ARIYADI, MUHAMMAD GIVANDA and Suhendra, Tonny and Nugraha, Sapta (2025) IMPLEMENTASI EMBEDDED SYSTEM PADA PEMANTAUAN KOTORAN PANEL SURYA BERBASIS RASPBERRY PI MENGGUNAKAN ALGORITMA CNN. S1 thesis, Universitas Maritim Raja Ali Haji.

	Text (Cover) MUHAMMAD GIVANDA ARIYADI_2001010006_Teknik Elektro_Cover.pdf - Published Version Download (596kB)
	Text (Abstrak) MUHAMMAD GIVANDA ARIYADI_2001010006_Teknik Elektro_Abstrak.pdf - Published Version Download (526kB)
	Text (BAB I) MUHAMMAD GIVANDA ARIYADI_2001010006_Teknik Elektro_BAB I.pdf - Published Version Download (445kB)
	Text (Daftar Pustaka) MUHAMMAD GIVANDA ARIYADI_2001010006_Teknik Elektro_Daftar Pustaka.pdf - Published Version Download (465kB)
	Text (Full Teks) MUHAMMAD GIVANDA ARIYADI_2001010006_Teknik Elektro_Full Teks.pdf - Published Version Restricted to Repository staff only Download (5MB) | Request a copy

Abstract

Panel surya merupakan salah satu sumber energi terbarukan yang efisien dan ramah lingkungan. Namun, kinerja panel surya dapat menurun akibat akumulasi kotoran di permukaannya, sehingga diperlukan pemantauan rutin terhadap kondisi permukaan panel. Penelitian ini bertujuan untuk merancang dan mengimplementasikan sistem pemantauan kotoran pada panel surya menggunakan embedded system berbasis Raspberry Pi dan algoritma Convolutional Neural Network (CNN). Sistem terdiri dari Raspberry Pi sebagai unit pemrosesan utama, webcam untuk pengambilan citra, serta layar OLED sebagai media tampilan hasil klasifikasi. Model CNN dilatih menggunakan dataset citra panel surya dalam kondisi bersih dan kotor, kemudian diintegrasikan ke dalam sistem untuk klasifikasi secara real-time. Hasil pengujian menunjukkan bahwa sistem mampu mengklasifikasikan kondisi permukaan panel surya dengan akurasi rata - rata sebesar 84,85% dan waktu inferensi yang relatif singkat, yakni berkisar antara 0,0774 hingga 0,1301 detik, dan suhu CPU tetap stabil di bawah 65°C selama pengoperasian. Sistem mampu melakukan pengambilan dan penyimpanan citra secara otomatis berdasarkan interval waktu yang telah ditetapkan.

Actions (login required)

View Item