Budidaya udang vaname memegang peranan penting bagi perekonomian Indonesia, namun sangat bergantung pada pengelolaan kualitas air yang kompleks. Studi ini menjawab tantangan tersebut dengan mengusulkan Sistem Pendukung Keputusan (SPK) menggunakan Fuzzy AHP (FAHP) yang terintegrasi dengan Totally Integrated Smart Aquaculture System (TISAS) untuk Indonesia. SPK ini memanfaatkan pengumpulan data IoT, FAHP untuk penilaian kualitas air multi-kriteria, dan Model Jumlah Tertimbang (WSM) untuk analisis data. Hasil penelitian kami menunjukkan keefektifan sistem dalam menilai kualitas air secara akurat (misalnya, skor WSM 0,7127 menunjukkan "Baik") dan mendukung pengelolaan tambak yang optimal, yang pada akhirnya mengarah pada peningkatan produktivitas budidaya udang vaname.

Pemanfaatan energi matahari sebagai energi terbarukan yang ramah lingkungan dan merupakan salah satu sumber energi yang sifatnya tidak akan pernah habis merupakan solusi yang tepat untuk memenuhi kebutuhan energi listrik yang semakin besar. Solar Home Energy merupakan gambaran rumah dengan sumber yang berasal dari energi matahari. Energi matahari selanjutnya disimpan pada beterai menggunakan charger battery. Dalam tugas akhir ini forward dc-dc conveter digunakan sebagai charger battery untuk menyuplai daya pada rumah mandiri dari energi matahari dan disimpan pada baterai 96 V 45 Ah. Untuk mengontrol keluran dari forward dc-dc conveter digunakan fuzzy logic controller agar menghasilkan tegangan pengisian yang konstan sesuai dengan set point. Output dari proyek akhir ini didesain untuk tegangan 110 V 4,5 A, akan tetapi dalam aplikasinya desain forward dc - dc converter hanya mampu menghasilkan tegangan charging sebesar 100,5 V dengan demikian terjadi error 8,63 % dari perencanaan. Sementara itu arus charging sebesar 1,4 A sehingga errornya cukup besar yaitu 63,89 % dari arus charging perencanaan

Pengembangan industri di Indonesia berkembang pesat, sehingga membutuhkan perhatian terhadap masalah faktor daya oleh perusahaan milik negara seperti PLN. PLN memberikan ambang batas minimum 0.85, kepatuhan terhadap standar faktor daya sangat penting bagi industri di seluruh Indonesia. Ketidakpatuhan terhadap standar ini mengakibatkan penalti dan ketidakefisienan dalam penggunaan listrik. Untuk mengatasi faktor daya rendah yang disebabkan oleh beban induktif seperti motor, algoritma logika fuzzy tipe 2 digunakan untuk meningkatkan faktor daya mendekati satu, yang diilustrasikan oleh konverter boost interleaved tanpa jembatan. Mempertahankan faktor daya di atas 0,85 sangat penting untuk mengoptimalkan penggunaan listrik, mengurangi biaya operasional, dan mendukung upaya keberlanjutan global. Namun, penggunaan Konverter Boost Interleaved Tanpa Jembatan (BLIL) sebagai alat Koreksi Faktor Daya (PFC) dengan metodologi kontrol logika fuzzy tipe 2 diterapkan untuk mencapai faktor daya mendekati satu. Pengontrol logika fuzzy tipe 2 dipilih karena kemampuannya menemukan nilai set point dengan cepat dibandingkan dengan logika kontrol lainnya. Pengontrol ini mengatur siklus tugas untuk memastikan output sesuai dengan set point. Simulasi dan implementasi melibatkan beban yang bervariasi. Hasil dari simulasi konverter boost PFC Interleaved Tanpa Jembatan (BLIL) menunjukkan faktor daya yang mendekati satu.

Penelitian ini bertujuan untuk merancang sistem pemantauan kesehatan "Healthcare Quality" yang ditujukan bagi pasien penyakit jantung dan lansia berbasis mikrokontroler ESP32. Sistem ini mampu memantau kondisi fisik pengguna secara real-time untuk mengatasi keterlambatan deteksi dini yang menjadi faktor utama tingginya angka kematian akibat penyakit kardiovaskular, yang pada tahun 2023 menyumbang 19,42% kematian di Indonesia. Integrasi sistem memanfaatkan berbagai sensor biometrik, yaitu MAX30102 untuk mengukur detak jantung (Beats Per Minute/BPM) dan saturasi oksigen dalam darah (SpO2), MLX90614 untuk mengukur suhu tubuh tanpa kontak, serta sensor GSR (Galvanic Skin Response) untuk mendeteksi kelembapan kulit sebagai indikator stres atau kondisi emosional pasien. Selain pemantauan parameter vital, pemanfaatan GPS pada smartphone yang diintegrasikan untuk merekam lokasi pengguna secara presisi guna memudahkan evakuasi medis dalam situasi darurat. Data yang diperoleh dari sensor diolah menggunakan metode Logika Fuzzy Sugeno untuk mengklasifikasikan kondisi kesehatan pengguna ke dalam kategori "Baik", "Waspada", atau "Bahaya" secara lebih adaptif dan realistis. Sistem ini berbasis Internet of Things (IoT), di mana seluruh data dikirim secara nirkabel melalui Wi-Fi dan dapat diakses oleh keluarga maupun tenaga medis melalui platform website yang telah disediakan. Hasil eksperimen menunjukkan bahwa sistem ini memiliki tingkat akurasi yang tinggi dibandingkan dengan alat medis komersial. Sensor BPM mencapai akurasi yang cukup mirip dengan alat yang ada di komersial, begitu juga dengan sensor SpO2 dan sensor suhu tubuh. Dengan integrasi multi-sensor dan metode fuzzy, sistem ini memberikan solusi monitoring kesehatan yang praktis, responsif, serta andal untuk mendukung digitalisasi kesehatan nasional dan meningkatkan kualitas hidup pasien.

Periodontitis merupakan penyebab utama kehilangan gigi, dan penilaiannya berdasarkan foto rontgen panoramik masih bersifat subjektif. Penelitian ini mengusulkan kerangka kerja terintegrasi untuk penomoran gigi secara otomatis dan penilaian tingkat keparahan kehilangan tulang periodontal menggunakan arsitektur Residual U-Net. Kerangka kerja ini melakukan segmentasi sambungan sementum-enamel (CEJ), segmentasi puncak tulang alveolar (ABC), dan penomoran gigi berbasis FDI, diikuti dengan estimasi sumbu panjang gigi menggunakan Oriented Bounding Box (OBB) untuk pengukuran kehilangan tulang yang konsisten secara anatomi. Beberapa backbone residual dievaluasi, dengan ResNet34 mencapai kinerja terbaik. Hasil eksperimen menunjukkan skor Dice sebesar 0,968 dan 0,960 untuk segmentasi CEJ dan ABC masing-masing, serta 0,852 untuk segmentasi penomoran gigi. Evaluasi tingkat keparahan kehilangan tulang pada 265 gigi dari 10 radiografi panoramik menunjukkan bahwa pendekatan berbasis OBB mengungguli metode AABB konvensional, meningkatkan akurasi dari 0,61 menjadi 0,63 dan skor macro-F1 dari 0,45 menjadi 0,47. Hasil ini menunjukkan kelayakan penilaian periodontal otomatis dan konsisten secara anatomi.