INTEGRASI FNN-ATTENTION ENHANCEMENT PADA SISTEM GREENWALL AQUAPONIK UNTUK PREDIKSI OUTPUT PV DAN STABILITAS SIRKULASI NUTRISI DALAM PERTANIAN BERKELANJUTAN

Hakim, Lukman Nul (2025) INTEGRASI FNN-ATTENTION ENHANCEMENT PADA SISTEM GREENWALL AQUAPONIK UNTUK PREDIKSI OUTPUT PV DAN STABILITAS SIRKULASI NUTRISI DALAM PERTANIAN BERKELANJUTAN. Diploma thesis, Politeknik Negeri Sriwijaya.

Preview	Text (Cover) COVER.pdf - Published Version Download (513kB) | Preview
Preview	Text (Abstrak) ABSTRAK.pdf - Published Version Download (16kB) | Preview
	Text (Bab I) BAB 1.pdf - Published Version Restricted to Repository staff only Download (89kB) | Request a copy
	Text (Bab II) BAB 2.pdf - Published Version Restricted to Repository staff only Download (1MB) | Request a copy
	Text (Bab III) BAB 3.pdf - Published Version Restricted to Repository staff only Download (157kB) | Request a copy
	Text (Bab IV) BAB 4.pdf - Published Version Restricted to Repository staff only Download (2MB) | Request a copy
	Text (Bab V) BAB 5.pdf - Published Version Restricted to Repository staff only Download (113kB) | Request a copy
	Text (Daftar Pustaka) DAFTAR PUSTAKA.pdf - Published Version Restricted to Repository staff only Download (78kB) | Request a copy
	Text (Lampiran) LAMPIRAN TA.pdf - Published Version Restricted to Repository staff only Download (922kB) | Request a copy

Abstract

Sistem Greenwall Aquaponik berbasis energi surya merupakan inovasi pertanian berkelanjutan yang menghadapi tantangan fluktuasi irradiance harian terhadap output daya panel fotovoltaik (PV). Penelitian ini mengembangkan model prediktif berbasis Feedforward Neural Network (FNN) dengan peningkatan Attention Enhancement (AE) untuk memprediksi output PV secara akurat serta menjaga kestabilan sirkulasi nutrisi dalam sistem. Data irradiance dikumpulkan menggunakan sensor, diproses melalui tahap normalisasi, dan digunakan untuk melatih model FNN-AE. Evaluasi menggunakan MSE, MAE, dan R² menunjukkan bahwa model mampu memetakan pola variatif irradiance dengan baik dan menghasilkan prediksi yang presisi. Hasil ini membuktikan bahwa penerapan kecerdasan buatan dalam sistem aquaponik dapat meningkatkan efisiensi energi, adaptivitas sistem, dan mendukung pertanian cerdas berbasis data. Penelitian ini juga menyoroti pentingnya integrasi teknologi AI dalam manajemen sumber daya energi terbarukan yang efisien. Dengan pendekatan ini, sistem aquaponik dapat beroperasi lebih mandiri, stabil, dan ramah lingkungan, sekaligus mendukung produktivitas pertanian yang berkelanjutan di tengah tantangan perubahan iklim dan keterbatasan lahan. Kata Kunci: Greenwall Aquaponik, Prediksi Output PV, Feedforward Neural Network (FNN), Attention Enhancement (AE), Deep Learning

Item Type:	Thesis (Diploma)
Uncontrolled Keywords:	Greenwall Aquaponik, Prediksi Output PV, Feedforward Neural Network (FNN), Attention Enhancement (AE), Deep Learning
Subjects:	T Technology > TK Electrical engineering. Electronics Nuclear engineering
Divisions:	Electronic Engineering > Undergraduate Theses
Depositing User:	Pustaka Teknik Elektro
Date Deposited:	13 Aug 2025 15:29
Last Modified:	13 Aug 2025 15:29
URI:	http://eprints.polsri.ac.id/id/eprint/18192

Actions (login required)

View Item