Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
Fachry Ananta
Fakultas Ilmu Komputer, Universitas Brawijaya
Computer Science & IT Control & Systems Engineering Education Electrical & Electronics Engineering Engineering

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Perancangan Sistem Deteksi Anomali pada Panel Surya menggunakan Mikrokontroler dengan Algoritma K-Nearest Neighbors Fachry Ananta; Dahnial Syauqy; Barlian Henryranu Prasetio
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 7 No 5 (2023): Mei 2023
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Indonesia masih sangat tergantung pada energi fosil untuk memenuhi kebutuhan energinya. Oleh karena itu, perlu diupayakan eksplorasi terhadap sumber energi terbarukan. Salah satu yang menarik perhatian adalah energi surya yang memiliki potensi besar di Indonesia. Namun, ada faktor-faktor lingkungan seperti kotoran, cuaca, dan bayangan yang dapat mempengaruhi kinerja panel surya. Penelitian ini merancang sistem deteksi anomali pada panel surya menggunakan mikrokontroler dan algoritma K-Nearest Neighbors. Tujuannya adalah mendeteksi kejadian tak terduga seperti cuaca mendung, bayangan, dan dedaunan yang menghalangi panel surya. Dengan teknologi deteksi secara real-time, kinerja panel surya bisa ditingkatkan dengan informasi kondisinya. Algoritma K-Nearest Neighbors digunakan untuk mengklasifikasikan jenis anomali berdasarkan pengukuran tegangan. Sistem pemantauan panel surya terdiri dari tiga tahap: perolehan data, pemrosesan data, dan tampilan data. Informasi tegangan dikumpulkan dari sensor pada panel surya dan diproses menggunakan algoritma K-Nearest Neighbors. Hasilnya ditampilkan melalui buzzer untuk memberikan informasi kepada pengguna. Pengujian sistem menunjukkan bahwa sensor tegangan INA219 mengukur tegangan dengan akurasi 1,14% dan sistem mampu mengklasifikasikan jenis anomali dengan akurasi 92,5% menggunakan K-Nearest Neighbors (K=3). Sistem juga dapat mendeteksi penurunan tegangan hingga threshold 19% dengan bunyi alarm buzzer. Dengan sistem ini, diharapkan kinerja dan efisiensi panel surya dapat meningkat secara signifikan.
Co-Authors Barlian Henryranu Prasetio Dahnial Syauqy