OPTIMASI SISTEM PENGKONDISIAN UDARA DENGAN METODE MACHINE LEARNING TERINTEGRASI INTERNET OF THINGS

Aug 5, 2026

Penelitian ini berfokus pada optimasi sistem pengkondisian udara melalui integrasi metode machine learning dan Internet of Things (IoT). Hasil penelitian menunjukkan bahwa optimasi sistem pengendalian pengkondisian udara berbasis IoT berhasil dilakukan, menghasilkan sistem yang efisien dalam mengatur kenyamanan termal di ruangan RSTA-B1 dengan otomatisasi. Integrasi machine learning, khususnya Artificial Neural Network (ANN), menghasilkan sistem pengkondisian udara yang nyaman dan efisien sesuai standar kenyamanan termal ASHRAE-55. Penghematan energi listrik yang signifikan terukur selama tiga hari pengujian, dengan penghematan masing-masing sebesar 4154,06 watt pada hari pertama, 1887,469 watt pada hari kedua, dan 3293,033 watt pada hari ketiga. Saran untuk penelitian lanjutan mencakup pertimbangan pengaruh panas dari individu dengan temperatur tinggi atau kondisi sakit. Sistem yang dioptimasi ini menawarkan solusi efisien untuk manajemen termal ruangan dan penghematan energi.

BahasaIndonesian

KategoriPenelitian & Laporan

FormatPDF

Halaman1

Waktu Membaca2 mnt

AksesGratis untuk diunduh

Daftar Isi

BAB V

KESIMPULAN

5.1 Kesimpulan

5.2 Saran

Pertanyaan Umum

Bagaimana optimasi sistem pengkondisian udara berhasil dilakukan?

Optimasi sistem pengkondisian udara berhasil dilakukan dengan mengintegrasikan metode machine learning, khususnya Artificial Neural Network (ANN), dengan sistem berbasis Internet of Things (IoT). Hasilnya adalah sistem yang efisien dalam mengatur kenyamanan termal ruangan secara otomatis.

Apakah sistem yang dioptimasi memenuhi standar kenyamanan termal?

Ya, sistem pengkondisian udara yang diintegrasikan dengan machine learning dan IoT ini diklaim nyaman dan efisien serta memenuhi standar kenyamanan termal ASHRAE-55.

Berapa besar penghematan energi listrik yang dicapai?

Penghematan energi listrik yang terukur selama tiga hari pengujian sistem yang dioptimasi menunjukkan angka 4154,06 watt pada hari pertama, 1887,469 watt pada hari kedua, dan 3293,033 watt pada hari ketiga dibandingkan dengan sistem yang tidak dioptimasi.

Aug 5, 2026

Unggah oleh River Wang