Lestary, Fitriyanty Dwi (2023) IMPLEMENTASI DEEP LEARNING UNTUK PENDETEKSIAN SNAIL TRAILS PADA MODUL SEL SURYA = Deep Learning Implementation for Snail Trails Detection in Photovoltaic Module. Thesis thesis, Universitas Hasanuddin.
![[thumbnail of Cover]](/32354/1.hassmallThumbnailVersion/D032201007_tesis_26-01-2023%20CAVER1.jpg)
![](/32354/1.haspreviewThumbnailVersion/D032201007_tesis_26-01-2023%20CAVER1.jpg)
D032201007_tesis_26-01-2023 CAVER1.jpg
Download (205kB) | Preview
![[thumbnail of Bab 1-2]](/style/images/fileicons/text.png)
D032201007_tesis_26-01-2023 BAB 1-2.pdf
Download (2MB)
![[thumbnail of Dapus]](/style/images/fileicons/text.png)
D032201007_tesis_26-01-2023 DP.pdf
Download (1MB)
![[thumbnail of Full Text]](/style/images/fileicons/text.png)
D032201007_tesis_26-01-2023.pdf
Restricted to Repository staff only until 23 January 2026.
Download (7MB)
Abstract (Abstrak)
Penurunan cadangan bahan bakar fosil serta antusiasme yang meningkat pada pengembangan sumber daya terbarukan telah membuat dunia mencari dan menciptakan sumber daya alternatif yang bersih dan terbarukan. Diantara sumber energi alternatif yang tersedia, energi surya diklaim sebagai pilihan utama yang dapat menggantikan sumber daya fosil untuk menghadapi tuntutan kebutuhan konsumsi daya pada saat ini karena persediaan energi surya yang tak terbatas. Namun kesadaran untuk memeriksa kondisi PV dalam dekade pemakaianya masih sangat rendah, sehingga deteksi snail trails ini diperlukan untuk mengetahui peformansi snail trails sebagai langkah awal pencegahan kerusakan yang berkelanjutan. Penelitian ini bertujuan untuk mengembangkan sistem dektesi snail trails pada citra modul fotovoltaik menggunakan metode deep learning dengan algoritma YOLO (You Only Look Once) versi ke 3. Ada beberapa proses penting yang diperlukan pada metode YOLOv3 yaitu anotasi citra, dan pelatihan data dan pengujian data. Hasil mean average precision pada simulasi pelatihan dalam mengenali dan mendeteksi objek snail trails pada modul fotovoltaik sebesar 89,29%. Nilai ini menunjukkan bahwa metode ini dapat diusulkan untuk konstribusi dalam implementasi pengembangan penelitian pendeteksian kerusakan yang efektif sejak dini pada modul panel surya.
Keywords : Photovoltaic module; Snail trails detection; Image processing; YOLOv3
Item Type: | Thesis (Thesis) |
---|---|
Uncontrolled Keywords: | Photovoltaic module; Snail trails detection; Image processing; YOLOv3 |
Subjects: | T Technology > TK Electrical engineering. Electronics Nuclear engineering |
Divisions (Program Studi): | Fakultas Teknik > Teknik Elektro |
Depositing User: | S.Sos Rasman - |
Date Deposited: | 13 May 2024 01:58 |
Last Modified: | 13 May 2024 01:58 |
URI: | http://repository.unhas.ac.id:443/id/eprint/32354 |