Claim Missing Document
Check
Articles

Found 3 Documents
Search
Journal : Prosiding Semnastek

Review: Analisis Potensi dan Tantangan Biomassa Sebagai Bahan Bakar pada PLTU dan PLTBm Febriani, Annisa Vada; Hanum, Farrah Fadhillah; Rahayu, Aster
Prosiding Semnastek PROSIDING SEMNASTEK 2024
Publisher : Universitas Muhammadiyah Jakarta

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

Abstract

Berdasarkan Peraturan Presiden nomor 112 tahun 2022 tentang percepatan pengembangan energi baru terbarukan (EBT) untuk penyediaan tenaga Listrik, biomassa menjadi salah satu sumber EBT yang memiliki potensi yang besar untuk dimanfaatkan. Salah satunya yaitu sebagai bahan bakar Pembangkit Listrik Tenaga Biomassa (PLTBm) dan implementasi co-firring di PLTU. Hal ini selaras dengan komitmen Indonesia untuk mencapai 23 % EBT pada tahun 2025. Pada tahun 2023 penurunan emisi sebanyak 1,05 juta ton CO2 terjadi akibat implementasi co-firring di 43 PLTU dengan mengkonsumsi 1 jt ton/tahun biomassa. Sedangkan pembangunan PLTBm terus meningkat setiap tahunnya yang tersebar di bebagai daerah. Berdasakan data dari Dewan Energi Nasional Republik Indonesia Selama kurun waktu lima tahun (2018 – 2022), pembangunan PLTBm tumbuh rata-rata 14% per tahun. Namun masih banyak tantangan yang dihadapai dalam pemanfaatan biomassa sebagai EBT, baik dari aspek pendanaan, investasi, lingkungan maupun ketersediaan bahan baku.Kata kunci: Biomassa, PLTBm, co-firring, EBT
Penerapan Machine Learning Dalam Optimasi Proses Konversi Biomassa Menjadi Energi Febriani, Annisa Vada; Murdifin; Idris, M; Wardhana1, Budi Setya
Prosiding Semnastek PROSIDING SEMNASTEK 2025
Publisher : Universitas Muhammadiyah Jakarta

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

Abstract

Pemanfaatan biomassa sebagai sumber energi terbarukan menjadi strategi penting dalam mendukung transisi menuju sistem energi berkelanjutan. Penelitian ini bertujuan untuk mengevaluasi kinerja model machine learning (ML) dalam mengoptimasi proses konversi biomassa, khususnya pada pengarangan pelepah dan cangkang kelapa sawit, melalui prediksi parameter nilai kalor dan Yield arang terhadap variasi suhu. Optimasi proses pengarangan dilakukan pada suhu 300°C hingga 1000°C dengan waktu tinggal 2 jam, dan hasilnya dianalisis menggunakan beberapa model ML. Evaluasi performa model dilakukan berdasarkan nilai koefisien determinasi (R²), Root Mean Square Error (RMSE), dan Mean Absolute Error (MAE). Hasil menunjukkan bahwa model GPR memiliki performa prediksi tertinggi dengan nilai R² mendekati 1, namun GPR cenderung menghasilkan prediksi yang tidak sepenuhnya sesuai dengan fenomena fisis proses pengarangan. Studi ini menekankan pentingnya pendekatan multi-model dalam optimasi konversi biomassa dan menunjukkan bahwa pemilihan model ML tidak hanya bergantung pada akurasi prediktif, tetapi juga pada kemampuan model merepresentasikan mekanisme proses yang mendasari. Hasil penelitian ini memberikan kontribusi terhadap pengembangan sistem cerdas dalam perancangan proses konversi biomassa secara efisien dan berkelanjutan.
Transformasi Manajemen Energi di Gedung Perkantoran Modern melalui Teknologi Cerdas Auliasari, Putry Ayu; Astuti, Erna; Jamilatun, Siti; Rhomadoni, Firda Rizki; Wardhana, Budi Setya; febriani, Annisa Vada
Prosiding Semnastek PROSIDING SEMNASTEK 2025
Publisher : Universitas Muhammadiyah Jakarta

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

Abstract

Transformasi manajemen energi di gedung perkantoran modern semakin bergantung pada teknologi cerdas untuk meningkatkan efisiensi energi sekaligus mendukung keberlanjutan lingkungan. Artikel ini mengkaji berbagai teknologi seperti sensor pintar, Internet of Things (IoT), kecerdasan buatan (Artificial Intelligence/AI), dan sistem otomasi bangunan yang diterapkan guna mengoptimalkan konsumsi energi tanpa mengorbankan kenyamanan pengguna. Metode yang digunakan dalam kajian ini adalah studi literatur dengan menelusuri dan menganalisis sumber-sumber ilmiah terpercaya yang membahas penerapan teknologi cerdas dalam manajemen energi gedung. Hasil kajian menunjukkan bahwa integrasi teknologi cerdas mampu mengurangi konsumsi energi secara signifikan, menekan biaya operasional, serta mendukung pengelolaan energi yang adaptif dan berkelanjutan. Dari berbagai literatur yang dianalisis, Building Energy Management System (BEMS) dinilai sebagai solusi paling efisien karena mampu memantau dan mengontrol penggunaan energi secara real-time, terutama pada sistem HVAC dan pencahayaan yang merupakan komponen utama konsumsi energi di gedung. IoT mendukung otomatisasi dan pemantauan cerdas melalui konektivitas antar perangkat, sementara AI menambahkan lapisan kecerdasan dalam sistem melalui kemampuan mendeteksi anomali, memprediksi pola penggunaan energi, dan memberikan rekomendasi otomatis. Studi ini memberikan wawasan penting bagi pengembangan strategi dan kebijakan energi di sektor bangunan perkantoran modern. Pengelola gedung perlu mengadopsi teknologi cerdas yang sesuai. Riset lanjutan diarahkan pada evaluasi jangka panjang dan pengembangan AI untuk efisiensi energi berkelanjutan.