Ferrisa, Nur Aina Okta (2025) ANALISIS DAN PREDIKSI OUTPUT PIEZOELEKTRIK PADA APLIKASI ENERGY HARVESTING BERBASIS DEEP LEARNING. Diploma thesis, Politeknik Negeri Sriwijaya.
![[img]](http://eprints.polsri.ac.id/style/images/fileicons/text.png) |
Text (COVER)
COVER.pdf - Published Version Download (1MB) |
|
|
Text (ABSTRAK)
ABSTRAK.pdf - Published Version Download (65kB) | Preview |
|
|
Text (BAB I)
BAB I.pdf - Published Version Restricted to Repository staff only Download (122kB) |
|
|
Text (BAB II)
BAB II.pdf - Published Version Restricted to Repository staff only Download (371kB) |
|
|
Text (BAB III)
BAB III.pdf - Published Version Restricted to Repository staff only Download (667kB) |
|
|
Text (BAB IV)
BAB IV.pdf - Published Version Restricted to Repository staff only Download (370kB) |
|
|
Text (BAB V)
BAB V.pdf - Published Version Restricted to Repository staff only Download (59kB) |
|
|
Text (DAFTAR PUSTAKA)
DAFTAR PUSTAKA.pdf - Published Version Restricted to Repository staff only Download (196kB) |
|
|
Text (LAMPIRAN)
LAMPIRAN.pdf - Published Version Restricted to Repository staff only Download (1MB) |
Abstract
Kebutuhan energi yang terus meningkat akibat keterbatasan sumber energi fosil mendorong pengembangan teknologi alternatif yang ramah lingkungan. Salah satu solusi yang potensial adalah pemanfaatan piezoelektrik sebagai sistem energy harvesting, yaitu teknologi yang dapat mengubah tekanan mekanik menjadi energi listrik. Penelitian ini bertujuan untuk menganalisis dan memprediksi output piezoelektrik berbasis tekanan langkah kaki manusia dengan memanfaatkan metode deep learning. Sistem dirancang menggunakan 120 buah sensor piezoelektrik PZT berdiameter 35 mm, disusun dalam konfigurasi seri dan paralel pada media akrilik berukuran 160 cm × 40 cm. Output tegangan, arus, dan daya yang dihasilkan saat diinjak oleh berat badan bervariasi dikirim ke platform IoT melalui ESP32 dan disimpan dalam format CSV. Data tersebut kemudian diolah menggunakan dua model deep learning, yaitu Long Short-Term Memory (LSTM) dan Artificial Neural Network (ANN), untuk memprediksi keluaran energi. Evaluasi model dilakukan menggunakan metrik MAE, MSE, RMSE, dan R². Hasil penelitian menunjukkan bahwa model deep learning mampu melakukan prediksi output dengan akurasi yang baik, sehingga sistem ini tidak hanya berfungsi sebagai alat pemanen energi, tetapi juga sebagai sistem monitoring dan analitik berbasis kecerdasan buatan yang mendukung pengembangan teknologi berkelanjutan.
| Item Type: | Thesis (Diploma) |
|---|---|
| Uncontrolled Keywords: | Piezoelektrik, Energy Harvesting, Deep Learning, LSTM, ANN, IoT, ESP32 |
| Subjects: | T Technology > TK Electrical engineering. Electronics Nuclear engineering |
| Divisions: | Electronic Engineering > Undergraduate Theses |
| Depositing User: | Pustaka Teknik Elektro |
| Date Deposited: | 13 Aug 2025 04:26 |
| Last Modified: | 13 Aug 2025 04:26 |
| URI: | http://eprints.polsri.ac.id/id/eprint/18300 |
Actions (login required)
 |
View Item |
