Text
Model prediksi persentase putaran katup alat kendali volume udara pada zona under-actuated berbasis artificial neural network
Sistem HVAC (Heating, Ventilation, and Air Conditioning) berfungsi untuk mengatur subu, kelembaban, dan kualitas udara dalam bangunan, namun sering menghadapi tantangan dalam memenuhi kebutuhan volume udara di zona under- actuated. Penelitian ini mengembangkan model prediksi persentase putaran katup pada alat kendalı volume udara di zona tersebut dengan metode Artificial Neural Network (ANN) di Perpustakaan Universitas Trilogi, di mana volume udara tidak terpenuhi secara optimal. Data dikumpulkan selama satu semester, dari 11 September 2023 hingga hingga 29 September 2023, mencakup jumlah penghuni, aktivitas, penggunaan alat elektronik, serta kondisi lingkungan. Model ANN yang dikembangkan terdiri dari tiga lapisan dengan 64 neuron pada setiap lapisan tersembunyi, dilatih sebanyak 50 epoch dengan batch size 32, menggunakan fungsi aktivasi ReLU dan optimasi ADAM. Hasil pelatihan menunjukkan nilai R-Squared sebesar 0,9807, yang berarti 98,1% variabilitas data dapat dijelaskan oleh model. Waktu pelatihan tercatat sekitar 11,18 detik, dan waktu prediksi hanya 0,36 detik. Nilai Mean Squared Error (MSE) adalah 6,53, dengan Root Mean Squared Error (RMSE) sebesar 2,56, menunjukkan kesalahan prediksi yang kecil. Grafik Model Loss menunjukkan penurunan nilai loss yang konsisten, menandakan model belajar dengan baik tanpa overfitting. Hasil penelitian ini berkontribusi positif terhadap pengembangan sistem pengendalian HVAC yang lebih cerdas dan efisien, serta membuka peluang untuk penelitian lebih lanjut, terutama dalam pengintegrasian teknologi IoT untuk pengumpulan data secara real-time dan adaptasi model terhadap perubahan kondisi lingkungan.
TI24/025 | TI 24/025 | Prodi Teknik Informatika (Ruang Skripsi dan Tesis) | Tersedia |
Tidak tersedia versi lain