ANALISIS EVALUASI METRIK KINERJA MODEL TRANSFORMER DAN SUPPORT VECTOR REGRESSION PADA SISTEM FAST CHARGING BATERAI LITHIUM POLYMER

Effendi, Dylan Adriansyah (2026) ANALISIS EVALUASI METRIK KINERJA MODEL TRANSFORMER DAN SUPPORT VECTOR REGRESSION PADA SISTEM FAST CHARGING BATERAI LITHIUM POLYMER. Diploma thesis, Politeknik Negeri Sriwijaya.

	Text (COVER) COVER.pdf - Published Version Download (633kB)
Preview	Text (ABSTRAK) ABSTRAK.pdf - Published Version Download (185kB) | Preview
	Text (BAB I PENDAHULUAN) BAB I.pdf - Published Version Restricted to Repository staff only Download (219kB) | Request a copy
	Text (BAB II TINJAUAN PUSTAKA) BAB II.pdf - Published Version Restricted to Repository staff only Download (809kB) | Request a copy
	Text (BAB III METODOLOGI PENELITIAN) BAB III.pdf - Published Version Restricted to Repository staff only Download (1MB) | Request a copy
	Text (BAB IV HASIL DAN PEMBAHASAN) BAB IV.pdf - Published Version Restricted to Repository staff only Download (546kB) | Request a copy
	Text (BAB V PENUTUP) BAB V.pdf - Published Version Restricted to Repository staff only Download (152kB) | Request a copy
	Text (DAFTAR PUSTAKA) DAFTAR PUSTAKA.pdf - Published Version Restricted to Repository staff only Download (148kB) | Request a copy
	Text (LAMPIRAN) LAMPIRAN.pdf - Published Version Restricted to Repository staff only Download (484kB) | Request a copy

Abstract

Proses pengisian baterai Lithium Polymer memerlukan estimasi Time to Full Charge (TTF) yang akurat untuk meningkatkan efisiensi dan keamanan pengisian. Penelitian ini bertujuan merancang sistem fast charging berbasis ESP32 yang mampu memonitor parameter pengisian secara real-time serta membandingkan kinerja algoritma Transformer dan Support Vector Regression (SVR) dalam mengestimasi waktu pengisian baterai Lithium Polymer 3S. Sistem menggunakan sensor PZEM-017 untuk mengukur tegangan, sensor ACS758 untuk mengukur arus, dan sensor GY-906 untuk mengukur suhu, sedangkan aplikasi Blynk digunakan sebagai media pemantauan secara real-time. Data yang diperoleh diproses melalui tahap preprocessing berupa pembersihan data, feature engineering, dan normalisasi menggunakan RobustScaler, kemudian digunakan untuk melatih model Transformer berbasis PatchTST dan SVR. Evaluasi dilakukan menggunakan metrik Mean Absolute Error (MAE), Root Mean Square Error (RMSE), Mean Absolute Percentage Error (MAPE), dan koefisien determinasi (R²). Hasil penelitian menunjukkan bahwa model Transformer memperoleh nilai MAE 22,54 detik, RMSE 29,61 detik, MAPE 16,83%, dan R² 0,9981, sedangkan model SVR memperoleh MAE 14,67 detik, RMSE 20,16 detik, MAPE 11,38%, dan R² 0,9991. Berdasarkan hasil tersebut, kedua model memiliki performa yang sangat baik dalam mengestimasi waktu pengisian baterai, namun SVR memberikan akurasi yang lebih tinggi dibandingkan Transformer pada dataset yang digunakan dalam penelitian ini.

Item Type:	Thesis (Diploma)
Uncontrolled Keywords:	Fast Charging, Lithium Polymer, Time to Full Charge, Transformer, PatchTST, Support Vector Regression, ESP32
Subjects:	T Technology > TK Electrical engineering. Electronics Nuclear engineering
Divisions:	Electronic Engineering > Undergraduate Theses
Depositing User:	Pustaka Teknik Elektro
Date Deposited:	10 Aug 2026 03:57
Last Modified:	10 Aug 2026 03:57
URI:	http://eprints.polsri.ac.id/id/eprint/24566

Actions (login required)

View Item