Hasil Pencarian  ::  Simpan CSV :: Kembali

"The objective of this study is to determine the solar energy potential in Indonesia using artificial neural networks (ANNs) method. In this study, the meteorological data during 2005 to 2009 collected from 3 cities (Jakarta, Manado, Bengkulu) are used for training the neural networks and the data from 1 city (Makasar) is used for testing the estimated values. The testing data were not used in the training of the network in order to give an indication of the performance of the system at unknown locations. Fifteen combinations of ANN models were developed and evaluated. The multi layer perceptron ANNs model, with 7 inputs variables (average temperature, average relative humidity, average sunshine duration, longitude, latitude, latitude, month of the year) are proposed to estimate the global solar irradiation as output. To evaluate the performance of ANN models, statistical error analysis in terms of mean absolute percentage error (MAPE), mean absolute bias error (MABE) and root mean square error (RMSE) are conducted for testing data. The best results of MAPE, MABE, RMSE are found to be 7.4%, 1.10 MJ/m2 and 0.17 MJ/m2 respectively as 7 neurons were set up in the hidden layer. The result demonstrates the capability of ANN model to generate the solar irradiation estimation in Indonesia."

"Provinsi Jawa Barat memiliki potensi yang signifikan untuk pengembangan energi surya melalui pemanfaatan radiasi matahari. Penelitian ini bertujuan untuk mengestimasi radiasi matahari di Provinsi Jawa Barat menggunakan metode ANN untuk menemukan model konfigurasi optimal dan menganalisis distribusi spasialnya. Pengukuran radiasi matahari dilakukan di lima lokasi berbeda, dengan dua lokasi terbaik dipilih untuk pemrosesan data. Dataset yang digunakan adalah data tahun 2022, yang dibagi menjadi 70% untuk pelatihan dan 30% untuk pengujian. Hasilnya menunjukkan bahwa konfigurasi optimal 6-30-1 di lokasi Puslitbang PLN mencapai nilai RMSE sebesar 135,8 W/m², rRMSE sebesar 54,8%, MBE sebesar 15,9 W/m², dan rMBE sebesar 0,064%. Sementara itu, untuk lokasi Sumedang, konfigurasi optimal adalah 5-40-1, yang menghasilkan nilai RMSE sebesar 156,7 W/m², rRMSE sebesar 49,29%, MBE sebesar 7,75 W/m², dan rMBE sebesar 0,024%. Secara keseluruhan, model ini masih memiliki kesalahan estimasi sebesar 48-50%.Untuk meningkatkan akurasi, penelitian ini mengintegrasikan model ANN dengan WRF, yang mampu meningkatkan akurasi di Sumedang sebesar 2%. Analisis menunjukkan bahwa daerah dengan ketinggian rendah memiliki intensitas radiasi matahari yang tinggi, sedangkan daerah dengan ketinggian lebih tinggi menerima radiasi matahari yang lebih rendah

---

West Java Province has significant potential for solar energy development through the utilization of solar radiation. This study aims to estimate solar radiation in West Java Province using ANN methods to find the optimal configuration model and analyze its spatial distribution. Solar radiation measurements were conducted at five different locations, with the two best locations selected for data processing. The dataset used is from the year 2022, which was divided into 70% training and 30% testing. The results showed that the optimal configuration of 6-30-1 at the Puslitbang PLN location achieved an RMSE value of 135.8 W/m², an rRMSE of 54.8%, an MBE of 15.9 W/m², and an rMBE of 0.064%. Meanwhile, for the Sumedang location, the optimal configuration was 5-40-1, which produced an RMSE value of 156.7 W/m², an rRMSE of 49.29%, an MBE of 7.75 W/m², and an rMBE of 0.024%. Overall, this model still has an estimation error of 48-50%. To improve accuracy, this study integrated the ANN model with WRF, which was able to increase accuracy in Sumedang by 2%. Analysis shows that low-altitude areas have high solar radiation intensity, while higher-altitude areas receive lower solar radiation."

"Energi surya merupakan salah satu sumber energi alternatif yang tidak bersifat polutif, tidak dapat habis, dan dapat dikonversi menjadi energi listrik. Media yang digunakan untuk mengkonversi pancaran radiasi tersebut adalah sebuah bahan semikonduktor yang biasa disebut sel surya atau solar sel. Pengembangan teknologi solar cell di seluruh dunia kini terus dilakukan. Berdasarkan cara kerjanya, energi listrik yang dihasilkannya dapat disimpan pada sebuah batere kering sehingga dapat digunakan kapan saja. Untuk mengukur berapa besar energi yang dihasilkan, diperlukan alat ukur yang baik dan praktis, sehingga dapat diketahui berapa besar energi yang dihasilkan dari solar cell. Dalam tugas akhir ini dibuat sebuah alat dan program aplikasi berbasis komputer yang dapat mempermudah dalam pengambilan data karakteristik solar cell yang didapat secara otomatis.

---

Solar energy is one alternative energy source that is not polluting, can?t be exhausted, and can be converted into electrical energy. Media used to convert the radiation beam is a semiconductor material commonly called solar cells. In developing solar cell technology worldwide is now being conducted. Based on how it works, it generates electrical energy can be stored in a dry battery that can be used anytime. To measure how much energy is generated, it needs a good measuring tool and practical. Locations to determine how much energy is generated from the solar cell. In this thesis, we created a device and a computer based applications that can facilitate the retrieval of data from the solar cell characteristic are obtained automatically by the interface between the PC."

"ABSTRAKBerdasarkan RUPTL 2018, Indonesia menargetkan pengembangan pembangkit EBT sebesar 23% pada tahun 2025. Dengan kondisi beriklim tropis, Indonesia merupakan negara yang memiliki potensi cukup besar untuk menggunakan sel surya sebagai pembangkit EBT. Akan tetapi, dalam penggunaannya, sel surya memiliki kendala yang dapat merugikan, yaitu sifat intermiten. Kendala tersebut dapat diatasi dengan cara perencanaan yang bertujuan untuk mengoptimalkan kinerja sel surya. Perencanaan dalam penelitian ini berupa hasil pengukuran aktual dari iradiasi surya berbasis data kondisi lingkungan sekitar, seperti temperatur, kelembapan relatif, curah hujan, dan intensitas UV. Data tersebut kemudian diolah menggunakan metode Ordinary Least Square (OLS). Tujuan dilakukannya penelitian ini yaitu mendapatkan nilai iradiasi surya yang akurat sehingga dapat digunakan dalam perencanaan pengoptimalan sel surya. Alat ini memiliki nilai eror sebesar 18,9% yang dihitung memnggunakan metode MAPE dengan menggunakan Solar Power Meter sebagai nilai aktual.

---

ABSTRACTBased on the 2018 RUPTL, Indonesia targets the development of renewable energy plants reach 23 on 2025. With a tropical climate, Indonesia is a country that has considerable potential to use photovoltaic as a renewable energy. But in its use, photovoltaic has an obstacle that can be detrimental namely intermittent properties. These constraints can be overcome by means of planning that aims to optimize photovoltaic performance. Planning in this study is in the form of actual measurement results from solar irradiance with data based on surrounding environmental conditions such as temperature, relative humidity, rainfall, and UV intensity. Then the data is processed using the Ordinary Least Square (OLS) method. The purpose of this study is to obtain accurate solar irradiance values so that they can be used in planning photovoltaic optimization. This measurement has an error value of 18.9 which is calculated using the MAPE method by using Solar Power Meter as the actual value."

"Energi matahari adalah salah satu energi terbarukan dengan potensi besar di negara tropis termasuk Indonesia. Pemanenan energi surya melalui sistem fotovoltaik memiliki tantangan besar karena intermittency dan ketidakpastian serta tidak tersedianya data yang diukur di setiap lokasi. Tujuan dari penelitian ini adalah untuk meramalkan radiasi matahari di lokasi tertentu dengan menggunakan model ASHRAE Clear-Sky dan informasi cuaca lokal melalui algoritma Jaringan Syaraf Tiruan (JST). Model ASHRAE Clear-Sky digunakan sebagai dasar penyinaran maksimum yang akan dikalibrasi dengan mempertimbangkan informasi cuaca setempat. Model peramalan dikembangkan dengan menggunakan algoritma backpropagation dari JST. Metode yang diusulkan disimulasikan di Departemen Teknik Elektro Fakultas Teknik, Universitas Indonesia. Hasil penelitian menunjukkan bahwa metode yang diusulkan dapat memberikan estimasi akurat dari penyinaran matahari dengan rata-rata kesalahan absolut dalam tiga hari yang berbeda adalah 58,30."

"Sistem pendingin pada sebuah bangunan menyumbang energy yang cukup besar pada total energy dari bangunan tersebut. Pemilihan dan penghematan system pendingin yang tepat akan membantu untuk mengurangi konsumsi energy pada system pendingin bangunan. Salah satu cara penghematan pada system pendingin adalah dengan menggunakan bahan-bahan renewable energy sebagai sumber energinya. Gedung Mechanical Research Center yang berada di wilayah Fakultas Teknik Universitas Indonesia, Depok, Jawa Barat telah menggunakan system pendingin absorpsi tenaga matahari guna memanfaatkan sumber panas terbarukan yang dapat menghemat konsumsi energy pada suatu gedung. Tujuan penelitian ini mencoba untuk mengevaluasi besar konsumsi energy yang dikeluarkan oleh absorption chiller pada gedung MRC, evaluasi dilakukan dengan simulasi menggunakan perangkat lunak IES-VE, IES-VE adalah perangkat lunak yang membantu penggunanya untuk mendesain dan mengevaluasi fenomena-fenomena pada suatu bangunan hasil yang didapat dari simulasi ini akan digunakan sebagai perbandingan terhadap hasil artificial intelligence menggunakan metode artificial neural network dan fuzzy.

---

Cooling systems in a building contribute considerable energy to the total energy of the building. Choosing and saving the right cooling system will help to reduce energy consumption in building cooling system. One way of saving on the cooling system is to use renewable energy as a source of energy. Building Mechanical Research Center located in the Faculty of Engineering, University of Indonesia, Depok, West Java has been using solar energy absorption cooling system to utilize renewable heat sources that can save energy consumption in a building.

The purpose of this study was to evaluate the energy consumption of absorption chiller in the MRC building, the evaluation was done by simulation using IES VE software, IES VE is software that help its users to design and evaluate phenomena in a building result Obtained from this simulation will be used in comparison to artificial intelligence result using artificial neural network and fuzzy method."

"Salah satu tantangan integrasi PLTS pada jaringan distribusi adalah kemampuan sistem dalam menyalurkan energi PLTS dengan tetap menjaga standar layanan dan operasi. Kapasitas maksimal PLTS yang diintegrasikan dinyatakan sebagai besar penetrasi, yaitu rasio kapasitas terpasang PLTS terhadap beban puncak sistem. Penelitian ini bertujuan untuk mengetahui dampak dan batasan penetrasi PLTS terhadap kondisi operasi suatu jaringan distribusi dengan menggunakan metode aliran daya. Hasil penelitian menunjukkan bahwa batas penetrasi PLTS pada sistem yang diteliti adalah paling rendah sebesar 20% untuk penempatan PLTS di tegangan rendah dan paling tinggi 210% untuk PLTS di dekat substation. Faktor pembatas utama penetrasi adalah pembebanan lebih pada saluran dan transformator serta kenaikan tegangan sistem. Penempatan pada beberapa lokasi secara tersebar dapat meningkatkan batas penetrasi PLTS. Penetrasi PLTS dapat menurunkan rugi-rugi daya sistem, akan tetapi pada penetrasi yang tinggi rugi-rugi daya cenderung menjadi lebih besar.

---

One of the challenges of the integration of photovoltaic(PV) generation on distribution network is the system's ability to deliver the energy of solar PV while maintaining the standards of service and operation. PV’s maximum capacity that can be integrated is declared in term of penetration, defined as the ratio of the installed capacity to the system’s peak load. The operating conditions of a system can be known through the power flow study. This study aims to determine the impact and PV’s penetration limits on a distribution network using power flow method.

The result showed that the PV’s penetration limit in the system under studied is the lowest at 20% for PV placed at the low voltage side and the highest at 210% for PV placed near the substation. The main limiting factors of penetration are feeders’ and transformers’ overload followed by node overvoltage. Distributed placements of PV can increase the penetration limit. PV integration can reduce system power loss, but at the high penetration level power losses tend to be larger."

"Kanker kolorektal adalah kanker yang berkembang pada usus besar dan/atau rektum. Berdasarkan survei GLOBOCAN 2012, insidens kanker kolorektal di seluruh dunia menempati urutan ketiga dan menduduki peringkat keempat sebagai penyebab kematian. Dalam proses diagnosis kanker kolorektal, telah diterapkan pendekatan medis dengan digital rectal examination menggunakan colonoscopy untuk menilai keadaan tumor dan mobilitas tumor. Namun, seiring berkembangnya teknologi, para ilmuwan mencoba pendekatan lain untuk pendeteksian kanker kolorektal salah satunya menggunakan penggunaan artificial intelligence khususnya machine learning. Terdapat beberapa penelitian yang lalu mengenai pengaplikasian machine learning dalam kasus klasifikasi kanker kolorektal dengan berbagai model dan tingkat akurasi. Pada penelitian ini, penulis menggunakan pendekatan Convolutional Neural Network (CNN) dengan arsitektur You Only Look Once (YOLO) untuk mengklasifikasi kanker kolorektal tipe ganas dan jinak. Data yang digunakan pada penelitian ini adalah Lung and Colon Cancer Histopathological Image Dataset oleh Borkowski AA, dkk. dengan mengambil dataset kanker kolorektal yaitu 5000 kanker ganas dan 5000 kanker jinak. Model akan dibangun melalui data tersebut, yang dilatih menggunakan metode CNN dengan arsitektur YOLO. Data di split dengan perbandingan data latih dan data uji 70:30 dan 80:20. Kinerja model dievaluasi dengan nilai accuracy, recall, loss dan running time. Accuracy dan Recall yang didapatkan pada masing-masing split data sebesar 100% dengan running time 3 jam 7 menit 43 detik pada split data 70:30 dan 3 jam 30 menit 6 detik pada split data 80:20.

---

Colorectal cancer is cancer that develops in the colon and/or rectum. Based on the 2012 GLOBOCAN survey, the incidence of colorectal cancer worldwide ranks third and ranks fourth as a cause of death. In the process of diagnosing colorectal cancer, a medical approach has been applied with digital rectal examination using colonoscopy to assess the state and mobility of the tumor. However, as technology develops, scientists try other approaches to detect colorectal cancer, one of which is using artificial intelligence, especially machine learning. There have been several past studies regarding the application of machine learning in the case of colorectal cancer classification with various models and levels of accuracy. In this study, the authors used a Convolutional Neural Network (CNN) approach with You Only Look Once (YOLO) architecture to classify malignant and benign types of colorectal cancer. The data used in this study was the Lung and Colon Cancer Histopathological Image Dataset by Borkowski AA, et al. by taking the colorectal cancer dataset, namely 5000 malignant cancers and 5000 benign cancers. The model will be built using the data, which is trained using the CNN method with the YOLO architecture. The data is split with a comparison of training data and test data of 70:30 and 80:20. The performance of the model is evaluated with the values of accuracy, recall, loss and running time. Accuracy and Recall obtained in each data split is 100% with a running time of 3 hours 7 minutes 43 seconds on a 70:30 data split and 3 hours 30 minutes 6 seconds on an 80:20 data split."

"Dalam konteks estimasi usia gigisebagai metode non-invasif untuk determinasi usia kronologis pasien, teknik orthopantomography (OPG) telah luas diaplikasikan meski menghadapi kendala seperti biaya tinggi dan eksposur radiasi. Merespons limitasi pendekatan konvensional, paradigma machine learning dan deep learning kini dioptimalkan untuk mengidentifikasi pola intrinsik pada data pencitraan medis kompleks. Penelitian ini bertujuan mengembangkan algoritma YOLOv8 untuk meningkatkan akurasi estimasi usia gigi, menggunakan dataset dari RSGMP Universitas Airlangga dengan subjek pediatrik 5—15 tahun. Dataset dimodifikasi menjadi tiga variasi: tanpa augmentasi, augmentasi tiga kali per sampel, dan augmentasi lima kali per sampel. Hasil optimal dicapai oleh variasi ketiga dengan augmentasi lima kali per sampel, mendemonstrasikan akurasi 60% dan F1-Score 61,05%, mengindikasikan potensi signifikan teknik augmentasi data dalam meningkatkan kinerja algoritma deep learning untuk estimasi usia gigi.

---

In the context of dental age estimation as a non-invasive method for determining patients' chronological age, orthopantomography (OPG) techniques have been widely applied despite facing challenges such as high costs and radiation exposure. Responding to the limitations of conventional approaches, machine learning and deep learning paradigms are now being optimized to identify intrinsic patterns in complex medical imaging data. This research aims to develop the YOLOv8 algorithm to improve the accuracy of dental age estimation, using a dataset from the Dental and Oral Hospital of Airlangga University with pediatric subjects aged 5-15 years. The dataset was modified into three variations: without augmentation, triplet augmentation, and quintuplet augmentation per sample. Optimal results were achieved by the third variation with quintuplet augmentation, demonstrating 60% accuracy and 61.05% F1-Score, indicating significant potential for data augmentation techniques in enhancing the performance of deep learning algorithms for dental age estimation."