Teknologi pengenalan teks optik (OCR) dan jaringan syaraf konvolusional (CNN) memiliki peran penting dalam berbagai bidang, termasuk di industri farmasi. Sistem kegiatan sediaan farmasi yang masih manual sangat tidak efisien karena memakan banyak waktu. Penelitian ini menggunakan metode OCR dan CNN untuk mengenali teks pada kotak obat dan mengkalsifikasikan berdasarkan jenis kelas terapinya, dengan tujuan untuk mempermudah mencari letak penempatan obat di apotek. Penelitian ini diharapkan dapat memudahkan seorang apoteker dalam mencari obat yang diinginkannya serta memudahkan dalam melakukan penyediaan obat sesuai dengan klasifikasinya menggunakan kamera dengan metode OCR yang dapat mengidentifikasi letak dan jenis obat dengan cara pemindaian pada nama atau merk obat dalam kotak kemasan. Hasil dari penelitian ini total rata-rata nilai keberhasilan pembacaan OCR sebesar 83,78%. Hal tersebut dipengaruhi oleh pencahayaan yang bervariasi, fokus kamera yang minimal karena terlalu cepat mengambil gambar.

Robots are one of the technological developments that unite several aspects, such as mechanical, electrical, and programs that are interrelated to one another. Currently, the robot has also been competed in a competition with various categories. One of them is the SAR (Search and Rescue) robot competition which is accommodated in the KRSRI (Indonesian SAR Robot Contest). This SAR robot has a mission to save and bring victims to a safe zone. To develop the robot so that it is more optimal, several studies have been carried out using various methods. In this study, the SAR robot was optimized with the Zero Order Fuzzy Sugeno Logic method. In addition, this study uses a sharp sensor as a distance sensor which has better capabilities than ultrasonic sensors. The results show that the time the robot to reach the finish line fluctuates or has various time results for each trial. The conclusion of this experiment is that the Fuzzy Logic method can be applied to SAR robots. Based on the generated robot motion, the robot can move straight without any tendency to the right or left of the trajectory barrier.

Kontes Robot Sepak Bola Beroda (KRSBI – Beroda) tahun 2022 telah diadakan secara luring. Kemampuan utama yang harus dimiliki robot saat pertandingan adalah mencari, mengumpan, menggiring, dan menendang bola ke gawang. Namun, masih banyak tim kontestan yang langsung menendang ketika mendapat bola. Hal tersebut disebabkan dikarenakan robot tidak bisa membuat keputusan yang baik sehingga kemungkinan terjadinya gol menjadi kecil. Melihat permasalahan tersebut, maka diberikan solusi yaitu penerapan metode decision tree sebagai strategi keputusan mengumpan, menggiring, menghindar, atau menendang. Pengambilan keputusan akan ditentukan oleh beberapa faktor, yaitu posisi robot, posisi kawan, posisi gawang, dan posisi robot lawan. Waktu respon robot mencari gawang lawan dan kecepatan robot menghadap ke gawang lawan memiliki rata-rata 2.46 detik dengan range jarak X terhadap gawang = 500-6000, dan range Y terhadap gawang = 500. Hasil nilai gain terbesar yaitu pada bola dengan nilai 1 akan dijadikan node utama atau root node. Dari pohon keputusan robot dapat membuat keputusan mengumpan, menghindar, menggiring, atau langsung menendang ke gawang lawan lebih efisien dan efektif.

Battery management systems are essential in electric vehicles and renewable energy applications, especially in terms of ensuring optimal battery health and performance and regarding the state of charge (SOC) in batteries consisting of many cells. The lifetime and efficiency of the battery depend on the accuracy of the SOC parameter estimation. Moreover, systems that apply active balancing technology are able to move cells with high SOC data to cells with low SOC. Many methods have been developed, but their long execution time makes them less optimal when applied. High-speed SOC estimation is required in active balancing technology, in addition to high accuracy. Therefore, this study proposes the estimation of SOC parameters using a statistical and metaheuristic approach from voltage and current input data in each battery cell. The experimental results showed that the metaheuristic-based method (ANFIS) had better RSME and R² values compared with the polynomial and linear regression or even the machine learning-based method (recurrent neural network) for training data.

Metode Visual Testing menjadi salah satu metode yang umum digunakan untuk inspeksi hasil pengelasan kategori NDT. Metode ini biasanya digunakan sebagai metode pendeteksian awal hasil pengelasan sebelum dilakukan meetode pengujian lain. Penggunaan teknologi pengolahan citra diusulkan untuk membantu proses inspeksi visual hasil pengelasan. Pada penelitian ini model U-Net yang dikombinasi dengan CNN digunakan untuk proses klasifikasi hasil pengelasan. Hasil pengelasan yang coba diklasifikasi berupa hasil las normal, excessive reinforcement, porosity, dan undercut pada pipa baja karbon A106 Grade B. Model arsitektur terdiri dari arsitektur U-Net dengan kedalaman encoder dan decoder sebanyak 2 serta kombinasi layer klasifikasi CNN pada bagian akhir decoder. Penggunaan optimizer pada pelatihan model digunakan untuk mengoptimalkan proses pelatihan data pada model agar tingkat akurasi pelatihan dari model dapat lebih baik dan terhidar dari overfitting dan underfitting. Terdapat 3 tipe optimizer yang akan diterapkan pada model dan dicoba untuk dianalisis yaitu, Adam, SGDM, dan RMSprop. Didapatkan hasil optimizer SGDM pada akurasi pelatihan sebesar 98.75% dan hasil uji terhadap 40 citra baru sebesar 92.5%. Model berhasil membedakan hasil pengelasan menjadi normal, excessive reinforcement, undercut, dan porosity.

Peran sensor loadcell sangat penting dalam sistem penimbangan untuk mendapatkan informasi massa yang sesuai. Banyaknya permintaan sistem penimbang yang presisi saat ini dikembangan sistem penimbangan yang mampu bekerja secara otomatis dalam menimbang dengan hasil yang konsisten dan stabil. Kelemahan dari sensor loadcell adalah sistem pembacaan yang memiliki noise dan dinilai kurang stabil sehingga hasil penimbangan kurang akurat dan jauh dari nilai set point yang diterapkan. Kelemahan tersebut dapat diminimalisir menggunakan filter sinyal yaitu Kalman Filter. Berdasarkan observasi yang telah dilakukan dengan menerapkan rumus Kalman Filter mampu menimalkan noise secara optimal menggunakan perbandingan nilai Q = 1 dan R = 10000 yang mampu memberikan hasil filter yang lebih halus dan stabil. penerapan Kalman Filter pada PLC Siemens S7-1200 dengan nilai perbandingan Q dan R yang sama dapat memberikan hasil yang optimal dengan nilai rata-rata error hasil penimbangan antara menggunakan Kalman Filter dan tanpa menggunakan filter memiliki selisih sebesar 0,10% yang berarti Kalman Filter dapat diterapkan pada sistem penimbangan dapat menyaring noise secara optimal sehingga mendapatkan hasil penimbangan yang stabil dan konsisten.