Claim Missing Document
Check
Articles

Found 5 Documents
Search

MPPT Menggunakan Metode Hibrid JST dan Algoritma Genetika Untuk Sistem Photovoltaic Gunawan Wibisono; Sholeh Hadi Pramono; Muhammad Aziz Muslim
Jurnal EECCIS Vol 8, No 2 (2014)
Publisher : Fakultas Teknik, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (239.773 KB)

Abstract

Maximum Power Point Tracking is a method to track power point of an energy source in order to generate maximum power. One of the MPPT method for photovoltaic system is fractional open voltage MPPT. In this paper the fractional open voltage MPPT is modified by using artificial neural network trained using genetic algorithm. Artificial neural networks are successfully trained by using genetic algorithm. The best mean squared error (MSE) value obtained is 0.000453. The network tested using test data, yielding average error = 0.00949509 and MSE = 0.00012814. The neural network-based MPPT can improve the fractional open voltage MPPT by 4.79%.Index Terms---Genetic Algorithm, MPPT, Neural Network, Photovoltaic
Model MPPT Metode Fractional Short Circuit Current Menggunakan JST - AG untuk Solar Panel Gunawan Wibisono; Herryawan Pujiharsono
Journal of Telecommunication, Electronics, and Control Engineering (JTECE) Vol 1 No 01 (2019): Journal of Telecommunication, Electronics and Control Engineering (JTECE)
Publisher : LPPM Institut Teknologi Telkom Purwokerto

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20895/jtece.v1i01.37

Abstract

Sistem photovoltaic memerlukan sebuah metode untuk meningkatkan efisiensi konversinya. Salah satu metodenya adalah menggunakan maximum power point tracking (MPPT). Salah satu metode MPPT, adalah metode fractional short circuit current. Metode ini sediri dapat dioptimalkan lebih jauh menggunakan jaringan syaraf tiruan. Jaringan syaraf tiruan sendiri dapat dilatih menggunakan algoritma genetika. Dengan menggunakan algoritma genetika untuk melatih jaringan syaraf tiruan, didapatkan nilai mean square error (MSE) pelatihan berkisar antara 0,000690983- 0,003210547, dengan rata-rata sebesar 0,002499517. Sedangkan error pengujian berada pada rentang 8,91%-13,21%.
Pemanfaatan Sensor Arus untuk Efektifitas Penggunaan Daya Listrik pada Ruangan Kelas Menggunakan Internet of Things Ahmad Khairol Maulidi; Fikra Titan Syifa; Gunawan Wibisono
Journal of Telecommunication Electronics and Control Engineering (JTECE) Vol 5 No 1 (2023): Journal of Telecommunication, Electronics, and Control Engineering (JTECE)
Publisher : LPPM INSTITUT TEKNOLOGI TELKOM PURWOKERTO

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20895/jtece.v5i1.836

Abstract

Seiring bertambahnya kebutuhan akan peralatan listrik yang digunakan di dalam suatu ruangan kelas maka kebutuhan akan energi listrik serta biaya yang akan dikeluarkan akan semakin besar. Sulitnya memonitor pemakaian perangkat listrik yang ada dikelas berpotensi terjadinya pemakaian perangkat secara berlebihan. Penelitian ini bertujuan merancang sistem smart class berbasis modul NodeMCU ESP8266, dengan rancangan ini perangkat yang ada di dalam kelas (prototype) dapat dimonitor dan dikendalikan secara jarak jauh. Sehingga dapat dilakukan analisa performansi kinerja saat dilakukan monitoring dan controlling jarak jauh. Termonitornya biaya listrik yang digunakan sehingga dapat mengatur perangkat dengan lebih efisien. Rancangan prototype ini menggunakan alat bantu, NodeMCU ESP8266, Modul sensor PZEM-004T, dan relay. Rangkaian tersebut menghasilkan data yang dikirim ke platform blynk yang diolah menjadi alat monitor dan kendali jarak jauh yang dapat dijalankan pada aplikasi ios. Hasil pengujian akurasi modul sensor PZEM-004T persentase error tegangan rata-rata hanya 0,78% sedangkan pada arus rata-rata persentase error hanya mempunyai persentase 12,90% saja. Hasil pengujian Quality of Service untuk memonitoring data dari NodeMCU ESP8266 ke server blynk mendapatkan delay rata-rata 116 ms, throughput rata-rata sebesar 5446,900 Kbps dan packet loss 0,023%. Berdasarkan parameter tiphon nilai throughput, delay, packet loss termasuk kategori sangat bagus. Pada pengujian fitur hasilnya didapatkan persentase 100% berhasil dari 30 kali pengujian. prototype smart class ini berhasil karena berdasarkan pengujian prototype ini dapat berjalan dengan baik.
Implementasi Moving Average Filter untuk Sensor Tegangan pada Sistem Kontrol dan Monitoring Lampu Jalan Sigit Pramono; Jhon Bryan Tarihoran; Gunawan Wibisono
Dinamika Rekayasa Vol 19, No 1 (2023): Jurnal Ilmiah Dinamika Rekayasa - Februari 2023
Publisher : Jenderal Soedirman University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20884/1.dr.2023.19.1.536

Abstract

Perkembangan teknologi saat ini mampu memanfaatkan infrastruktur yang ada sebagai jalur komunikasi. Power line Carrier (PLC) adalah teknologi komunikasi data yang dilakukan melalui kabel listrik. Penerangan jalan yang baik memegang peranan penting terutama pada kondisi malam hari. Penerangan jalan ini berguna untuk menciptakan kondisi jalan yang terang. Untuk memudahkan pengguna mengontrol lampu jalan dan memonitoring lampu dari jarak jauh maka dibuat peralatan untuk mengontrol dan memonitoring lampu melalui PLC. Tujuan dari penelitian ini adalah pengujian sensor tegangan dengan menggunakan Moving Average Filter(MAF) dengan menggunakan PLC pada sistem kontrol dan monitoring lampu jalan dan mengukur kinerja sensor tegangan ZMPT101B menggunakan Moving Average Filter. Sistem yang dirancang memiliki 2 perangkat utama yaitu perangkat kontrol dan sensor lampu kemudian terdapat juga perangkat yang digunakan untuk melakukan monitoring dengan menggunakan display LCD 16x2. Nilai rata-rata persentase error dari keseluruhan nilai tegangan yaitu ketika pembacaan tanpa menggunakan MAF memiliki niliai rata-rata error sebesar 0.38%, kemudian ketika menggunakan MAF 5 persentase error turun menjadi 0.18% dan MAF 10 menghasilkan nilai yang terbaik dengan rata-rata error sebesar 0.14%. Penggunaan filter MAF 10 menghasilkan grafik yang lebih stabil dibandingkan dengan tidak menggunakan filter MAF.
Egg Incubator Temperature and Humidity Control Using Fuzzy Logic Controller Yulian Zetta Maulana; Firdaus Fathurrohman; Gunawan Wibisono
Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Vol 7 No 2 (2023): April 2023
Publisher : Ikatan Ahli Informatika Indonesia (IAII)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29207/resti.v7i2.4728

Abstract

Controlling room temperature and humidity in egg incubator systems is a process that is widely used in the farm. A good temperature and humidity for standard egg hatching is between 35℃ – 40℃, with humidity in the machine ranging from 50%-60%. The main problems of our research is to find the robustness of the fuzzy logic controller, using the proper parameter. Because while the particular parameter is applicable for one case, but after using several times, the controller lost its robustness. Therefore, this study aims to create a system to control the temperature and humidity of the egg incubator with fuzzy control using the Sugeno methods. In order to get the input and output values, namely by connecting the DHT22 sensor to measure temperature and humidity to be processed into the microcontroller, the value obtained from the sensor will then be processed. The use of fuzzy control is used to make several stages, namely fuzzification, rule, and defuzzification which after processing will be used as output weights for the actuators used. In order to get the robust parameter, test was carried out 5 times with a test time of 18 minutes to get a stable value from the tool. By applying this, it can be concluded whether the system is reliable during different situation. The result shows that the average time for the system to get a stable humidity is 302 second. On the other hand, the average time for the system to get stable temperature is 342 second. The Mean Squared error for temperature is 1,715, while the Mean Squared Error for Humidity is 5,294. It can be concluded that the system controlled by fuzzy controller is robust, has a fast response and reliable.