Analisis Karakteristik Output Power Turbin Angin Tipe Crossflow Menggunakan Metode Support Vector Machine (SVM)

Barrang, Basri Arnol (2025) Analisis Karakteristik Output Power Turbin Angin Tipe Crossflow Menggunakan Metode Support Vector Machine (SVM). Diploma thesis, Universitas Kristen Indonesia Toraja.

[thumbnail of Halaman Sampul] Text (Halaman Sampul)
Halaman Judul - Basri Arnol.pdf

Download (814kB)
[thumbnail of Bab I] Text (Bab I)
Bab I - Basri Arnol.pdf

Download (223kB)
[thumbnail of Bab II] Text (Bab II)
Bab II - Basri Arnol.pdf

Download (262kB)
[thumbnail of Bab III] Text (Bab III)
Bab III - Basri Arnol.pdf
Restricted to Registered users only

Download (267kB)
[thumbnail of Bab IV] Text (Bab IV)
Bab IV - Basri Arnol.pdf
Restricted to Registered users only

Download (543kB)
[thumbnail of Bab V] Text (Bab V)
Bab V - Basri Arnol.pdf

Download (166kB)
[thumbnail of Daftar Pustaka] Text (Daftar Pustaka)
Daftar Pustaka - Basri Arnol.pdf

Download (173kB)
[thumbnail of Lampiran] Text (Lampiran)
Lampiran - Basri Arnol.pdf

Download (614kB)

Abstract

Kebutuhan akan energi terbarukan di Indonesia mendorong pengembangan teknologi turbin angin, khususnya pada daerah dengan kecepatan angin rendah. Salah satu inovasi yang potensial adalah penggunaan turbin angin tipe crossflow, yang mampu menghasilkan daya meskipun dalam kondisi angin rendah. Penelitian ini bertujuan untuk menganalisis karakteristik output power turbin angin tipe crossflow
menggunakan metode Support Vector Machine (SVM). Pengumpulan data dilakukan di Laboratorium Teknik Elektro Universitas Kristen Indonesia Toraja, dengan variabel independen meliputi kecepatan angin, suhu, kelembapan, dan jarak; serta variabel dependen berupa tegangan dan arus. Model SVM digunakan untuk memprediksi output power berdasarkan data tersebut. Hasil evaluasi menunjukkan bahwa kecepatan angin
merupakan faktor paling dominan yang mempengaruhi output daya. Sementara itu, model SVM memberikan hasil prediksi yang cukup baik untuk tegangan namun kurang optimal untuk arus, dengan nilai R² masing-masing sebesar 0,1015 dan -0,0311. Penelitian ini menunjukkan bahwa SVM memiliki potensi dalam pemodelan prediksi daya turbin angin, namun masih diperlukan peningkatan model melalui penambahan
variabel dan optimasi parameter untuk akurasi yang lebih tinggi.
Kata kunci: turbin angin crossflow, energi terbarukan, output power, Support Vector Machine (SVM), prediksi day

Item Type: Thesis (Diploma)
Subjects: T Technology > TK Electrical engineering. Electronics Nuclear engineering
Divisions: Fakultas Teknik > Teknik Elektro
Depositing User: Unnamed user with username perpustakaan2_1
Date Deposited: 02 Feb 2026 06:56
Last Modified: 02 Feb 2026 06:56
URI: https://repo.ukitoraja.ac.id/id/eprint/1272

Actions (login required)

View Item
View Item