Image of Model prediksi kebutuhan suplai oksigen alat kendali volume udara pada zona under-actuated dengan metode artificial neural network

Text

Model prediksi kebutuhan suplai oksigen alat kendali volume udara pada zona under-actuated dengan metode artificial neural network

Dalam sistem HVAC (Pemanas, Ventilasi, dan Pendimgin Udara), kebutuhan suplai oksigen yang didasari oleh beban pendinginan (cooling load) penghuni dalam suatu ruangan dan kenyamanan penghuni. Prediksi yang akurat mengenai kebutuhan oksigen, yang didasarkan pada berbagai faktor lingkungan seperti suhu di luar, suhu di dalam ruangan, dan radiasi matahari, dapat meningkatkan beban pendinginan dan mengurangi biaya operasional. Penelitian ini menggunakan model Jaringan Syaral Tiruan yang dilatih dengan data yang mencakup berbagai kondisi lingkungan. Model ini memanfaatkan arsitektur jaringan syaraf maju (feed- forward) dengan algoritma backpropagation, yang memungkinkan jaringan untuk memahami hubungan kompleks antara input dan kebutuhan suplai oksigen. Evaluasi model dilakukan dengan membandingkan prediksi JST dengan data sebenarnya. Hasilnya menunjukkan bahwa model JST dapat memprediksi kebutuhan suplai oksigen dengan tingkat akurasi yang tinggi. Akurasi model ini sangat dipengaruhi oleh kualitas dan representasi data pelatihan yang digunakan. Walaupun model ini mampu memberikan hasil yang cepat dan akurat, ada beberapa kelemahan, seperti ketergantungan pada kualitas data pelatihan dan meningkatnya kompleksitas seiring dengan bertambahnya lapisan tersembunyi. Salah satu kelemahan utama adalah kurangnya kemampuan interpretasi dari model, yang merupakan masalah umum dalam jaringan syaraf yang kompleks. Secara keseluruhan, Model Jaringan Syaraf Tiruan yang dikembangkan dalam penelitian ini menunjukkan potensi besar untuk diterapkan dalam optimalisasi sistem HVAC, terutama dalam prediksi kebutuhan suplai oksigen. Penelitian lebih lanjut sebaiknya difokuskan pada peningkatan kualitas data pelatihan, pengujian model pada kondisi yang lebih bervariasi, peningkatan interpretabilitas model, serta optimasi dan implementasi dalam skala yang lebih besar. Penelitian ini membuka peluang baru bagi penggunaan teknologi pembelajaran mesin dalam manajemen suplai oksigen dan pengembangan sistem HVAC yang lebih cerdas dan baik.

Ketersediaan
TI24/024TI 24/024Prodi Teknik Informatika (Ruang Skripsi dan Tesis)Tersedia
Informasi Detail
Judul Seri
-
No. Panggil
TI 24/024
Penerbit
Jakarta : Universitas Trilogi.,
Deskripsi Fisik
-
Bahasa
Indonesia
ISBN/ISSN
-
Klasifikasi
TI
Tipe Isi
text
Tipe Media
-
Tipe Pembawa
-
Edisi
-
Subjek
Information technology
Trilogi University--Information technology
Info Detail Spesifik
-
Pernyataan Tanggungjawab
Versi lain/terkait

Tidak tersedia versi lain

Lampiran Berkas
Tidak Ada Data
Komentar
Anda harus masuk sebelum memberikan komentar