PENERAPAN ARSITEKTUR ARTIFICIAL NEURAL NETWORK (ANN)DALAM OPTIMALISASI PREDIKSI STATE OF CHARGE (SOC)BATERAI LiFePO4 DAN PREDIKSI PERFORMA SISWA
Penulis Utama
:
Dimas Zuda Fathul Akhir
NIM / NIP
:
K2319020
× Baterai LiFePO4 merupakan jenis baterai lithium-ion yang proses
pemeliharaanya lebih sulit dibanding dengan baterai yang lain. Hal ini dikarenakan
performa baterai yang semakin berkurang seiring waktu, harga penggantian baterai
selalu bertambah dan berisiko terjadi ledakan dan kerusakan ketika dalam keadaan
ekstrim. Oleh karena itu, diperlukan proses pengukuran nilai State of Charge (SoC)
untuk mengoptimalkan pengoperasian dan memastikan keamanan dan keandalan
dari baterai. Metode machine learning dengan arsitektur Artificial Neural Network
(ANN) merupakan metode yang paling tepat dan cepat dalam mengatasi
permasalahan nonlinear seperti baterai. Tujuan dari penelitian ini adalah untuk
mengembangkan arsitektur (ANN) untuk mengoptimalisasi prediksi SoC baterai
LiFePO4. Dataset yang digunakan dalam penelitian ini adalah dataset baterai
LiFePO4 dengan tipe 18650 yang berjumlah 219193 data. Arsitektur yang telah
dikembangkan dievaluasi menggunakan Mean Absolute Error (MAE) dan korelasi
Spearman. Hasil dari penelitian ini menunjukkan bahwa arsitektur paling optimal
dalam memprediksi nilai SoC baterai adalah 4-32-16-32-1 dengan input berjumlah
4, 3 hidden layer dengan masing-masing layer memiliki neuron 32-16-32. dan 1
output layer. Masing-masing hidden layer menggunakan aktivasi ReLU sedangkan
untuk output menggunakan aktivasi Sigmoid. Optimizer yang digunakan adalah
Adam dengan learning rate sebesar 0.001. Nilai error dari training sebesar 3,05 x
10-3
sedangkan pada hasil testing sebesar 6.1 x 10-3
. Korelasi yang dihasilkan model
adalah 0.999. Arsitektur yang telah dikembangkan juga diuji dengan dataset
performa siswa. Hasil error yang diperoleh saat pengujian adalah 0,012, sedangkan
korelasi yang diperoleh adalah 0,992.
×
Penulis Utama
:
Dimas Zuda Fathul Akhir
Penulis Tambahan
:
-
NIM / NIP
:
K2319020
Tahun
:
2023
Judul
:
PENERAPAN ARSITEKTUR ARTIFICIAL NEURAL NETWORK (ANN)DALAM OPTIMALISASI PREDIKSI STATE OF CHARGE (SOC)BATERAI LiFePO4 DAN PREDIKSI PERFORMA SISWA
Edisi
:
Imprint
:
Surakarta - Fak. KIP - 2023
Program Studi
:
S-1 Pendidikan Fisika
Kolasi
:
Sumber
:
Kata Kunci
:
Baterai, Lithium Ion, Machine Learning, State of Charge
