Hasil Pencarian  ::  Simpan CSV :: Kembali

"Tesis ini menyelidiki penerapan multi-ojective genetic algorithm untuk mengurangi konsumsi energi dalam sistem heating, ventilation dan air conditioning (HVAC) sekaligus meningkatkan kenyamanan termal melalui kontrol prediktif pengoperasian pompa. Penelitian ini memanfaatkan EnergyPlus dan OpenStudio untuk memodelkan kinerja energi Makara Art Center, sebuah gedung di Universitas Indonesia. Optimasi multi-objective dinamis kemudian dilakukan pada model tersebut, khususnya pada laju aliran massa pompa boiler dan pompa chiller. Simulasi Energyplus dan MATLAB dijalankan secara paralel di Building Control Virtual Test Bed (BCVTB) untuk menilai peningkatan kenyamanan termal sekaligus meminimalkan kebutuhan energi menggunakan model yang dioptimalkan. Hasilnya menunjukkan pengurangan konsumsi energi secara signifikan sebesar 32% tanpa mengurangi kenyamanan termal. Hal ini menunjukkan potensi optimasi multi-objective sebagai alat untuk meningkatkan efisiensi sistem HVAC di gedung.

---

This thesis investigates the application of multi-objective dynamic optimization to reduce energy consumption in Heating, Ventilation, and Air Conditioning (HVAC) systems while improving thermal comfort through pump operation predictive control. The study utilizes EnergyPlus and OpenStudio to model the energy performance of Makara Art Center, a building at the University of Indonesia. A dynamic multi-objective optimization is then conducted on the model, particularly in the boiler and chiller pumps mass flowrates. Co-simultion between Energyplus and MATLAB is run in Building Control Virtual Test Bed (BCVTB) to assess the improvememnt on thermal comfort while minimizing energy demand using the optimized model. The results demonstrate a significant 32% reduction in energy consumption without compromising thermal comfort. This highlights the potential of data driven multi-objective optimization as a valuable tool for improving HVAC system efficiency in buildings."

"Penelitian ini bertujuan untuk mengoptimasi produksi hidrogen hijau melalui sistem pembangkit listrik tenaga panas bumi dengan bantuan perangkat lunak Engineering Equation Solver (EES). Sistem yang dikembangkan mengintegrasikan siklus gabungan flash-binary pada pembangkit listrik panas bumi dengan sistem elektrolisis Proton Exchange Membrane (PEM). Validasi model dilakukan terhadap data jurnal acuan, mencakup parameter entalpi, entropi, dan eksergi, serta efisiensi sistem secara menyeluruh. Hasil penelitian menunjukkan Hasil penelitian menunjukkan bahwa efisiensi sistem mengalami penurunan seiring dengan meningkatnya laju alir massa fluida geothermal, di mana efisiensi tertinggi dicapai pada laju alir yang rendah karena konversi eksergi berlangsung lebih optimal. Peningkatan temperatur masuk turbin isobutana berkontribusi terhadap penurunan nilai biaya, karena meningkatnya energi listrik yang dihasilkan. Di sisi lain, kenaikan kerapatan arus pada unit PEM electrolyzer menunjukkan penurunan efisiensi sistem, akibat hubungan terbalik antara kerapatan arus dan laju produksi hidrogen. Analisis Pareto Front mengindikasikan adanya trade-off antara efisiensi biaya dan dampak lingkungan, dengan titik kompromi optimal berada pada rentang Final Cost rate 12–18 dan Final Environmental rate 0.4–0.6 sebagai representasi solusi yang seimbang secara teknis dan keberlanjutan.

---

This study aims to optimize green hydrogen production through a geothermal power generation system using the Engineering Equation Solver (EES) software. The developed system integrates a combined flash-binary cycle geothermal power plant with a Proton Exchange Membrane (PEM) electrolysis unit. Model validation was carried out using reference journal data, including parameters such as enthalpy, entropy, exergy, and overall system efficiency. The results indicate that system efficiency decreases with increasing geothermal fluid mass flow rate, where the highest efficiency is achieved at lower flow rates due to more optimal exergy conversion. An increase in the inlet temperature to the isobutane turbine contributes to cost reduction, as higher electricity output is generated. Conversely, increasing the current density in the PEM electrolyser leads to a decline in system efficiency, due to the inverse relationship between current density and hydrogen production rate. The Pareto Front analysis reveals a trade-off between cost efficiency and environmental impact, with optimal compromise points found in the range of Final Cost rate 12–18 and Final Environmental rate 0.4–0.6, representing a balanced solution in terms of technical and sustainability performance."

"Penelitian ini bertujuan untuk memodelkan dan mengoptimasi sistem terintegrasi berbasis energi terbarukan untuk produksi hidrogen hijau dan penangkapan karbon dari udara menggunakan pendekatan Reinforcement Learning. Sistem terdiri dari empat komponen utama: Parabolic Trough Solar Collector (PTSC) sebagai sumber panas, Rankine Cycle sebagai pembangkit listrik, Proton Exchange Membrane Electrolyzer (PEME) untuk elektrolisis air menjadi hidrogen, dan Direct Air Capture (DAC) untuk menyerap CO₂ dari atmosfer. Pemodelan dan simulasi dilakukan menggunakan Engineering Equation Solver (EES), sedangkan proses optimasi dijalankan dengan Python melalui kombinasi Artificial Neural Network (ANN), Multi-Objective Genetic Algorithm (MOGA), dan Multi-Objective Reinforcement Learning (MORL). Validasi model menunjukkan tingkat kesalahan rata-rata rendah, yaitu 4%. Berdasarkan simulasi, sistem menghasilkan daya bersih 262,4 kW, laju produksi hidrogen 0,0001605 kg/s, dan penangkapan CO₂ sebesar 0,1075 kg/s, dengan efisiensi eksergi total 7,96% serta biaya produksi hidrogen 55,42 $/GJ. Analisis sensitivitas menunjukkan bahwa peningkatan radiasi matahari, tekanan masuk turbin, dan laju aliran massa PTC secara signifikan meningkatkan efisiensi eksergi dan laju produksi hidrogen, serta menurunkan biaya sistem. Hasil optimasi memetakan Pareto Front yang menunjukkan hubungan sinergis antara efisiensi dan produksi hidrogen, serta trade-off terhadap biaya produksi. Penelitian ini diharapkan menjadi referensi dalam pengembangan sistem energi bersih yang efisien dan ekonomis.

---

This research aims to model and optimize an integrated renewable energy-based system for green hydrogen production and atmospheric carbon capture using a Reinforcement Learning approach. The system consists of four main components: a Parabolic Trough Solar Collector (PTSC) as the heat source, a Rankine Cycle for electricity generation, a Proton Exchange Membrane Electrolyzer (PEME) for water electrolysis to produce hydrogen, and a Direct Air Capture (DAC) unit for CO₂ removal from the atmosphere. Modeling and simulation were performed using Engineering Equation Solver (EES), while the optimization process was conducted in Python through a combination of Artificial Neural Network (ANN), Multi-Objective Genetic Algorithm (MOGA), and Multi-Objective Reinforcement Learning (MORL). Model validation showed low average errors, namely 4%. Under base case conditions, the system produced a net power output of 262.4 kW, a hydrogen production rate of 0.0001605 kg/s, and a CO₂ capture rate of 0.1075 kg/s, with an overall exergy efficiency of 7.96% and a hydrogen production cost of 55.42 $/GJ. Sensitivity analysis indicated that increasing solar radiation, turbine inlet pressure, and PTSC mass flow rate significantly improved exergy efficiency and hydrogen production while reducing system cost. Optimization results mapped a Pareto Front highlighting the synergistic relationship between efficiency and hydrogen output, as well as trade-offs with production cost. This study is expected to serve as a reference for developing efficient and economical clean energy systems."

"Latar Belakang: Peningkatan konsentrasi karbon dioksida (CO2) di atmosfer akibat aktivitas manusia mendorong perlunya teknologi penangkapan karbon yang efektif untuk mencapai target Net Zero 2050. Direct Air Capture (DAC) menjadi solusi potensial, terutama untuk sektor emisi difus. Akan tetapi, teknologi ini masih terkendala oleh kebutuhan energi yang tinggi, khususnya energi termal. Optimalisasi sistem DAC diperlukan guna meningkatkan efisiensi dan kelayakan operasional. Tujuan: Penelitian ini bertujuan untuk mengoptimalkan sistem Steam-Assisted Temperature Vacuum Swing Adsorption (S-TVSA) pada DAC dengan menganalisis dan mengevaluasi pengaruh berbagai parameter operasional terhadap konsumsi energi dan kinerja adsorpsi CO₂. Metode: Penelitian dilakukan menggunakan pendekatan simulasi numerik berbasis pemodelan matematis satu dimensi untuk sistem DAC tipe S-TVSA. Model kinetika adsorpsi CO₂ dan H₂O pada material APDES-NFC diformulasikan menggunakan isoterm GAB dan modified Toth, serta laju perpindahan massa berbasis Linear Driving Force (LDF). Simulasi transien dan analisis sensitivitas terhadap parameter operasional kemudian dikakukan untuk mengidentifikasi variabel kunci yang memengaruhi performa sistem, menggunakan perangkat lunak MATLAB sebagai platform komputasi utama. Hasil: Hasil simulasi siklus DAC S-TVSA menunjukkan total specific energy requirement 71,96 MJ/kg CO2 yang ditangkap untuk kondisi operasional tekanan desorpsi pL = 0,05 bar, laju alir uap Fs = 25 cm3/s, dan waktu desorpsi t = 30000 detik. Produktivitas CO2 yang rendah (0,0002535591 kg) pada simulasi sejalan dengan skala sistem yang dirancang (panjang kolom 0,1 m). Kesimpulan: Simulasi sistem DAC dengan pendekatan S-TVSA menunjukkan bahwa model isoterm GAB dan Tóth termodifikasi sesuai untuk menggambarkan perilaku adsorpsi H₂O dan CO₂ pada material APDES-NFC. Waktu desorpsi optimum ditemukan pada 15.900 detik dengan produktivitas CO₂ tertinggi dan specific energy 51,044 MJ/kg. Tekanan desorpsi rendah (30 mbar) terbukti lebih efisien dibandingkan tekanan tinggi dalam hal produktivitas dan konsumsi energi.

---

Background: The increase in atmospheric carbon dioxide (CO2) concentrations due to human activities is driving the need for effective carbon capture technologies to achieve the Net Zero 2050 target. Direct Air Capture (DAC) is a potential solution, especially for the diffuse emissions sector. However, this technology is still constrained by high energy demands, especially thermal energy. Optimization of the DAC system is necessary to improve efficiency and operational feasibility. Objective: This study aims to optimize the Steam-Assisted Temperature Vacuum Swing Adsorption (S-TVSA) system on DACs by analyzing and evaluating the influence of various operational parameters on energy consumption and CO₂ adsorption performance. Methods: The study was conducted using a numerical simulation approach based on one-dimensional mathematical modeling for S-TVSA type DAC systems. The CO₂ and H₂O adsorption kinetics model in APDES-NFC material was formulated using GAB and modified Toth isotherms, as well as Linear Driving Force (LDF)-based mass transfer rates. Transient simulation and sensitivity analysis of operational parameters were then stiffened to identify key variables affecting system performance, using MATLAB software as the main computing platform. Results: The results of the DAC S-TVSA cycle simulation showed a total specific energy requirement of 71.96 MJ/kg CO2 captured for the operational conditions of desorption pressure pL = 0.05 bar, vapor flow rate Fs = 25 cm3/s, and desorption time t = 30000 seconds. Low CO2 productivity (0.0002535591 kg) in the simulation is in line with the scale of the designed system (column length 0.1 m). Conclusions: Simulation of DAC systems with the S-TVSA approach shows that the modified GAB and Tóth isothermal models are suitable to describe the adsorption behavior of H₂O and CO₂ in APDES-NFC materials. The optimum desorption time was found at 15,900 seconds with the highest CO₂ productivity and specific energy of 51,044 MJ/kg. Low desorption pressure (30 mbar) has been proven to be more efficient than high pressure in terms of productivity and energy consumption."

"Penggunaan bahan bakar fosil secara berlebihan telah menyebabkan pencemaran lingkungan, kelangkaan energi, dan perubahan iklim yang merupakan hambatan utama bagi pertumbuhan berkelanjutan. Kekhawatiran global terhadap dampak lingkungan dari penggunaan bahan bakar fosil telah mendorong minat untuk mencari dan menggunakan teknik-teknik penghematan energi dalam berbagai aplikasi. Thermal Energy Storage (TES) dapat menjadi solusi konservasi energi untuk beragam aplikasi. TES menyediakan kapasitas penyimpanan energi berdasarkan perubahan energi internal atau transformasi fasa media penyimpanan untuk meningkatkan efisiensi dan meminimalkan pemborosan energi. Penelitian ini akan membahas terkait sifat termofisik bahan pengubah fasa (PCM) berupa coconut oil yang dienkapsulasi menggunakan material aluminium fumarate dan zeolite dengan variasi mass fraction sebagai TES. Secara umum, performa dan sifat termofisik yang terbentuk menunjukkan bahwa zeolite lebih unggul dibandingkan aluminium fumarate. Sampel ZEO-PCM C dengan mass fraction 90 wt% menunjukkan sifat yang paling unggul dari segi heat latent sebesar -39.034 J/g untuk proses melting dan 31.08 J/g untuk proses solidification. Sampel ZEO-PCM C juga menunjukkan karakteristik kristal terbaik dengan jumlah kristal dan ukuran kristal terbesar. Penelitian ini menunjukkan bahwa penggunaan zeolite untuk enkapsulasi coconut oil memberikan dampak buruk pada lingkungan yang lebih tinggi dibandingkan aluminium fumarate, terutama pada kategori particulate matter yang dapat memberikan dampak kesehatan manusia.

---

Excessive use of fossil fuels has caused environmental pollution, energy scarcity, and climate change, which are major obstacles to sustainable growth. Global concerns about the environmental impacts of fossil fuel use have driven interest in seeking and using energy-saving techniques in a variety of applications. Thermal energy storage (TES) can be an energy conservation solution for various applications. TES provides energy storage capacity based on internal energy changes or phase transformation of the storage medium to increase efficiency and minimize energy waste. This research will discuss the thermophysical properties of phase change materials (PCM) in the form of coconut oil encapsulated using aluminum fumarate and zeolite materials with varying mass fractions as TES. In general, the performance and thermophysical properties formed show that zeolite is superior to aluminum fumarate. The ZEO-PCM C sample with a mass fraction of 90 wt% shows the most superior properties in terms of latent heat of -39,034 J/g for the melting process and 31.08 J/g for the solidification process. The ZEO-PCM C sample also shows the best crystal characteristics, with the largest number of crystals and crystal size. This research shows that the use of zeolite to encapsulate coconut oil has a higher negative impact on the environment than aluminum fumarate, especially in the particulate matter category, which can have an impact on human health."

"Penelitian ini mengevaluasi performa dua metode utama untuk menentukan konduktivitas termal pada kuningan dan stainless steel menggunakan Inverse Heat Conduction Problem (IHCP) 2 dimensi: dekomposisi LU dengan batasan dan Algoritma iterasi Conjugate Gradient Method (CGM) dengan Backpropagation Learning. Tujuan penelitian adalah menganalisis dampak variasi material, konfigurasi insulasi, tebakan nilai awal konduktivitas termal, dan daya pemanas terhadap hasil akhir konduktivitas termal. Metode CGM dipilih karena efisiensinya dalam menangani sistem persamaan linier besar, sementara dekomposisi LU efektif untuk matriks pentadiagonal. Simulasi dan eksperimen dilakukan untuk memvalidasi metode ini, dengan variasi daya pemanas dan tebakan awal nilai konduktivitas termal. Hasil menunjukkan bahwa pada pelat kuningan, prediksi konduktivitas termal simulasi berada diantara 110,157-111,659 dengan kesalahan absolut maksimum sebesar 0,76% dan prediksi konduktivitas termal eksperimen berada diantara 109,802-111,382 dengan kesalahan absolut maksimum sebesar 1,08% sedangkan pada pelat stainless steel, prediksi konduktivitas termal simulasi berada diantara 13,502-13,933 dengan kesalahan absolut maksimum sebesar 1,99% dan prediksi konduktivitas termal eksperimen berada diantara 13,502-13,951 dengan kesalahan absolut maksimum sebesar 2,16%. Peningkatan daya pemanas tidak mempengaruhi nilai konduktivitas termal, tetapi tebakan awal konduktivitas termal mempengaruhi jumlah iterasi yang dibutuhkan untuk mencapai nilai konduktivitas termal yang akurat. Penelitian ini juga menyoroti batasan seperti analisis dalam kondisi steady-state dan skala laboratorium eksperimen. Rekomendasi untuk penelitian mendatang mencakup pengaturan sistem tertutup pada eksperimen untuk mengontrol suhu lingkungan serta penerapan algoritma machine learning guna meningkatkan akurasi prediksi konduktivitas termal material. Secara keseluruhan, penelitian ini menegaskan bahwa metode yang digunakan efektif dalam memprediksi konduktivitas termal kuningan dan stainless steel, meskipun material dengan konduktivitas rendah cenderung memiliki kesalahan yang lebih besar dalam pengukuran dengan metode IHCP.

---

This research evaluates the performance of two primary methods for determining thermal conductivity in brass and stainless steel using the 2-dimensional Inverse Heat Conduction Problem (IHCP): LU decomposition with constraints and the iterative Conjugate Gradient Method (CGM) with Backpropagation Learning. The study aims to analyze the impact of material variation, insulation configuration, initial thermal conductivity guesses, and heating power on the final thermal conductivity results. CGM was chosen for its efficiency in handling large linear equation systems, while LU decomposition is effective for pentadiagonal matrices. Simulations and experiments were conducted to validate these methods, with variations in heating power and initial thermal conductivity guesses. The results show that for brass plates, simulated thermal conductivity predictions range between 110.157 and 111.659 with a maximum absolute error of 0.76%, and experimental predictions range between 109.802 and 111.382 with a maximum absolute error of 1.08%. For stainless steel plates, simulated thermal conductivity predictions range between 13.502 and 13.933 with a maximum absolute error of 1.99%, and experimental predictions range between 13.502 and 13.951 with a maximum absolute error of 2.16%. An increase in heating power does not affect the thermal conductivity values, but the initial thermal conductivity guesses influence the number of iterations required to achieve accurate thermal conductivity values. This research also highlights limitations such as the steady-state analysis and the laboratory-scale experiments. Recommendations for future research include implementing a closed-system setup in experiments to control ambient temperature and applying machine learning algorithms to improve the accuracy of thermal conductivity predictions. Overall, this study confirms that the methods used are effective in predicting the thermal conductivity of brass and stainless steel, although materials with low conductivity tend to have higher measurement errors with the IHCP method."

"Penelitian ini mengevaluasi performa algoritma dekomposisi LU dengan batasan serta metode iterasi Conjugate Gradient Method (CGM) dalam menentukan konduktivitas termal aluminium dan besi menggunakan metode Inverse Heat Conduction Problem (IHCP). IHCP digunakan untuk menyelesaikan masalah konduksi panas dengan menentukan parameter yang tidak diketahui seperti kondisi batas dan konduktivitas termal bergantung pada temperatur. Algoritma dekomposisi LU dengan batasan diimplementasikan dalam IHCP 2D untuk mengoptimalkan perhitungan distribusi temperatur. Simulasi pada pelat aluminium menunjukkan kesalahan absolut maksimum 1,22%, sementara eksperimen dengan isolasi penuh menunjukkan 1,83%. Prediksi konduktivitas termal menggunakan tembakan 10, 50, dan 100 W/mK menghasilkan nilai konduktivitas aluminium antara 233,693 hingga 240,659 W/mK dengan kesalahan maksimum 1,83%, dan besi antara 78,84 hingga 80,38 W/mK dengan kesalahan maksimum 1,74%. Kesimpulannya, variasi material, nilai konduktivitas termal, fluks panas, dan kondisi sistem tidak berdampak signifikan pada prediksi konduktivitas termal. Peningkatan peralatan uji dan metode pengukuran yang lebih akurat diperlukan untuk aplikasi praktis.

---

This study aims to evaluate the performance of the LU decomposition algorithm with constraints and the Conjugate Gradient Method (CGM) iteration in determining the thermal conductivity of aluminum and iron materials using the Inverse Heat Conduction Problem (IHCP) method. IHCP is applied to solve heat conduction problems, determining unknown parameters such as boundary conditions and temperature-dependent thermal conductivity. In this research, the LU decomposition algorithm with constraints was implemented in a 2D IHCP to optimize forward calculations for temperature distribution. Simulations on aluminum plates showed a maximum absolute error of 1.22%, while experiments with full insulation showed 1.83%. Thermal conductivity prediction using shots of 10, 50, and 100 W/mK revealed values for aluminum ranging from 233.693 to 240.659 W/mK with a maximum error of 1.83%, and for iron from 78.84 to 80.38 W/mK with a maximum error of 1.74%. The study concludes that material variation, thermal conductivity values, heat flux, and system conditions do not significantly impact thermal conductivity prediction. Therefore, more accurate testing equipment and measurement methods are necessary for practical applications."

"Konservasi energi pada sistem HVAC (Heating, Ventilation, and Air Conditioning) menjadi perhatian utama dalam desain gedung perkantoran, terutama di iklim tropis. Penelitian ini berfokus pada simulasi beban pendinginan (cooling load) aktual, distribusi beban pendinginan, dan perbandingan performa tiga sistem HVAC: Variable Refrigerant Flow (VRF), Variable Air Volume (VAV), dan Fan Coil Unit (FCU). Perbandingan performa fluida pendingin R290 dengan fluida pendingin R22 dan R134a juga dilakukan pada studi ini. Simulasi dilakukan menggunakan perangkat lunak EnergyPlus, dengan gedung yang dibagi menjadi dua zona termal per lantai: zona timur dan barat. Pembagian ini bertujuan mengamati fluktuasi beban pendinginan akibat pergerakan paparan radiasi matahari dari timur ke barat. Hasil simulasi menunjukkan bahwa zona timur menyumbang sekitar ±70% dari total beban pendinginan pada rentang waktu pukul 05:00–11:00, sedangkan zona barat menyumbang ±60% pada rentang waktu pukul 14:00–18:00. Dari segi performa, sistem VRF direkomendasikan sebagai solusi optimal, dengan konsumsi energi listrik maksimum terendah sebesar 147,63 kW dibandingkan sistem VAV (170,2 kW) dan FCU (193,67 kW). Fluida pendingin R290 memiliki COP 30.74% lebih tinggi dibandingkan R134a dan 22.92% lebih tinggi dibandingkan R22. Sifat R290 (Propane) yang mudah terbakar mengakibatkan sistem VRF tidak dapat digunakan dengan R290, melainkan menggunakan VAV. Studi ini memberikan panduan praktis bagi pengelola gedung dalam merancang sistem HVAC yang hemat energi dan berkelanjutan untuk gedung perkantoran di iklim tropis.

---

Energy conservation in HVAC (Heating, Ventilation, and Air Conditioning) systems is a major concern in office building design, especially in tropical climates. This study focuses on simulating the actual cooling load, cooling load distribution, and performance comparison of three HVAC systems: Variable Refrigerant Flow (VRF), Variable Air Volume (VAV), and Fan Coil Unit (FCU). A comparison of the refrigerant performance between R290, R22, and R134a is also conducted in this study. Simulations are carried out using EnergyPlus software, with the building divided into two thermal zones per floor: the east zone and the west zone. This division aims to observe the fluctuations in cooling load due to the movement of solar radiation exposure from east to west. The simulation results show that the east zone contributes approximately ±70% of the total cooling load during the time period from 05:00–11:00, while the west zone contributes ±60% during the period from 14:00–18:00. In terms of performance, the VRF system is recommended as the optimal solution, with the lowest maximum electricity consumption of 147.63 kW compared to the VAV system (170.2 kW) and the FCU system (193.67 kW). The R290 refrigerant has a COP that is 30.74% higher than R134a and 22.92% higher than R22. The flammability of R290 (propane) means that the VRF system cannot be used with R290; instead, it must use the VAV system. This study provides practical guidance for building managers in designing energy-efficient and sustainable HVAC systems for office buildings in tropical climates. "

"Infeksi nosokomial atau Hospital Acquired Pneumonia (HAP) merupakan tantangan signifikan dalam pelayanan kesehatan, yang berdampak besar pada morbiditas, mortalitas, dan biaya perawatan. Kualitas udara dalam ruangan, terutama di fasilitas kesehatan, berperan penting dalam pencegahan HAP. Sistem pemanas, ventilasi, dan pendingin udara (HVAC) adalah komponen utama yang berfungsi mengendalikan kualitas udara untuk meminimalkan risiko penyebaran mikroorganisme patogen. Penelitian ini menganalisis cooling load di puskesmas Jakarta Timur menggunakan perangkat lunak Energy Plus dengan tiga skenario: kondisi aktual, standar Greenship, dan standar ASHRAE 241 dan 170. Tujuan penelitian ini adalah mengevaluasi sejauh mana desain sistem pendingin dapat memenuhi kebutuhan kualitas udara dalam ruangan serta mencegah risiko HAP. Standar Greenship difokuskan pada efisiensi energi dan keberlanjutan lingkungan, sedangkan standar ASHRAE memberikan panduan spesifik untuk ventilasi dan desain sistem HVAC di fasilitas kesehatan. Hasil penelitian ini diharapkan memberikan rekomendasi praktis untuk desain sistem pendingin yang optimal dalam meningkatkan kualitas udara dan mencegah risiko HAP. Selain itu, penelitian ini berpotensi menjadi referensi penting bagi pengembangan kebijakan nasional terkait desain sistem pendingin di fasilitas kesehatan di Indonesia, khususnya puskesmas.

---

Nosocomial infection or Hospital Acquired Pneumonia (HAP) is a significant challenge in health services, which has a major impact on morbidity, mortality, and treatment costs. Indoor air quality, especially in healthcare facilities, plays an important role in HAP prevention. Heating, ventilation, and air conditioning (HVAC) systems are the main components that function to control air quality to minimize the risk of spreading pathogenic microorganisms. This study analyzed the cooling load in the East Jakarta health center using Energy Plus software with three scenarios: actual conditions, Greenship standards, and ASHRAE 241 and 170 standards. The purpose of this study is to evaluate the extent to which the design of the cooling system can meet the needs of indoor air quality and prevent the risk of HAP. The Greenship standard is focused on energy efficiency and environmental sustainability, while the ASHRAE standard provides specific guidance for ventilation and HVAC system design in healthcare facilities. The results of this study are expected to provide practical recommendations for optimal cooling system design in improving air quality and preventing HAP risks. In addition, this research has the potential to be an important reference for the development of national policies related to the design of cooling systems in health facilities in Indonesia, especially health centers. "

"Penelitian ini menyelidiki pengaruh konfigurasi inlet dan outlet terhadap performa termal sistem immersion cooling fase tunggal dengan menggunakan fluida dielektrik Immersion Cooling Fluid S3 X. Simulasi dilakukan menggunakan perangkat lunak ANSYS Fluent dengan memodelkan sistem tangki Gigabyte G152-Z12 berisi empat unit server. Tiga konfigurasi jalur aliran diuji, yaitu Baseline (standar pabrikan), T Configuration, dan Z Configuration, masing-masing dengan variasi laju aliran fluida sebesar 81, 135, dan 180 liter per menit (LPM). Tujuan utama penelitian ini adalah mengevaluasi efektivitas distribusi temperatur, pola aliran fluida, serta kapasitas pelepasan panas dari masing-masing konfigurasi. Hasil simulasi menunjukkan bahwa konfigurasi Z menghasilkan suhu komponen paling rendah, distribusi aliran paling merata, serta performa pendinginan menyeluruh terbaik pada seluruh komponen utama seperti CPU, GPU, dan PSU. Meskipun T Configuration menghasilkan nilai heat balance terbaik pada flowrate 135 LPM, Z Configuration terbukti unggul dalam menjaga kestabilan suhu dan efisiensi perpindahan panas. Penelitian ini memberikan kontribusi penting dalam merancang sistem immersion cooling yang optimal bagi pusat data modern dengan kebutuhan termal tinggi.

---

This study investigates the influence of inlet and outlet configurations on the thermal performance of a single-phase immersion cooling system using Immersion Cooling Fluid S3 X, a dielectric coolant. Simulations were conducted using ANSYS Fluent by modeling a Gigabyte G152-Z12 tank containing four server units. Three flow path configurations were tested: Baseline (manufacturer standard), T Configuration, and Z Configuration, each evaluated under coolant flow rates of 81, 135, and 180 liters per minute (LPM). The main objective was to assess temperature distribution, coolant flow patterns, and heat dissipation capability across configurations. The simulation results indicate that the Z Configuration produced the lowest component temperatures, the most uniform flow distribution, and the best overall cooling performance for key components such as the CPU, GPU, and PSU. While the T Configuration yielded the best heat balance at a flow rate of 135 LPM, the Z Configuration demonstrated superior temperature stability and heat transfer efficiency. This research offers valuable insights into optimizing immersion cooling system design for high thermal load data centers. "