Sistem Prediksi Daya Jangkau Sepeda Listrik Berbasis Konsumsi Energi Aktual Menggunakan Metode LSTM

Rhehan, Mohammad Abi (2026) Sistem Prediksi Daya Jangkau Sepeda Listrik Berbasis Konsumsi Energi Aktual Menggunakan Metode LSTM. Diploma thesis, Politeknik Perkapalan Negeri Surabaya.

Text 0422040043 - Mohammad Abi Rhehan - Sistem Prediksi Daya Jangkau Sepeda Listrik Berbasis Konsumsi Energi Aktual Menggunakan Metode LSTM.pdf Restricted to Repository staff only Download (3MB) | Request a copy

Abstract

Keterbatasan akurasi estimasi daya jangkau pada sepeda listrik sering menyebabkan ketidakpastian pengguna dalam memperkirakan sisa jarak tempuh kendaraan. Penelitian ini bertujuan merancang dan mengimplementasikan sistem prediksi daya jangkau sepeda listrik berbasis konsumsi energi aktual menggunakan metode Long Short-Term Memory (LSTM) yang dapat bekerja secara real-time pada sistem embedded. Sistem dibangun menggunakan mikrokontroler ESP32 yang terintegrasi dengan sensor PZEM-017 untuk memperoleh data tegangan, arus, dan daya, modul GPS L86 untuk mengukur kecepatan kendaraan, LCD Nextion sebagai antarmuka pengguna, serta MicroSD Card sebagai media penyimpanan data. Parameter masukan model LSTM meliputi tegangan, arus, daya, kecepatan, dan State of Charge (SOC), sedangkan keluaran model berupa estimasi daya jangkau kendaraan. Dataset diperoleh melalui pengujian langsung pada sepeda listrik konversi Viar Q1 dengan baterai lithium-ion 16S5P berkapasitas 22 Ah pada berbagai kondisi operasi. Model LSTM dilatih menggunakan Google Colab, kemudian dikonversi ke TensorFlow Lite agar dapat diimplementasikan pada ESP32. Hasil evaluasi model menunjukkan nilai Mean Absolute Error (MAE) sebesar 0,9987 km, Root Mean Squared Error (RMSE) sebesar 1,5021 km, Mean Absolute Percentage Error (MAPE) sebesar 5,4105%, dan koefisien determinasi (R²) sebesar 0,9810, yang menunjukkan kemampuan prediksi yang baik. Pengujian pada variasi beban memperlihatkan rata-rata kesalahan prediksi sebesar 4,12% pada beban ±73 kg dan 14,06% pada beban ±145 kg. Hasil penelitian menunjukkan bahwa sistem mampu melakukan prediksi daya jangkau secara real-time dengan tingkat akurasi yang tinggi serta adaptif terhadap perubahan kondisi operasional kendaraan, sehingga berpotensi meningkatkan efektivitas manajemen energi pada sepeda listrik

Actions (login required)

View Item