Kualitas buah-buahan tropis sangat dipengaruhi oleh tingkat kematangannya yang saat ini masih banyak ditentukan secara manual dengan tingkat akurasi yang rendah. Penelitian ini bertujuan untuk mengembangkan aplikasi berbasis mobile vision untuk mendeteksi tingkat kematangan buah-buahan tropis (pisang, mangga, jeruk, jambu biji, dan tomat) secara otomatis menggunakan pendekatan Convolutional Neural Network (CNN) dengan fokus pada analisis warna RGB. Aplikasi ini dirancang untuk mengklasifikasikan buah menjadi tiga kategori: mental, mentah, dan matang, berdasarkan ekstraksi fitur warna dari citra buah. Metode yang digunakan meliputi pra-pemrosesan citra, pelatihan model CNN dengan dataset khusus, serta integrasi algoritma tambahan untuk meningkatkan akurasi. Hasil pengujian menunjukkan bahwa aplikasi mampu mencapai akurasi sekitar 80% dengan menggabungkan dua model CNN, yaitu color filtering (30%) dan Teachable Machine (70%). Aplikasi ini juga dilengkapi dengan fitur history untuk melacak hasil prediksi dan rekomendasi waktu panen. Dengan demikian, solusi ini dapat membantu petani dan industri buah dalam meningkatkan efisiensi sortasi dan mengurangi kerugian akibat kesalahan penanganan pasca panen.

Perkembangan kendaraaan tenaga listrik mulai berkembang sebagai sarana transportasi alternatif yang menjanjikan, namun hambatan dalam pengisian baterai menjadi masalah utama bagi penggunanya. Solusi untuk permasalahan ini adalah merancang dan membuat stasiun pengisian baterai kendaraan listrik yang mampu mengisi baterai dengan tegangan 12v, 24v dan 36v menggunakan DC-DC Converter (Buck-Boost). Selain itu terdapat dua mode charging, yaitu slow charge dengan arus maksimal 1A dan fast charge dengan arus maksimal 3A. Pada Proyek Akhir ini digunakan dua sumber tegangan, PLN dan aki. Saat PLN mati sumber akan beralih ke aki menggunakan relay auto switch. Tegangan keluaran pada rangkaian Buck-boost Converter disesuaikan dengan besarnya nilai tegangan yang dipilih melalui keypad yang ditampilkan pada LCD. Besar arus yang masuk ke beban nilai maksimum bergantung pada pemilihan mode charge. Nilai tegangan keluaran pada rangkaian Buck-Boost Converter tergantung dari besarnya nilai duty-cycle pada PWM yang diberikan mikrokontroller, nilai ini diperoleh dari hasil perhitungan pada program kontrol dengan feedback dari sensor arus dan tegangan. Kontrol pada sistem ini menggunakan kontrol Proporsional. Hasil yang diperoleh menunjukkan bahwa slow charge membutuhkan waktu yang lebih lama dibandingkan fast charge. Dari hasil pengujian didapatkan rata-rata efisiensi sebesar 81.88%, nilai efisiensi ini akan membantu menentukan harga dari jasa charging. Dimana setelah dihitung didapatkan nilai Rp 1978/kWh.

Rumah adat adalah rumah yang memiliki ciri khas bangunan yang melambangkan kebudayaan dari suatu daerah. Keunikan rumah-rumah adat di Indonesia menjadi salah satu materi pembelajaran untuk pelajar di Indonesia. Buku-buku yang menjadi media pengenalan rumah adat di Indonesia masih memiliki kekurangan berupa terbatasnya tampilan rumah adat secara visual. Sehingga mengurangi minat anak dalam mengenal rumah adat nusantara. Hal ini dapat mengakibatkan tergerusnya budaya. Oleh karena itu untuk meningkatkan minat dan wawasan terhadap budaya rumah adat ini digabungkan antara teknologi dan budaya. Penggabungan ini menggunakan teknologi augmented reality untuk mengenalkan rumah adat nusantara. Rumah adat divisualisasikan melalui objek 3-dimensi didalam aplikai android. Aplikasi augmented reality yang dikembangkan bersifat dinamis, sehingga penambahan konten dapat dilakukan tanpa memodifikasi kode program. Aplikasi ini akan memvisualkan 9 rumah adat dari 9 provinsi yang ada di Pulau Jawa, Nusa Tenggara, dan Bali. Hasil pengujian menunjukkan kenaikan pengetahuan siswa SDN Banjarmendalan sebesar 56% dimana berarti aplikasi cukup efektif untuk membantu siswa mengenal rumah adat nusantara dan dari penilaian kepuasan siswa terhadap aplikasi mendapatkan nilai 90,5% dimana berarti aplikasi sudah cukup menarik minat siswa untuk belajar mengenal rumah adat.

Indonesia merupakan negara dengan jumlah penduduk yang banyak dan jumlah penduduk usia produktif yang tergolong tinggi. Dari tahun ke tahun jumlah pencari kerja selalu meningkat. Bagi penyandang disabilitas, mencari lapangan pekerjaan bukanlah hal yang mudah. Tidak semua pemilik usaha mau menerima penyandang disabilitas. Padahal kemampuan mereka dalam bekerja jika ditempatkan di lapangan pekerjaan yang sesuai dengan kemampuan mereka, mereka tidak kalah dengan orang normal pada umumnya. Untuk mengatasi masalah tersebut dibutuhkan terobosan baru dalam penyajian informasi lowongan pekerjaan. Proyek akhir Jovandis ini merepresentasikan suatu pendekatan baru untuk menyediakan sarana informasi lowongan pekerjaan bagi penyandang disabilitas. Perbedaan proyek akhir ini dengan proyek akhir sebelumnya yaitu sasaran penggunanya. Dalam proyek akhir ini, sasaran penggunanya adalah penyandang disabilitas yaitu tuna rungu, tuna wicara dan buta warna. Sehingga ada batasan-batasan pekerjaan yang akan ditampilkan dalam aplikasi. Selain itu, aplikasi ini dijalankan melalui website dan mengambil RSS feed dari beberapa situs penyedia informasi lowongan pekerjaan di Indonesia.

Energi surya merupakan energi terbarukan yang memiliki keunggulan dalam hal ketersediaan energi, efektivitas biaya instalasi, efisiensi, serta ramah lingkungan. Namun pada pemanfaatan energi surya masih memiliki kendala, panel surya masih memiliki efisiensi konversi energi yang rendah. Maximum Power Point Tracking (MPPT) adalah salah satu metode yang dapat menaikkan rasio efisiensi konversi energi dari panel surya. Kondisi partial shading juga bisa mengakibatkan algoritma MPPT tidak bisa mencapai titik daya maksimum yang sebenarnya dari panel surya karena memiliki nilai puncak lebih dari satu. Pada penelitian ini, Artificial Neural Network (ANN) digunakan sebagai algoritma untuk menganalisa kondisi dari panel surya serta digunakan untuk mendapatkan nilai duty cycle start untuk proses MPPT dari Incremental Conductance. Apabila kondisi panel surya non partial shading, maka ANN hanya akan mengambil nilai arus hubung singkat (Isc) dari panel surya untuk menentukan posisi awal dan mempercepat proses tracking. Apabila kondisi panel surya partial shading, maka ANN akan mengambil nilai referensi berupa tegangan buka (Voc) dan arus hubung singkat (Isc) dari panel surya untuk menentukan posisi awal tracking dari MPPT. Pada kondisi non partial shading, MPPT bisa mencapai daya sebesar 87.637 Watt dari 87.638 Watt pada radiasi 900 W/m2. Pada kondisi partial shading, MPPT bisa mencapai daya sebesar 106.367 Watt dari 106.388 Watt untuk kombinasi radiasi 900 W/m2 dan 500 W/m2. Dengan ditambahkannya proses deteksi kondisi panel surya, algoritma bisa dengan tepat mendapatkan nilai daya maksimum dari panel surya dengan berbagai kondisi panel surya dan berbagai nilai radiasi matahari.