Hasil Pencarian  ::  Simpan CSV :: Kembali

"Baterai menjadi komponen kunci dalam sistem penyimpanan energi, maka dari itu sangat penting untuk mengestimasi nilai State of Charge secara akurat untuk mengelola dan memanfaatkan daya baterai secara optimal. Ketidakakuratan estimasi SoC dapat menyebabkan performa yang tidak optimal dan kerusakan baterai. Pendekatan tradisional dalam estimasi SoC cenderung kurang presisi, terutama di bawah kondisi dinamis. Oleh karena itu, untuk meningkatkan akurasi estimasi SoC, pada penelitian ini diusulkan model estimasi SoC menggunakan metode Support Vector Machine dengan Particle Swarm Optimization pada baterai Lithium-Ion dan Lithium-Polymer karena keduanya banyak digunakan dalam berbagai aplikasi, termasuk kendaraan listrik, perangkat seluler, dan peralatan elektronik. Hasil penelitian ini akan menunjukkan algoritma SVM dan PSO-SVM yang dapat digunakan untuk memprediksi estimasi pada baterai Lithium-Ion dan Lithium-Polymer. Berdasarkan penelitian yang telah dilakukan diperoleh hasil skor R-Squared menggunakan SVM pada Lithium-Ion sebesar 96,1% dan Lithium-Polymer sebesar 92,8%, serta menggunakan PSO-SVM pada Lithium-Ion 97,8% sebesar dan Lithium-Polymer sebesar 93,6%. hasil skor Mean Absolute Error diperoleh dengan menggunakan SVM pada Lithium-Ion sebesar 4,9% dan Lithium-Polymer sebesar 6,0%, serta menggunakan PSO-SVM pada Lithium-Ion sebesar 3,8% dan Lithium-Polymer sebesar 5,7%. hasil skor Root Mean Squeared Error diperoleh dengan menggunakan SVM pada Lithium-Ion sebesar 6,3% dan Lithium-Polymer sebesar 8,1%, serta menggunakan PSO-SVM pada Lithium-Ion sebesar 4,8% dan Lithium-Polymer sebesar 7,7%. Hasil analisis menunjukkan bahwa algoritma PSO-SVM dan SVM lebih cocok diaplikasikan pada baterai Lithium-Ion dibandingkan Baterai Lithium-Polymer, khusunya PSO-SVM.

---

Batteries become a key component in the energy storage system; therefore, it is crucial to accurately estimate the State of Charge to manage and utilise the battery power optimally. Inaccuracy in SoC estimation can lead to suboptimal performance and battery damage. Traditional approaches in SoC estimation tend to lack precision, especially under dynamic conditions. Therefore, to improve the accuracy of SoC estimation, this study proposes a SoC estimation model using Support Vector Machine with Particle Swarm Optimization method for Lithium-Ion and Lithium-Polymer batteries as they are widely used in various applications, including electric vehicles, mobile devices, and electronic equipment. The results of this research will show the PSO-SVM and SVM algorithms that can be used to predict estimates for Lithium-Ion and Lithium-Polymer batteries. Based on research that has been carried out, the R-Squared score results obtained using SVM on Lithium-Ion were 96.1% and Lithium-Polymer was 92.8%, and using PSO-SVM on Lithium-Ion was 97.8% and Lithium-Polymer was 93 .6%. The Mean Absolute Error score results were obtained using SVM on Lithium-Ion of 4.9% and Lithium-Polymer of 6.0%, and using PSO-SVM on Lithium-Ion of 3.8% and Lithium-Polymer of 5.7%. The Root Mean Squeared Error score results obtained using SVM on Lithium-Ion were 6.3% and Lithium-Polymer were 8.1%, and using PSO-SVM on Lithium-Ion was 4.8% and Lithium-Polymer was 7.7%. The analysis results show that the PSO-SVM and SVM algorithms are more suitable for application to Lithium-Ion batteries compared to Lithium-Polymer Batteries, especially PSO-SVM."

"Transportasi memainkan peran vital dalam memfasilitasi perpindahan barang dan manusia di seluruh dunia, yang hingga kini sangat bergantung pada bahan bakar fosil. Penggunaan energi fosil yang terus meningkat telah mengakibatkan lonjakan emisi gas rumah kaca, yang memberikan dampak negatif pada iklim global. Untuk mengatasi masalah lingkungan ini, sejumlah negara mulai beralih ke penggunaan kendaraan listrik yang mengandalkan baterai lithium-ion dan lithium-polimer sebagai sumber energinya. Penelitian ini bertujuan untuk memprediksi State of Charge (SoC) pada baterai lithium-ion dan lithium-polimer menggunakan model machine learning Long Short-Term Memory (LSTM) yang dioptimalkan parameter pada LSTM dengan metode Grid-Search. Dalam penelitian ini, data SoC dari baterai lithium-ion dan lithium-polimer dianalisis menggunakan model LSTM, serta LSTM yang telah dioptimalkan dengan Grid Search. Proses evaluasi dilakukan untuk membandingkan tingkat akurasi prediksi SoC antara kedua jenis baterai pada kondisi suhu operasional. Hasil penelitian mengungkapkan bahwa algoritma LSTM-Grid Search mampu memberikan akurasi prediksi SoC yang lebih tinggi dibandingkan dengan model LSTM standar. Secara khusus, model LSTM-Grid Search menunjukkan performa yang signifikan pada baterai lithium-ion dan lithium-polimer, dengan nilai R² mencapai 99.6% untuk baterai lithium-polimer pada suhu 25°C dan 95.8% untuk baterai lithium-ion pada suhu 0°C.

---

Transportaion plays a vital role in facilitating the movement of goods and people worldwide, which, until now, has heavily relied on fossil fuels. The increasing use of fossil energy has resulted in a surge in greenhouse gas emissions, negatively impacting the global climate. To address this environmental issue, several countries have begun transitioning to electric vehicles that rely on lithium-ion and lithium-polymer batteries as their energy source. This research aims to predict the State of Charge (SoC) of lithium-ion and lithium-polymer batteries using a Long Short-Term Memory (LSTM) machine learning model, with the LSTM parameters optimized using the Grid-Search method. In this study, SoC data from lithium-ion and lithium-polymer batteries were analyzed using both the standard LSTM model and the LSTM model optimized with Grid Search. The evaluation process was conducted to compare the accuracy of SoC predictions between the two types of batteries under operational temperature conditions. The research findings revealed that the LSTM-Grid Search algorithm provided higher SoC prediction accuracy compared to the standard LSTM model. Specifically, the LSTM-Grid Search model demonstrated significant performance on lithium-ion and lithium-polymer batteries, with R² values reaching 99.6% for lithium-polymer batteries at 25°C and 95.8% for lithium-ion batteries at 0°C."

"Seiring dengan perubahan dunia yang sangat cepat, efisiensi dalam mengelola persediaan menjadi hal yang sangat penting, terutama bagi UKM. Ada beberapa sumber daya penting yang dibutuhkan oleh UKM untuk meningkatkan bisnis mereka: sejumlah dana, penguasaan teknologi, dan sumber daya manusia. Robotic Process Automation (RPA) sebagai salah satu teknologi unggulan di Industri 4.0 dapat mengatasi kebutuhan sumber daya manusia untuk melakukan tugas-tugas dalam manajemen persediaan. RPA dianggap sebagai salah satu teknologi modern yang memungkinkan UKM melakukan tugas berulang dengan lebih efisien sehingga menghasilkan kinerja organisasi yang lebih baik. Penelitian ini mengadopsi tahap Inisialisasi dan Implementasi dari The Consolidated Framework for Implementing RPA Project. Data bersumber dari salah satu UKM dalam bisnis kecantikan yang beroperasi di Provinsi Jawa Tengah- Indonesia, dimana bisnis kecantikan dianggap sebagai salah satu sektor yang berkembang pesat saat ini di Indonesia. Ruang lingkup penelitian ini difokuskan pada manajemen persediaan seperti pengecekan stok persediaan, peramalan permintaan produk berdasarkan data historis, membuat rencana pembelian, memesan barang ke vendor melalui email dan menindaklanjuti menggunakan email jika barang yang dipesan belum datang. Temuan penelitian ini menunjukkan bahwa penggunaan RPA dalam manajemen persediaan dapat menghemat banyak biaya yang sebelumnya dianggap sebagai beban. Adanya RPA di perusahaan telah berhasil membantu AuradermA Skin Care dalam mengelola persediaan dengan lancar, mengurangi beban kerja staf dan pada akhirnya memastikan persediaan tidak habis atau berlebihan. Diharapkan penelitian ini memberikan kontribusi dalam bidang RPA karena implementasi RPA belum begitu banyak ditemukan terutama untuk UKM.

---

State of Charge (SOC) is a condition that states battery charge condition. This condition is important to know to ensure safe battery operating condition. One of the challenge in estimating SOC is that the battery dynamic system. To estimate SOC, battery undergoes characterization process. The Li-Ion battery characterization system monitors voltage across the battery as well as current going to or out of the battery. After the system is assembled, battery will be prepared before characterization using Constant Current Constant Voltage (CCCV) charging. Characterization process starts with battery undergoing discharging and charging process. In this research, Li-Ion battery made from LiNiMnCoO2 is modelled based on second order Thevenin Equivalent Circuit Model. SOC estimation is optimized using Uscented Kalman Filter (UKF). Next, battery undergoes Hybrid Pulse Power Characterization (HPPC) test to obtain ECM parameters. Next, ECM parameters are used as value to be fitted with SOC from Coulomb Counting (CC) with seventh order polynomial method from HPPC result. SOC estimation validation is done using Dynamic Stress Test (DST). The SOC estimation result using UKF is compared to the estimation which doesn’t use UKF. The simulation and experiment result show that UKF algorithm is able to adjust its estimation result when given wrong initial SOC estimation value. The simulated SOC estimation result using UKF is compared with the CC method and reference SOC have Root-Mean Square Error (RMSE) of 0.7 % and Maximum Error (ME) of 9.9 %. The experiment SOC estimation result compared with CC SOC method has RMSE of 2.76 % and ME of 10%."

"

Baterai Lithium-Ion merupakan salah satu media yang efektif untuk meyimpan energi. Baterai ini pun terus diteliti lebih lanjut untuk meningkatkan efisiensi dan kekuatan baterai. Pada saat ini. Anoda LTO merupakan material yang sedang dikembangkan sebagai pengganti anoda grafit. LTO atau litium titanat memiliki beberapa kelebihan seperti sifat zero strain yaitu tidak terjadi perubahan volume atau perubahan volume yang sangat rendah saat charge dan discharge. Sintesis LTO dilakukan dengan menggunakan metode solid state dengan proses mekanokimia dan sintering pada suhu 850^o C selama 6 jam. Kadar Zn yang ditambahkan sebesar 3 wt%, 7wt% dan 11 wt%. dan grafit sebesar 3 wt%. Penambahan doping Zn pada LTO meningkatkan konduktifitas elektronik dan kapasitas spesifik dari baterai. Komposit LTO-Grafit/Zn dilakukan karakterisasi menggunakan XRD dan SEM-EDS. Uji performa baterai dilakukan menggunakan pengujian EIS, CV dan CD. Hasil pengujian EIS didapatkan nilai konduktifitas tertinggi pada komposit LTO-grafit/Zn 3%. Kapasitas spesifik tertinggi hasil uji CV didapatkan LTO-grafit/Zn 11% sebesar 154.3 mAH/g. Kapasitas chage discharge tertinggi didapatkan LTO-grafit/Zn 11% pada current rates 0.5 C sampai 15C

---

Lithium-Ion batteries are one of the effective media for storing energy. This battery continues to be investigated further to increase the efficiency and power of the battery. At this time. LTO anode is a material that is being developed as a substitute for graphite anode. LTO or lithium titanate has several advantages, such as the zero strain characteristic, that is, there is no change in volume or volume changes that are very low during charge and discharge. The LTO synthesis was carried out using a solid state method with a mechanochemical process and sintering at a temperature of 850^o C for 6 hours. Zn content added is 3 wt%, 7wt% and 11 wt%. and graphite at 3 wt%. Addition of Zn doping to LTO increases the electronic conductivity and specific capacity of the battery. LTO-Graphite/Zn composites were characterized using XRD and SEM-EDS. Battery performance test is carried out using EIS, CV and CD testing. The EIS test results obtained the highest conductivity value on 3% LTO-graphite / Zn composites. The highest specific capacity CV test results obtained LTO-graphite/Zn 11% of 154.3 mAH / g. The highest chage discharge capacity is obtained by LTO-graphite/Zn 11% in the current rates of 0.5 C to 15C.

 

"

"Litium Ferro Phosphate, LiFePO4 (LFP) adalah kandidat yang menjanjikan sebagai bahan katoda baterai lithium ion. Dalam penelitian ini, LFNP/C disintesis dengan metode solid-state dari precursor LFP, Nikel menjadi variasi penambahan konten LFP dalam bentuk doping, yaitu, 6, 7,5 dan 9%, diberi label sampel LFNP/C-Ni6%, LFNP/C-Ni7.5% dan LFNP/C-Ni9%. Karakterisasi dilakukan menggunakan XRD, SEM, EDX, dan MAPPING. Ini dilakukan untuk mengamati efek penambahan Nikel pada struktur, morfologi, dan komposisi sampel. Hasil penelitian menunjukkan bahwa persentase optimum doping Nikel adalah 7.5% karena telah menunjukan hasil yang memuaskan di performa CV,CD, dan EIS dengan ukuran kristal 76.93 nm. Dalam pengujian cyclic voltametry, konduktivitas dan kapasitas sampel meningkat dan disebabkan oleh penambahan Nikel pada LFP.

---

Lithium Ferro Phosphate, LiFePO4 (LFP) is a promising candidate as a cathode material for lithium ion batteries. In this study, LFNP / C was synthesized by the solid-state method of the LFP precursors, Nickel became a variation of LFP content addition in the form of doping, namely, 6, 7.5 and 9%, labeled LFNP / C-Ni6% sample, LFNP / C-Ni7.5% and LFNP / C-Ni9%. Characterization was done using XRD, SEM, EDX, and MAPPING. This was done to observe the effect of adding Nickel to the structure, morphology, and composition of the sample. The results showed that the optimum percentage of Nickel doping was 7.5% because it had shown satisfactory results in the performance of CV, CD, and EIS with a crystal size of 76.93 nm. In cyclic voltametry testing, the conductivity and capacity of the sample increases and is caused by the addition of Nickel to LFP."

"Baterai lithium-ion (LIB) digunakan secara luas dalam banyak aplikasi, mulai dari utilitas pembangkit listrik hingga perangkat elektronik portabel. Namun demikian, kinerja dan umur panjang LIB dipengaruhi oleh dinamika elektro-termal-penuaan (ETA) yang saling berhubungan yang terjadi selama proses pengisian dan pengosongan yang berulang-ulang. Studi ini menyajikan teknik untuk mengelola pengisian dan pengosongan LIB dengan mengontrol tegangan operasional. Teknik ini melibatkan penggunaan pengontrol proporsional-integral-derivatif (PID), yang melibatkan dinamika ETA yang saling berhubungan. Dengan menggunakan data validasi  yang diperoleh dari lithium-iron fosfat (LFP) silinder 26650. Pengontrol PID mengoptimalkan waktu respons pengisian dan pengosongan melalui tegangan sekaligus memengaruhi masa pakai sel. Hasil penelitian menunjukkan bahwa implementasi pengontrol PID memungkinkan proses pengisian dan pengosongan yang cepat dan aman untuk LIB dengan mengendalikan tingkat parameter tertentu yang dikenal sebagai overshoot. Strategi ini memiliki potensi untuk diimplementasikan dalam proses pengisian dan pengosongan secara positif yang mempengaruhi kinerja LIB.

---

Lithium-ion batteries (LIBs) are extensively utilized in many applications, from power plant utilities to portable electronic devices. Nevertheless, the performance and longevity of the LIB are affected by the interconnected electro-thermal-aging (ETA) dynamics that occur during the repeated process of charging and discharging. This study presents a technique for managing the charging and discharging of LIBs by controlling the operational voltage, addressing this issue. The technique involves employing a proportional-integral-derivative (PID) controller, which involves interconnected ETA dynamics. The result of the suggested technique is confirmed by comparing experimental data obtained from a cylindrical 26650 lithium-iron phosphate (LFP) from literature. The PID controller optimizes the response time of charging and discharging through the voltage while affecting the lifetime of the cell. The results indicated that the implementation of the PID controller allows for a rapid and secure charging and discharging process for LIB, leading to improved cell health and a longer cell life expectancy by controlling a certain degree of parameter known as overshoot. This strategy has a potential to be implemented in the charging and discharging process that positively affects the LIBs performance."

"Litium Ferro Phosphate, LiFePO4 (LFP) adalah kandidat yang menjanjikan sebagai bahan katoda baterai lithium ion. Dalam penelitian ini, LFNP/C disintesis dengan metode solid-state dari precursor LFP, Nikel menjadi variasi penambahan konten LFP dalam bentuk doping, yaitu, 6, 7,5 dan 9%, diberi label sampel LFNP/C-Ni6%, LFNP/C-Ni7.5% dan LFNP/C-Ni9%. Karakterisasi dilakukan menggunakan XRD, SEM, EDX, dan MAPPING. Ini dilakukan untuk mengamati efek penambahan Nikel pada struktur, morfologi, dan komposisi sampel. Hasil penelitian menunjukkan bahwa persentase optimum doping Nikel adalah 7.5% karena telah menunjukan hasil yang memuaskan di performa CV,CD, dan EIS dengan ukuran kristal 76.93 nm. Dalam pengujian cyclic voltametry, konduktivitas dan kapasitas sampel meningkat dan disebabkan oleh penambahan Nikel pada LFP.

---

Lithium Ferro Phosphate, LiFePO4 (LFP) is a promising candidate as a cathode material for lithium ion batteries. In this study, LFNP / C was synthesized by the solid-state method of the LFP precursors, Nickel became a variation of LFP content addition in the form of doping, namely, 6, 7.5 and 9%, labeled LFNP / C-Ni6% sample, LFNP / C-Ni7.5% and LFNP / C-Ni9%. Characterization was done using XRD, SEM, EDX, and MAPPING. This was done to observe the effect of adding Nickel to the structure, morphology, and composition of the sample. The results showed that the optimum percentage of Nickel doping was 7.5% because it had shown satisfactory results in the performance of CV, CD, and EIS with a crystal size of 76.93 nm. In cyclic voltametry testing, the conductivity and capacity of the sample increases and is caused by the addition of Nickel to LFP."

"Baterai Li-Ion banyak digunakan pada kendaraan listrik karena efisiensi dan densitas energinya yang tinggi. Untuk menjaga baterai Li-Ion beroperasi pada kondisi ideal maka estimasi status pengisian baterai menjadi indikator penting. Parameter yang menyatakan status pengisian baterai adalah State of Charge (SOC). Nilai SOC baterai tidak dapat diukur secara langsung melainkan harus diestimasi dari nilai tegangan dan arus baterai saat digunakan. Kesulitan saat mengestimasi SOC baterai disebabkan faktor nonlinearitasnya yang tinggi serta pengaruh noise saat pengukuran yang dapat mengakibatkan terjadinya akumulasi error. Algoritma Unscented Kalman Filter (UKF) dapat melakukan koreksi kesalahan saat mengestimasi SOC baterai. Namun teknik ini membutuhkan model baterai pada algoritmanya. Literatur yang membahas model baterai banyak menggunakan pendekatan Equivalent Circuit Model (ECM) Thevenin orde dua yang diperoleh dari data eksperimen Hybrid Pulse Power Characterization (HPPC). Beberapa literatur meninjau data HPPC yang seragam namun menggunakan berbagai pendekatan seperti teknik fitting, aturan waktu konstan, dan daerah analisis kurva baterai yang berbeda. Untuk mengetahui metode identifikasi parameter ECM terbaik maka dilakukan pengujian performa. Pada penelitian ini dianalisis empat metode identifikasi parameter ECM menggunakan baterai LiNiMnCo. Masing – masing parameter ECM disubsitusi ke model baterai lalu dilakukan verifikasi menggunakan data HPPC dan Dynamic Stress Test (DST). Berdasarkan nilai RMSE masing – masing percobaan, metode 1 yang menggunakan teknik fitting di daerah relaksasi baterai memiliki akurasi dan konsistensi yang terbaik yaitu 0,0103 V untuk HPPC menggunakan data CALCE dan 0,0088 V data baterai LG. Untuk pengujian DST nilai RMSE metode 1 adalah 0,0278 V. Parameter baterai yang telah diidentifikasi menggunakan metode 1 digunakan sebagai model pada algoritma UKF untuk mengestimasi SOC baterai. Nilai RMSE estimasi SOC menggunakan algoritma UKF yang telah dibangun adalah 0,32 %. Algoritma UKF mampu melakukan koreksi saat terjadi kesalahan awal nilai estimasi SOC.

---

Li-Ion batteries are widely used in electric vehicles due to their high efficiency and energy density. To keep Li-Ion batteries operating at ideal conditions, estimation of the battery state of charge is an important indicator. The parameter that states the state of charge of the battery is the State of Charge (SOC). The SOC value of the battery cannot be measured directly but must be estimated from the voltage and current values of the battery during use. The difficulty in estimating the battery SOC is due to its high nonlinearity factor and the influence of noise during measurement which can result in the accumulation of errors. The Unscented Kalman Filter (UKF) algorithm can perform error correction when estimating battery SOC. However, this technique requires a battery model in the algorithm. Much of the literature discussing battery models uses the second-order Thevenin Equivalent Circuit Model (ECM) approach obtained from Hybrid Pulse Power Characterization (HPPC) experimental data. Some literature reviews uniform HPPC data but uses various approaches such as fitting techniques, constant time rules, and different battery curve analysis regions. To determine the best ECM parameter identification method, performance testing is conducted. In this study, four ECM parameter identification methods using LiNiMnCo batteries are analyzed. Each ECM parameter is subsumed into the battery model and then verified using HPPC and Dynamic Stress Test (DST) data. Based on the RMSE value of each experiment, method 1 which uses fitting techniques in the battery relaxation region has the best accuracy and consistency, namely 0.0103 V for HPPC using CALCE data and 0.0088 V LG battery data. For DST testing the RMSE value of method 1 is 0.0278 V. The battery parameters that have been identified using method 1 are used as a model in the UKF algorithm to estimate the battery SOC. The RMSE value of SOC estimation using the UKF algorithm that has been built is 0.32 %. The UKF algorithm can make corrections when there is an initial error in the SOC estimation value."

"ABSTRAKOptimasi Anoda LTO-Sn dengan Penambahan Karbon Aktif pada Baterai Litium-ion Penelitian ini membahas mengenai optimasi anoda LTO-Sn dengan penambahan karbon aktif. Persen Sn yang ditambahkan adalah 5, 7.5, dan 12.5 berat. Sementara pada LTO dengan kadar karbon 5, 15 dan 25 berat, ditambahkan Sn 7.5 berat. Analisi sintesis material dilakukan dengan menguji XRD, BET dan SEM. Analisis performa baterai dilakukan dengan uji EIS, CV, dan CD. Didapatkan luas permukaan yang lebih besar dengan penambahan karbon. Pengamatan SEM juga menunjukkan morfologi yang lebih halus, ditunjukkan dengan ukuran partikel yang lebih kecil, walaupun masih terdapat aglomerat beras dan kecil. Hasil EIS menunjukkan penambahan Sn memberikan nilai konduktivitas yang lebih baik, sementara penambahan karbon menurunkan konduktivitas. Hasil CD menunjukkan penambahan Sn menurunkan kapasitas pada 12C sementara penambahan karbon menaikkan kapasitas yang bisa tercapai. Hasil XRD dan CV menunjukkan terdapat senyawa LTO, TiO2 rutile, TiO2 anatase, dan Sn. LTO dengan penambahan Sn 7.5 dan karbon 5 menjadi parameter optimum untuk mencapai kapasitas sebesar 270.2 mAh/g pada saat discharge dan LTO dengan penambahan Sn 12.5 menjadi sampel dengan kapasitas charge terbesar yaitu 191.1 mAh/g

---

ABSTRACTOptimization of LTO Sn Anode with Activated Carbon Addition on Lithium ion Batteries This study discusses the LTO Sn anode optimization with the addition of activated carbon. Percent Sn added was 5, 7.5, and 12.5 wt. While the LTO with a carbon content of 5, 15 and 25 added 7.5 wt Sn. Analysis done by testing the material synthesis XRD, BET and SEM. Analysis of the performance of the battery is done by using EIS, CV, and CD. Obtained a larger surface area with the addition of carbon. SEM observations also show finer morphology, shown with a smaller particle size, although there are small and big agglomerates. EIS results showed the addition of Sn provides better conductivity value, while the addition of carbon to lower the conductivity. The CD results showed the addition of Sn lowering capacity at 12C while adding carbon to raise capacity that could be achieved at same C rates. The results of XRD and CV shows there are LTO compound, TiO2 rutile, TiO2 anatase, and Sn. LTO with the addition of Sn 7.5 and 5 carbon given optimum parameters to achieve a capacity of 270.2 mAh g at discharge. LTO with the addition of Sn 12.5 to the sample achieve a charge capacity 191.1 mAh g"

"Li4Ti5O12 merupakan salah satu material yang menjanjikan untuk bahan anoda baterai litium ion. Li4Ti5O12 adalah material yang bersifat zero strain, dimana material tidak mengalami ekspansi volum pada saat prose charge/discharge. Namun, Li4Ti5O12 memiliki kapasitas teoritis yang relatif rendah (175 mAh/g). Hal ini membuat perlu dilakukannya modifikasi terhadap material Li4Ti5O12 untuk meningkatkan performa elektrokimianya. Salah satu cara yang dapat dilakukan adalah dengan menggabungkan material Li4Ti5O12 dengan timah (Sn), yang mana memiliki kapastitas teoretis yang sangat tinggi (994 mAh/g). Namun, Sn memiliki permasalahan ekspansi volum yang sangat besar dan juga pulverization pada saat siklus charge/discharge. Oleh karena itu, digunakan grafit untuk mencegah terjadinya ekspansi volum yang berlebihan dari Sn. Grafit memiliki efek stress-relieving pada Sn, sehingga dapat menghambat ekspansi volumnya pada saat siklus charge/discharge. Pada penelitian ini, dilakukan sintesis komposit LTO/Sn-grafit dengan metode solid state. Untuk mengetahui pengaruh kadar Sn pada komposit tersebut, dilakukan variasi kadar Sn sebesar 5% wt.; 10% wt.; dan 15% wt. Dari penelitian ini, didapatkan hasil bahwa sampel dengan kadar Sn 10% wt. memiliki kapasitas discharge dan nilai potensial kerja terbaik. Sampel dengan kadar Sn 5% wt. memiliki kemampuan retensi paling baik. Sampel dengan kadar Sn 15% wt. memiliki nilai hambatan terkecil.

---

Li4Ti5O12 is one of promising materials for lithium ion battery anode material. Li4Ti5O12 is a zero strain material, where the material does not undergo volume expansion during the charge/discharge process. However, Li4Ti5O12 has a relatively low theoretical capacity (175 mAh/g). Modifying Li4Ti5O12 material is necessary to improve its electrochemical performance. Method that can be done is by combining Li4Ti5O12 with tin (Sn), which has a very high theoretical capacity (994 mAh/g). However, Sn has very large volume expansion problems as well as pulverization phenomena during its charge/discharge cycle. Therefore, graphite is used to prevent the excessive volume expansion of Sn. Graphite has the effect of stress-relieving on Sn, so it can inhibit its volume expansion during the charge/discharge cycle.

In this study, composite synthesis of LTO/Sn-graphite was carried out by solid state method. To determine the effect of Sn content on these composites, Sn variations were carried out at 5% wt., 10% wt., and 15% wt. The results of this study shown that sample with 10% wt. Sn content has the best discharge capacity and working potential value. Sample with 5% wt. Sn content has the best retention capability. Sample with 10% wt. Sn content has the least resistance value."