Jumlah energi listrik yang digunakan tergantung pada beban yang digunakan. Beban memiliki tiga karakteristik, yakni resistif, induktif, dan kapasitif. Karakteristik-karakteristik ini memengaruhi kualitas daya listrik, yang diukur dengan faktor daya. Semakin tinggi faktor daya dalam sebuah sistem listrik, semakin baik kualitas sistem tersebut. Sebaliknya, jika faktor daya di bawah ketentuan yang ditetapkan oleh PLN (<0,85), penggunaan daya menjadi tidak optimal. Pada sistem kelistrikan rumah tangga setiap konsumen berlangganan daya listrik dalam bentuk Daya Semu (S), nilai faktor daya yang sangat kecil mengindikasikan adanya nilai Daya Reaktif (Q) yang cukup besar, sehingga terkadang konsumen listrik rumah tangga mengalami kejadian trip dikarenakan nilai Daya Semu (S) yang telah melebihi nilai langganan pada PLN. Pada penggunaan listrik rumah tangga, terdapat beberapa beban menggunakan motor induksi (beban induktif) dengan kebutuhan daya reaktif yang tinggi, serta beberapa beban switching yang menyebabkan harmonisa, yang pada gilirannya mempengaruhi kualitas daya dan berdampak pada aspek keuangan konsumen karena pemborosan energi listrik. Untuk memperbaiki faktor daya, perlu membandingkan kebutuhan daya reaktif yang dikonsumsi oleh motor induksi dengan pemberian daya reaktif dari kapasitor bank. Penyesuaian faktor daya dapat bervariasi pada setiap beban, oleh karena itu diperlukan beberapa variasi kapasitor bank agar perbaikan faktor daya menjadi lebih tepat dan mengontrol relay pada setiap kapasitor bank agar pergantian kapasitor dapat dilakukan secara otomatis sesuai kebutuhan beban guna meningkatkan faktor daya hingga mencapai 0,95.

WLAN saat ini sangat populer dalam menyediakan akses internet yang fleksibel kepada pengguna dengan biaya rendah melalui pemasangan access point (AP) di suatu jaringan. Banyak organisasi termasuk universitas dan perusahaan yang menggunakan WLAN untuk memenuhi peningkatan jumlah pengguna dengan menerapkan AP tambahan di dalam jaringan. Namun, penyebaran acak suatu AP dapat menurunkan kinerja komunikasi karena gangguan radio di antara mereka. Maka dari itu, sangat diperlukan sistem WLAN yang adaptif dan elastis terhadap traffic load pada jaringan. Implementasi pada tugas akhir ini dibuat menggunakan Raspberry Pi 3 Model B sebagai WLAN Access Point. Laptop yang difungsikan sebagai perangkat manajemen jaringan dapat mengontrol kebutuhan End-User. Menggunakan beberapa perintah Linux, sistem ini mengumpulkan informasi yang diperlukan untuk algoritma konfigurasi AP pada Raspberry yang berfungsi sebagai optimasi lalu lintas jaringan. Mekanisme pengaturan energi dilakukan dengan cara mengatur power transmit dari access point, sistem yang telah berhasil diimplementasikan mampu menghemat energi pada masing-masing access point sebanyak 35% untuk mendapatkan nilai throughput tertinggi.

Tanah sebagai tempat tumbuh tanaman sangat berpengaruh terhadap proses pertumbuhan tanaman, terutama proses produksi baik dalam hal kuantitas mauapun kualitas. Selain itu faktor kondisi lingkungan juga berpengaruh terhadap pertumbuhan tanaman. Dari banyak faktor yang mempengaruhi pertumbuhan tanaman, faktor tanah yang sangat berpengaruh. Kondisi tanah mulai dari kelembaban tanah, tekanan udara dalam tanah, dan ketahanan tanah menjadi faktor penting terhadap proses pertumbuhan tanaman. Apabila kondisi tersebut tidak diperhatikan maka akan terjadi kelainan pada proses pertumbuhan tanaman, seperti tanaman menjadi layu hingga die-back (mati ujung) yang menyebabkan proses pertumbuhan terhenti. Maka dari itu untuk memudahkan dalam menjaga dan mengamati kondisi tanah dapat memanfaatkan teknologi agriculture sensor berbasis wireless sensor network. Wireless sensor network (WSN) merupakan istilah yang digunakan untuk menggambarkan jaringan perangkat sensor yang terhubung secara wireless untuk mendapatkan data fisiologis dari sensor. Melalui teknologi ini, kita dapat melakukan monitoring kondisi tanah dari data sensor, kemudian di visualisasikan dalam bentuk grafik dan tabel dan disimpan kedalam database sebagai data report. Dari data yang diterima dari node sensor ke node server dapat kita analisa apakah kelembaban tanah pada tanaman termasuk kurang, cukup atau berlebihan.

Pemerintah Indonesia terus mendorong transisi dari sumber energi konvensional menuju energi baru terbarukan untuk memanfaatkan potensi energi berkelanjutan. Sebagai negara kepulauan, Indonesia memiliki potensi besar dalam pemanfaatan energi arus laut. Turbin Savonius merupakan salah satu teknologi yang dapat mengonversi energi arus laut menjadi energi listrik. Turbin ini dapat beroperasi pada kondisi arus rendah dan pola arus bolak-balik. Namun, efisiensi konversi energi pada Turbin Savonius masih tergolong rendah. Penelitian ini bertujuan untuk meningkatkan efisiensi Turbin Savonius dengan menempatkan flow disturbance di sisi hulu turbin. Peneliti menggunakan profil foil NACA 0018 sebagai penggangu aliran. Peneliti melakukan simulasi numerik menggunakan metode Computational Fluid Dynamics untuk menganalisis pengaruh modifikasi terhadap performa turbin. Hasil simulasi menunjukkan bahwa penempatan media NACA 0018 di depan turbin dapat meningkatkan koefisien daya secara signifikan. Pada TSR sebesar 0,77, penggangu aliran NACA 0018 meningkatkan performa turbin sebesar 34 persen dibandingkan dengan turbin tanpa modifikasi. Selain itu, peningkatan performa juga terjadi pada TSR minimum dan maksimum. Penelitian ini membuktikan bahwa modifikasi dengan penggangu aliran NACA 0018 dapat meningkatkan efisiensi Turbin Savonius secara menyeluruh dan berpotensi untuk diterapkan dalam pengembangan energi arus laut di Indonesia.

Teknologi yang ada pada kendaraan saat ini berkembang pesat, dimana kendaraan sudah memiliki kemampuan menyimpan data riwayat kendaraan dari pertama kali sampai terakhir kali digunakan. Teknologi tersebut bernama Electronic Control Unit (ECU) dan ECU ini terhubung dengan On-Board Diagnostic (OBD) dan Malfunction Indicator Lamp (MIL). Dengan memanfaatkan OBD sebagai Scan Tools, mobil dapat menampilkan data monitoring dan dapat melakukan diagnostik kendaraan sendiri (self diagnostic). Karena sistem monitoring ini dirancang berbasis Internet of Things (IoT), artinya sudah diintegrasikan pada kendaraan dengan perangkat sensor yang digunakan untuk keperluan pemantauan dan dikirimkan ke pusat data. Berdasarkan IoT references model, teknologi ini memiliki komponen antara lain: sensor fisik, konektivitas, edge computing, data akumulasi, data abstraksi, visualisasi, dan kolaborasi. Sensor yang digunakan berupa On Board Diagnostic (OBD2), dan Global Positioning System (GPS). Komunikasi data (konektivitas) pada sistem ini menggunakan wireless maupun wired. Data dari sensor tersebut diolah oleh Raspberry Pi (sebagai mini PC) dikirimkan ke VPS / Virtual Private Server (sebagai data center) melalui protokol MQTT-Socket.IO (sebagai edge computing dan data abstraksi) dan ditampilkan pada LCD berupa GUI. Data yang sudah diterima dari pusat data disimpan di database (sebagai data akumulasi) serta dikirimkan ke user agar dapat ditampilkan dan visualisasi data berupa grafik maupun peta melalui perangkat smart phone.