Pada bendungan terdapat pintu air yang berfungsi untuk menahan air dan mengatur volume air di dalam bendungan tersebut. Selama ini, palang pintu bendungan dikontrol secara manual oleh manusia agar volume air tidak melebihi batas. Sistem yang manual mengharuskan manusia selalu memantau ketinggian air bendungan. Tujuan dari penelitian ini untuk membuat prototype sistem buka tutup palang pintu air bendungan secara otomatis untuk mempermudah manusia dalam proses pembukaan dan penutupan palang pintu . Prototype ini menggunakan PLC Omron sebagai pengontrol utama, dua buah  sensor level sebagai pemberi informasi ketinggian volume air, lampu indikator merah dan buzzer sebagai indikator air telah melewati batas, lampu indikator hijau sebagai indikator air telah turun, dan motor DC sebagai penggerak pintu bendungan. Prototype ini dilengkapi dengan Human Machine Interface (HMI) sebagai tampilan pada layar laptop . Hasil pengujian prototype ini, pintu bendungan dapat dikontrol sesuai kondisi level air. Pintu bendungan akan terbuka secara otomatis ketika level air sudah mencapai batas maksimum, serta pintu bendungan kembali menutup saat sensor level bawah terdeteksi. Proses yang terjadi dapat ditampilkan pada layar laptop dengan simulasi HMI.

The photovoltaic module has a nonlinear current and voltage characteristic curve where there is a maximum power point to be tracked to avoid wasted energy. Some methods for tracking the maximum power points have been developed such as perturb and observe (P& O), Incremental Conductance (IC), and Hill Climbing (HC). However, those methods were not so accurate to find the maximum power point and they were also slow to respond the changes in solar radiation and temperature. To overcome the shortcomings of the method, a new optimization approach was developed. This method is called Gray Wolf Optimization (GWO). It work based on the wolf behavior in capturing the prey. In this study, it will be determined to what extent the GWO method can track the maximum working point of solar modules that undergo changes in radiation and working temperature quickly and accurately. This research was conducted by simulation using Matlab/Simulink by comparing the extract of power GWO method with its power characteristics. The results obtained by the GWO method trace maximum power with an average accuracy rate of 99.14 % with time less than 0.1 second. From this data, it can be concluded that the GWO method successfully responds well and accurately to changes in radiation and temperature.

Dalam pendidikan, kehadiran merupakan hal yang sangat penting bagi dosen dan mahasiswa. Saat ini absensi yang digunakan pada perguruan tinggi masih menggunakan tanda tangan atau sidik jari sehingga terjadi kontak langsung dengan benda-benda tertentu. Namun di masa pandemi saat ini. mahasiswa,dan dosen diwajibkan untuk menjaga jarak serta tidak kontak fisik dengan benda yang digunakan bersama karena dapat menyebarkan virus dengan cepat. Mesin Absensi ini ditawarkan untuk membatasi kontak langsung serta menghambat penyebaran virus corona dengan menggunakan Radio Frequency Identification (RFID) sebagai metode identifikasi dengan pengontrol Raspberry pi. RFID akan menghasilkan kode unik yang dijadikan sebagai data user  yang kemudian akan diproses dengan Raspberry pi kemudian data disimpan pada database. RFID dapat membaca reader dalam jangkauan 3 cm. Dari hasil pengujian mesin ini mampu mengenali 3 orang user yang didaftarkan dan memproses data dengan cepat.

Mesin absensi sidik jari gagal merekap absensi dengan kondisi jari yang terluka, tergores, kulit jari terkelupas dan lainnya sehingga kehadiran tidak tercatat. Penelitian ini bertujuan membuat mesin absensi pengenalan wajah untuk meminimalisir kegagalan seperti pada mesin sidik jari. Penelitian ini merupakan pengembangan penelitian sebelumnya dengan sistem absensi Radio Frequency Identification (RFID) karena sistem absensi dengan RFID dapat dicurangi. Penggabungan sistem rekognisi wajah dan RFID pada sebuah mesin absensi dengan raspberry pi diharapkan dapat menimalisir kegagalan pada saat melakukan absensi. Seandainya terjadi kegagalan rekognisi wajah, pengguna dapat melakukan absensi dengan RFID. Absensi dengan RFID pada sistem ini hanya dapat dilakukan ketika terjadi kegagalan deteksi wajah. Untuk mengetahui persentase keberhasilan dan keakurasian mesin, setiap pengguna melakukan beberapa kali percobaan. Selanjutnya dicatat jumlah keberhasilan rekognisi wajah dan dihitung nilai akurasinya dengan metode perhitungan akurasi. Hasil percobaan identifikasi wajah, diperoleh keakurasian pengguna pertama sebesar 53 %, pengguna kedua 48 %, pengguna ketiga 45 % dan pengguna keempat 52 %. Mesin mampu memprediksi 4 gambar pengguna dengan 4 posisi wajah yang berbeda dengan waktu rata-rata proses identifikasi selama 7 detik.

No abstract