Hasil Pencarian  ::  Simpan CSV :: Kembali

"Matahari sebagai salah satu alternatif sumber energi alami yang tersedia di muka bumi, merupakan salah satu faktor yang perlu diperhatikan pada proses perencanaan bangunan dengan prinsip desain arsitektur solar. Teori mengenai matahari, iklim, dan energi menjadi dasar bagi upaya penerapan arsitektur solar pada bangunan sekolah, selain tentunya pemahaman teori mengenai arsitektur solar dan sistemnya.Analisis penerapan arsitektur solar pada beberapa bangunan sekolah pada daerah beriklim dingin dan bangunan sekolah yang berada di Jakarta bertujuan untuk mengetahui upaya pemanfaatan energi matahari pada suatu desain bangunan sekolah dan mengetahui pengaruh posisi dan orientasi suatu bangunan sebagai faktor yang perlu diperhatikan dalam prisip desain arsitektur solar, terhadap suhu radiasi yang diterima."

"Research has been carried out for designing and construction of solar radiation concentration by using array of mirrors. A solar water heater is used to demonstrate the usefulness of such solar radiation concentration."

"This fully updated Third Edition covers principles of designing buildings that use the sun for heating, wind for cooling, and daylight for natural lighting. Using hundreds of illustrations and companion CD-ROM, this book offers practical strategies that give the designer the tools they need to make energy efficient buildings."

"Provinsi Jawa Barat memiliki potensi yang signifikan untuk pengembangan energi surya melalui pemanfaatan radiasi matahari. Penelitian ini bertujuan untuk mengestimasi radiasi matahari di Provinsi Jawa Barat menggunakan metode ANN untuk menemukan model konfigurasi optimal dan menganalisis distribusi spasialnya. Pengukuran radiasi matahari dilakukan di lima lokasi berbeda, dengan dua lokasi terbaik dipilih untuk pemrosesan data. Dataset yang digunakan adalah data tahun 2022, yang dibagi menjadi 70% untuk pelatihan dan 30% untuk pengujian. Hasilnya menunjukkan bahwa konfigurasi optimal 6-30-1 di lokasi Puslitbang PLN mencapai nilai RMSE sebesar 135,8 W/m², rRMSE sebesar 54,8%, MBE sebesar 15,9 W/m², dan rMBE sebesar 0,064%. Sementara itu, untuk lokasi Sumedang, konfigurasi optimal adalah 5-40-1, yang menghasilkan nilai RMSE sebesar 156,7 W/m², rRMSE sebesar 49,29%, MBE sebesar 7,75 W/m², dan rMBE sebesar 0,024%. Secara keseluruhan, model ini masih memiliki kesalahan estimasi sebesar 48-50%.Untuk meningkatkan akurasi, penelitian ini mengintegrasikan model ANN dengan WRF, yang mampu meningkatkan akurasi di Sumedang sebesar 2%. Analisis menunjukkan bahwa daerah dengan ketinggian rendah memiliki intensitas radiasi matahari yang tinggi, sedangkan daerah dengan ketinggian lebih tinggi menerima radiasi matahari yang lebih rendah

---

West Java Province has significant potential for solar energy development through the utilization of solar radiation. This study aims to estimate solar radiation in West Java Province using ANN methods to find the optimal configuration model and analyze its spatial distribution. Solar radiation measurements were conducted at five different locations, with the two best locations selected for data processing. The dataset used is from the year 2022, which was divided into 70% training and 30% testing. The results showed that the optimal configuration of 6-30-1 at the Puslitbang PLN location achieved an RMSE value of 135.8 W/m², an rRMSE of 54.8%, an MBE of 15.9 W/m², and an rMBE of 0.064%. Meanwhile, for the Sumedang location, the optimal configuration was 5-40-1, which produced an RMSE value of 156.7 W/m², an rRMSE of 49.29%, an MBE of 7.75 W/m², and an rMBE of 0.024%. Overall, this model still has an estimation error of 48-50%. To improve accuracy, this study integrated the ANN model with WRF, which was able to increase accuracy in Sumedang by 2%. Analysis shows that low-altitude areas have high solar radiation intensity, while higher-altitude areas receive lower solar radiation."

"Automatic Weather Station (AWS) mengalami kendala berupa kerusakan komponen dan kegagalan sistem komunikasi, sehingga menyebabkan data parameter tidak lengkap. Kerusakan komponen juga terjadi pada pyranometer. Penurunan kinerja pyranometer menghasilkan penyimpangan, ketidakpastian pengukuran intensitas radiasi matahari, serta gap data. Imputasi data menjadi salah satu solusi dalam meminimalisir penyimpangan pengukuran dan terjadinya missing data pyranometer AWS. Penelitian ini bertujuan mendesain serta menganalisis performa akurasi model imputasi data intensitas radiasi matahari pyranometer AWS multisite ketika terjadi gap data. Penelitian ini berupaya memanfaatkan kaitan spasio-temporal intensitasi radiasi matahari AWS multisite di dalam model imputasi. Algoritma Long-Short Term Memory (LSTM) digunakan sebagai estimator pada jaringan pyranometer AWS multisite. Tahap pemodelan imputasi data meliputi pengumpulan data, pra-pemrosesan data, pembuatan skenario missing data, desain LSTM dan pengujian model. Metode berbasis machine learning ini diharapkan mampu mengimputasi data AWS pada missing data dalam jangka menit maupun jam, jika AWS mengalami kerusakan sistem atau gangguan jaringan komunikasi. Nilai MAPE model LSTM untuk imputasi pyranometer AWS Cikancung untuk missing data 30 menit, 1 jam dan 3 jam berturut-turut yaitu 1,81% ; 2,72% ; dan 5,07%. Nilai MAPE model LSTM untuk AWS Cimalaka untuk missing data 30 menit, 1 jam dan 3 jam berturut-turut yaitu 0,46% ; 1,25% ; dan 3,24%. Nilai MAPE model LSTM untuk AWS Cipasung untuk missing data 30 menit, 1 jam dan 3 jam berturut-turut yaitu 2,30% ; 1,67% ; dan 0,94%.

---

Automatic Weather Station (AWS) experienced problems in the form of component damage and communication system failure, resulting in incomplete parameter data. Component damage also occurs in pyranometers. Decreased pyranometer performance results in deviations, uncertainty in measuring solar radiation intensity, and data gaps. Data imputation is one solution to minimize measurement deviations and the occurrence of missing AWS pyranometer data. This research aims to design and analyze the accuracy performance of the multisite AWS pyranometer solar radiation intensity data imputation model when a data gap occurs. This research attempts to utilize the spatio-temporal relationship of multisite AWS solar radiation intensity in the imputation model. The Long-Short Term Memory (LSTM) algorithm is used as an estimator in the multisite AWS pyranometer network. The data imputation modeling stage includes data collection, data pre-processing, creating missing data scenarios, LSTM design and model testing. This machine learning-based method is expected to be able to impute AWS data for missing data in minutes or hours, if AWS experiences system damage or communication network disruption. The MAPE value of the LSTM model for the AWS Cikancung pyranometer for missing data of 30 minutes, 1 hour and 3 hours respectively is 1.81%; 2.72% ; and 5.07%. The MAPE value of the LSTM model for AWS Cimalaka for missing data of 30 minutes, 1 hour and 3 hours respectively is 0.46%; 1.25% ; and 3.24%. The MAPE value of the LSTM model for AWS Cipasung for missing data of 30 minutes, 1 hour and 3 hours respectively is 2.30%; 1.67% ; and 0.94%."