Hasil Pencarian  ::  Simpan CSV :: Kembali

"Material karbon menjadi alternatif material yang dapat digunakan sebagai elektroda pada sel surya perovskite. Karbon memiliki keberagaman pada jenis alotropinya berdasarkan ikatan atom. Namun, hingga saat ini belum ada penelitian penggunaan karbon aktif yang berasal dari material biomassa sebagai elektroda pada sel surya perovskite. Pada riset ini, karbon aktif yang digunakan berasal dari arang batok kelapa. Ukuran partikel dari karbon aktif berbentuk bubuk, yaitu 30 mikrometer mesh 500 dan 15 mikrometer (mesh 1000) serta rentang waktu pembuatan elektroda karbon aktif akan diteliti pada skripsi ini untuk mengetahui unjuk kerja sel surya perovskite yang menggunakan karbon aktif arang batok kelapa sebagai elektrodanya dengan metode yang digunakan adalah powder pouring. Perbedaan jenis prekursor titanium Ti juga akan diteliti pengaruhnya terhadap unjuk kerja dari sel surya perovskite yang dihasilkan. Prekursor Ti yang digunakan untuk membentuk lapisan penghantar elektron TiO2 pada penelitian ini adalah Titanium Isopropoxide TTIP dan Titanium Diisopropoxide Bis Acetylacetonate TTDB dengan metode yang digunakan spin coating dan annealing. Hasil dari skripsi ini, unjuk kerja sel surya perovskite terbaik adalah sel surya perovskite yang menggunakan prekursor TTIP pada lapisan penghantar elektron TiO2 dan elektroda karbon aktif dengan ukuran partikel mesh 1000 serta pembuatan elektroda dilakukan pada hari yang sama dengan proses fabrikasi dengan unjuk kerja yang dihasilkan adalah VOC sebesar 1,28 volt; ISC sebesar 8,04 mA; fill factor sebesar 0,512; dan efisiensi sebesar 2,85%.

---

Carbon can be an alternative material as the electrode of perovskite solar cells (PSCs). According to the different atom bonded, there are several allotropes of carbon which makes carbon as the diversity material. However, there is no research that uses activated carbon derived from biological materials as the electrode of PSCs. In this research, the activated coconut shell charcoal will be used as the electrode of PSCs. Effect of the particle size of coconut shell charcoal which is 30 micrometer mesh 500 and 15 micrometer mesh 1000, as well as the lifespan of the activated carbon based electrode, towards the performance of PSCs, was investigated. The method in depositing activated carbon is powder pouring. This research also investigated the effect of Ti precursors for the TiO2 based electron transport layer. Ti precursors that used in this research consists of Titanium Isopropoxide TTIP and Titanium Diisopropoxide Bis Acetylacetonate TTDB. The best performance of PSCs in this research is the PSCs that use TTIP precursor for the TiO2-based electron transport layer, the particle size of the activated carbon-based electrode is mesh 1000, and the lifespan of the activated carbon based electrode is 0 days. The device produced VOC of 1.28 volt; ISC of 8.04 mA; fill factor of 0.512; and efficiency of 2.85%."

"Perovskit sebagai basis sel surya memiliki efisiensi konversi daya besar. Akan tetapi pengembangan perovskit menghadapi kendala seperti ketidakstabilan, toksisitas timbal, dan stress akibat pemanasan sinar UV. Penelitian ini menggunakan metode komputasi untuk mencari kombinasi komposisi perovskit yang optimal dengan menggunakan metode conditional variational auto-encoder (CVAE). Perancangan program dilakukan dengan menggunakan set data yang berasal dari database hasil perhitungan DFT untuk dapat mengonstruksikan program generator material baru. Arsitektur program generator material baru ini terdiri dari model prediktor, model generator. Model generator dirancang untuk dapat memberikan kandidat komposisi material yang sesuai sifat target yang dibutuhkan. Model generator dilakukan dengan menggunakan metode CVAE berbasis deep learning. Model generator dengan metode CVAE berbasis deep learning didapatkan hasil pelatihan model enkoder dalam memetakan vektor komposisi sebesar 100% dengan nilai kerugian sebesar 31,8. Performa masing-masing model prediktor ditunjukkan dengan nilai skor R2 untuk celah pita, volume per atom, energi atomisasi, dan densitas material sebesar [0,90;0,99;0,97;0,96]. Program berhasil memprediksi 41 material baru dari hasil generasi 4 sifat target utama. Hasil prediksi menunjukkan bahwa program generator material yang dikembangkan pada penelitian ini dapat digunakan untuk menemukan kandidat komposisi perovskit halida hibrida organik-anorganik yang sesuai untuk aplikasi sel surya.

---

Perovskite, as a base for solar cells, is the ability to perform high power conversion efficiency. However, the development of perovskite encounters several challenges, including instability, lead toxicity, and stress to UV light. This study employs computational methods to identify the optimal combination of perovskite compositions using conditional variational auto-encoders (CVAE). The program's design uses a dataset from the DFT calculation results database that has previously constructed a new material generator program. The new material generator program architecture consists of predictor and generator. The generator model provides candidate material compositions that match the required target properties using the CVAE method based on deep learning. The generator model using the CVAE method based on deep learning obtained the results of training the encoder model in mapping the composition vector at 100% with a loss value of 31.8. The performance of each predictor model achieved an R2score for energy gap, volume per atom, atomization energy, and material density of [0.90; 0.99; 0.97; 0.96]. The program predicted 41 novel materials based on generating four main desired properties. The prediction results indicate that the material generator program developed in this study successfully offers recommendations for hybrid organic-inorganic perovskite halide composition candidates for solar cell."