Tingginya jumlah penduduk telah menyebabkan perubahan lahan pertanian menjadi lahan non-pertanian. Solusi inovatif untuk mengatasi keterbatasan lahan yaitu urban agriculture, khususnya hidroponik. Namun, kondisi nutrisi pada air hidroponik sering kali dalam kondisi buruk sehingga perlu dimonitoring dan dideteksi tingkat kualitasnya untuk menjaga kondisi air nutrisi dalam bak hidroponik dalam keadaan baik. Kondisi air nutrisi yang baik akan mengoptimalkan proses penyerapan akar dan pertumbuhan tanaman. Parameter kualitas air nutrisi dapat dideteksi melalui suhu air nutrisi, kadar TDS (Total Dissolved Solids) di dalam nutrisi, dan tingkat keasamaan atau pH dari air nutrisi di dalam bak hidroponik. Metode fuzzy logic classification memungkinkan dalam mengolah kondisi aktual nutrisi dari ketiga parameter tersebut menjadi sebuah keputusan level kualitas air nutrisi tanaman dalam kondisi baik, sedang, buruk, ataupun sangat buruk. Penelitian ini menggunakan sensor suhu air, TDS, dan pH dalam pengukuran masing-masing parameter yang kemudian ditampilkan pada website. Hasil pengukuran parameter nutrisi mencapai error rendah yaitu ±5%. Hasil klasifikasi kualitas dari kondisi air nutrisi tanaman yang diputuskan dengan fuzzy logic sudah sesuai dengan yang diinginkan oleh petani dan berhasil 100% ditampilkan pada website pengguna. Sistem ini memudahkan pengguna dalam memantau, mengevaluasi, dan meningkatkan kondisi dan kualitas nutrisi tanaman dari jarak jauh.

Emosi adalah perasaan yang diarahkan pada seseorang ataupun sesuatu yang bisa menyebabkan sesorang bertindak atau mengekspresikan diri dan dapat dipicu secara internal ataupun eksternal. Ekspresi wajah merupakan salah satu cara termudah untuk mengetahui emosi seseorang, namun terkadang seseorang dapat mengontrol dan memanipulasi ekspresi wajah mereka sehingga tidak sesuai dengan apa yang dialami. Oleh karena itu, penelitian ini mengembangkan sistem yang dapat mengidentifikasi emosi anak tidak hanya berdasarkan wajah tetapi juga berdasarkan perubahan kondisi tubuhnya. Penelitian ini menggunakan metode klasifikasi Convolutional Neural Network (CNN) dan juga metode clusterisasi K-Means. Penggunaan 2 metode pada penelitian ini berfungsi untuk memperkuat akurasi sistem. Metode K-Means digunakan untuk mengidentifikasi emosi berdasarkan detak jantung dan konduktivitas kulit sedangkan Metode CNN digunakan untuk mengidentifikasi emosi berdasarkan ekspresi wajah. Hasil yang diperoleh dari kedua metode tersebut akan diproses menggunakan metode fusi yang aturannya disesuaikan berdasarkan hasil pengamatan dan pengukuran, sehingga dapat diprediksi emosi pada anak berdasarkan parameter detak jantung, ekspresi wajah, dan konduktivitas kulit. Anak dengan umur 6 hingga 12 tahun digunakan sebagai subjek pada penelitian ini. Dari penelitian ini berhasil didapatkan hasil prediksi emosi anak dengan akurasi keberhasilan sebesar 80%.