Rancang Bangun Prototype Solar Tracker untuk Optimalisasi Pengisian Battery pada Solar Home System
Abstract
Solar home system sebagai alternatif penyediaan energi listrik untuk kebutuhan rumah tangga sudah mulai banyak digunakan baik sebagai pemasok energi utama maupun pemasok energi pendukung. Sebagai pemasok energi pendukung, di kota-kota besar solar home system sudah banyak digunakan, misalnya untuk memenuhi kebutuhan energi listrik sistem pemanas air. Solar home system sebenarnya adalah sistem pembangkit tenaga listrik dengan kapasitas kecil. Komponen utamanya adalah panel surya yang merubah energi foton dari cahaya matahari menjadi energi listrik. Efisiensi panel surya berbahan silikon yang biasa digunakan adalah 12 sampai dengan 14 persen untuk monokristalin dan 10 sampai 12 persen untuk polikristalin. Dengan efisiensi tersebut, pada penelitian ini diusulkan rancang bangun sebuah alat untuk meningkatkan tingkat penyerapan energi foton dari cahaya matahari pada panel surya. Tingkat penyerapan energi akan mencapai maksimum jika panel berada tegak lurus terhadap arah pancaran cahaya matahari. Alat yang dirancang terdiri dari sebuah detektor cahaya yang dirancang dengan menggunakan Light Dependent Resistor. Komponen pengendali utama yang bertugas melakukan komputasi untuk menentukan arah pancaran cahaya matahari adalah Mikrokontroller AT Mega 8535. Mikrokontroller selanjutnya juga berfungsi untuk menggerakkan Modul Menggerak Panel yang dirancang dengan motor dc sedemikian sehingga selalu bisa menyesuaikan arah panel agar terus tegak lurus terhadap arah pancaran cahaya matahari.
Keywords
Full Text:
PDF (Bahasa Indonesia)References
Budiharto, W. and Meiliana, M. (2018) ‘Prediction and analysis of Indonesia Presidential election from Twitter using sentiment analysis’, Journal of Big Data. Springer International Publishing, pp. 1–10. doi: 10.1186/s40537-018-0164-1.
Fischer-preßler, D., Schwemmer, C. and Fischbach, K. (2019) ‘Computers in Human Behavior Collective sense-making in times of crisis : Connecting terror management theory with Twitter user reactions to the Berlin terrorist attack’, Computers in Human Behavior. Elsevier, 100(May), pp. 138–151. doi: 10.1016/j.chb.2019.05.012.
Li, X. et al. (2019) ‘Technological Forecasting & Social Change Identifying and monitoring the development trends of emerging technologies using patent analysis and Twitter data mining : The case of perovskite solar cell technology’, Technological Forecasting & Social Change. Elsevier, 146(January 2018), pp. 687–705. doi: 10.1016/j.techfore.2018.06.004.
Rintyarna, B. S., Sarno, R. and Fatichah, C. (2019) ‘Evaluating the performance of sentence level features and domain sensitive features of product reviews on supervised sentiment analysis tasks’, Journal of Big Data. Springer International Publishing. doi: 10.1186/s40537-019-0246-8.
S. Baccianella, A. Esuli, F. S. (2010) ‘SentiwordNet 3.0 : An Enhanced Lexical Resource for Sentiment Analysis and Opinion Mining’, Proceedings of the 9th Conference on Language Resources and Evaluation, 0, pp. 2200–2204. doi: 10.1.1.61.7217.
Stamatelatos, G. et al. (2020) ‘Revealing the political affinity of online entities through their Twitter followers ☆’, Information Processing and Management. Elsevier, 57(2), p. 102172. doi: 10.1016/j.ipm.2019.102172.
Stewart, B. M. and Rand, D. G. (2014) ‘Structural Topic Models for Open-Ended Survey Responses’, 58(4), pp. 1064–1082. doi: 10.1111/ajps.12103.
T. Wilson, J. Wiebe, P. H. (2005) ‘Recognizing Contextual Polarity in Phrase-Level Sentiment Analysis’, Proceedings of the conference on human language technology and empirical methods in natural language processing. Vancouver, British Columbia, Canada.
Taboada, M., Brooke, J. and Tofiloski, M. (2011) ‘Lexicon-based methods for sentiment analysis’, Computational linguistics, 37(September 2010), pp. 267–307. Available at: http://www.mitpressjournals.org/doi/abs/10.1162/COLI_a_00049.
Widener, M. J. and Li, W. (2014) ‘Using geolocated Twitter data to monitor the prevalence of healthy and unhealthy food references across the US’, Applied Geography. Elsevier Ltd, 54, pp. 189–197. doi: 10.1016/j.apgeog.2014.07.017.
Yaqub, U. et al. (2017) ‘Analysis of political discourse on twitter in the context of the 2016 US presidential elections’, Government Information Quarterly. Elsevier, (November), pp. 0–1. doi: 10.1016/j.giq.2017.11.001.
(Budiharto and Meiliana, 2018)
Budiharto, W. and Meiliana, M. (2018) ‘Prediction and analysis of Indonesia Presidential election from Twitter using sentiment analysis’, Journal of Big Data. doi: 10.1186/s40537-018-0164-1.
DOI: https://doi.org/10.32528/justindo.v6i2.3396
Refbacks
- There are currently no refbacks.
Copyright (c) 2021 Dewi Lusiana, Aji Brahma Nugroho, Bagus Setya Rintyarna
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.