacaan energi melalui sensor energi (PZEM-004t) jika dibandingkan dengan alat ukur adalah sebesar 21,12093 %. Pada saat nilai batas arus yang dimasukkan adalah 2 A, relay SSR akan dapat memutus rangkaian saat arus yang terdeteksi sebesar 2,3 A. Kwhmeter yang dirancang juga sudah mampu memutus dan menyambung rangkaian menuju ke beban apabila terjadi gangguan arus lebih secara otomatis.

Penelitian ini bertujuan untuk merancang sistem pemantauan suhu dan lokasi secara real-time pada transportasi bergerak untuk mendukung distribusi produk perishable, khususnya apel, dengan menjaga kualitas produk selama proses pengiriman. Sistem ini menggunakan sensor DHT22 untuk mengukur suhu dengan akurasi 0,5C, modul GPS Ublox NEO 6M untuk pelacakan lokasi dengan akurasi hingga 2,5 meter pada kondisi ideal, dan mikrokontroler ESP32 sebagai pusat pengolahan data. Data suhu dan lokasi dikirim melalui teknologi Internet of Things IoT ke platform Firebase dengan enkripsi SHA256 untuk menjamin keamanan dan integritas data. Sistem ini juga dilengkapi fitur penanganan kehilangan sinyal dengan menyimpan data sementara pada memori ESP32 menggunakan struktur FIFO queue, yang kemudian dikirim ulang saat koneksi pulih. Sistem dirancang portabel dengan dukungan powerbank berkapasitas 6000mAh, mendukung efisiensi logistik rantai dingin. Pengujian menunjukkan bahwa sistem memiliki akurasi suhu dengan error rata-rata di bawah 6,45 dan akurasi lokasi dengan error rata-rata 5,18 meter di area terbuka serta 8,54 meter di area tertutup. Sistem ini memberikan solusi skalabel dan andal untuk memantau kondisi suhu dan lokasi, mendukung petani dan distributor dalam menjaga kualitas produk serta meningkatkan efisiensi distribusi pertanian yang berkelanjutan.