Proyek ini membahas terkait perancangan dan implementasi sistem penyiraman dan pemupukan otomatis berbasis Programmable Logic Controller (PLC) yang diterapkan dalam greenhouse. Sistem ini dirancang untuk mengurangi ketergantungan terhadap tenaga kerja manual, serta meningkatkan efisiensi penggunaan air dan pupuk dengan pengendalian yang terjadwal dan terukur. Perangkat utama terdiri dari sensor kelembaban tanah CWT-soil-THCPH, sensor suhu dan kelembaban udara SHT20, modul RTC, pompa air, dan solenoid valve. Sensor kelembaban mampu membaca tingkat kadar air tanah dalam satuan persen (%) dengan nilai 8,5% untuk kondisi kering, 18,7% untuk kondisi normal, dan 68,1% untuk kondisi basah. Sistem dikendalikan menggunakan logika waktu, dengan penyiraman dilakukan dalam 4 sesi harian, masing-masing terdiri dari 3 siklus selama 20 menit. Diperoleh data suhu udara sebesar 34–39°C dan kelembaban udara sebesar 50–67%. Sistem ini dapat diatur ulang sesuai kebutuhan tanaman dan sangat cocok untuk skala pertanian modern yang mengutamakan efisiensi dan otomatisasi.

Saat ini arus pertukaran informasi sudah sangat cepat berkat pesatnya perkembangan internet. Keamanan informasi yang melalui internet tentu menjadi hal yang penting untuk dijaga agar informasi tersebut tidak bocor dan dimanfaatkan oleh pihak-pihak yang tidak berwenang. Salah satu cara untuk mengamankan suatu informasi tersebut yakni dengan menggunakan kriptografi dan steganografi. Kriptografi digunakan untuk mengubah pesan informasi ke bentuk yang tidak dapat dimengerti lagi. Sedangkan steganografi digunakan untuk menyisipkan sebuah pesan rahasia ke dalam media penampung seperti misalnya gambar atau suara sehingga seseorang tidak akan menyadari akan adanya pesan rahasia tersebut. Kombinasi metode kriptografi dan steganografi ini bertujuan untuk memberikan tingkat keamanan yang tinggi terhadap data informasi. Dalam Proyek Akhir ini algoritma dan metode yang digunakan adalah algoritma kriptografi AES (Advanced Encryption Standard) yang merupakan standar enkripsi kunci simetris saat ini dan metode steganografi LSB (Least Significat Bit). Selain itu, ditambahkan proses kompresi menggunakan metode Shannon-Fano yang bertujuan agar jumlah informasi yang dapat disisipkan lebih besar. Integritas data diuji menggunakan metode SHA-1 (Secure Hash Algorithm 1) untuk memastikan bahwa proses enkripsi dan dekripsi telah berjalan dengan baik. Begitu pula kualitas citra digital setelah penyisipan pesan informasi akan mengalami penurunan kualitas. Oleh karenanya perlu dilakukan pengujian dengan menggunakan metode PSNR dan MSE. Dari pengujian menggunakan 3 format citra digital berbeda (PNG, JPG, dan BMP), kualitas stego image tidak mengalami perubahan yang signifikan dilihat dari nilai PSNR-nya yang selalu di atas ambang toleransi (40 dB) dengan waktu embedding-ekstraksi kurang dari 1,5 sekon. JPG merupakan format terbaik untuk cover image dengan PSNR-nya 77,368 dB sedangkan BMP merupakan format terbaik dalam performa kecepatan embedding (0,281 sekon) dan ekstraksi (0,145 sekon).

Sektor pertanian tanaman pangan memiliki peran krusial bagi ketahanan pangan nasional, namun petani masih terkendala oleh ancaman serangan hama dan kurangnya adopsi teknologi. Saat ini, pemantauan hama dan kesehatan padi umumnya masih mengandalkan pengamatan manual di lapangan. Hal ini menyebabkan lambatnya mitigasi karena keterbatasan jangkauan area dan subjektivitas penilaian. Untuk mengatasi masalah tersebut, penelitian ini merancang sistem informasi geografis berbasis web (WebGIS) bernama "Jaga Padi Cluster". Orisinalitas penelitian terletak pada integrasi algoritma Fuzzy C-Means (FCM) untuk klasifikasi kondisi sawah yang dipadukan dengan logika aturan (rule-based) parameter cuaca BMKG guna mencegah prediksi positif palsu (false positive). Skala pengujian sistem mencakup area persawahan di Kecamatan Balongpanggang, Kabupaten Gresik. Metodologi diawali dengan ekstraksi Normalized Difference Vegetation Index (NDVI) citra satelit Sentinel-2 Level-2A dari Google Earth Engine (GEE). Data tersebut diklasterisasi menjadi lima zona, dikonversi ke GeoJSON, lalu diintegrasikan menjadi peta interaktif menggunakan Flask dan Leaflet.js. Hasil eksperimen menunjukkan sistem efisien memproses 657.510 piksel data dalam waktu 19,93 detik, dengan kecepatan muat peta 0,97 detik. Evaluasi algoritma mengonfirmasi 5 klaster sebagai titik optimal dengan nilai Silhouette Score 0,5280 dan Davies-Bouldin Index 0,5647. Keandalan ini telah divalidasi melalui observasi lapangan (ground truth), membuktikan tingginya presisi sistem dalam memisahkan zona sehat dan zona berisiko secara matematis maupun fisik.

Internet adalah sebuah hal yang biasa bagi manusia di era Informasi. Dengan internet kita dapat berkomunikasi dengan orang lain tidak mengenal jarak. Hal ini dimanfaatkan oleh beberapa kampus di dunia khususnya Politeknik Elektronika Negeri Surabaya (PENS) untuk membuka program studi Pendidikan Jarak Jauh. Mahasiswa yang mengikuti program studi ini dapat kuliah via internet. Proses perkuliahan bisa dilakukan dalam berbagai model salah-satunya tele-conference. Untuk melakukan tele-conference, PENS menggunakan aplikasi Big Blue Button. Aplikasi ini berbasiskan Flash dengan protokol RTMP untuk melakukan transfer data. Aplikasi ini cukup canggih, namun terdapat sebuah kekurangan yaitu aplikasi ini hanya bisa berkomunikasi satu arah. Oleh karena itu, pada proyek akhir ini dibuat aplikasi prototype yang memiliki fitur kurang lebih sama seperti aplikasi yang sudah ada namun dengan tambahan multi-presenter, sehingga user dapat berinteraksi satu-sama lain di e-board secara bersamaan. Sehingga aplikasi ini meningkatkan interaktifitas dosen dengan mahasiswa.

Keterlambatan informasi pasca-kecelakaan lalu lintas sering kali menghambat pertolongan darurat dan meningkatkan risiko fatalitas bagi korban. Maka, perlu adanya suatu sistem yang secara responsif mampu mendeteksi adanya indikasi kecelakaan serta tahan dalam segala kondisi medan cuaca dan kepadatan lalu lintas. Untuk mengatasi hal ini, penelitian ini mengembangkan sistem deteksi kecelakaan mobil berbasis Convolutional Neural Network (CNN) yang mengintegrasikan sensor IMU dan mikrofon melalui arsitektur parallel computing pada perangkat edge NVIDIA Jetson Nano. Sistem terdiri dari dua model klasifikasi, dimana model pertama dilatih dengan data audio yang diubah menjadi citra Mel-spektogram, dan model kedua menggunakan data IMU dari sensor virtual. Untuk tujuan evaluasi, metodologi penelitian ini melibatkan perancangan dan perbandingan empat arsitektur CNN pada masing-masing model. Hasil terbaik diperoleh dari model CNN berbasis Mel-spektogram untuk data IMU dengan akurasi 95% dan efisiensi daya 2,77 FPS/W, serta MobileNetV2 Lite untuk data audio dengan akurasi 96% dan efisiensi daya 4 FPS/W. Pada pengujian terpadu, sistem mencapai akurasi 87%, presisi 90%, kecepatan end-to-end sebesar 0,33 FPS, dan konsumsi daya 7,4 W saat beroperasi. Sistem juga dilengkapi fitur notifikasi darurat melalui Telegram yang didukung oleh modul GPS dengan deviasi rata-rata 9 m. Dengan demikian, Penelitian ini menunjukkan potensi pengembangan lebih lanjut untuk implementasi di dunia nyata.