Putri, Lucy Dewi Sartika Novindra (2026) PERANCANGAN ROBOT PEMBERSIH SOLAR PANEL DENGAN RASPBERRY PI 4 BERBASIS MOBILENETV2 DAN TENSORFLOW LITE. Undergraduate thesis, Universitas Diponegoro.

	Text Lucy Dewi SNP_40040321650051_Tugas Akhir TRO.pdf - Published Version Restricted to Repository staff only Download (7MB) | Request a copy
	Text Cover.pdf - Published Version Download (1MB)
	Text BAB I.pdf - Published Version Download (199kB)
	Text BAB II.pdf - Published Version Download (616kB)
	Text BAB III.pdf - Published Version Restricted to Repository staff only Download (1MB) | Request a copy
	Text BAB IV.pdf - Published Version Download (426kB)
	Text BAB V (1).pdf - Published Version Download (177kB)
	Text Daftar Pustaka.pdf - Published Version Download (174kB)
	Text Lampiran.pdf - Published Version Restricted to Repository staff only Download (2MB) | Request a copy

Abstract

Penumpukan debu dan kotoran pada permukaan panel surya dapat menghambat penyerapan radiasi matahari sehingga menurunkan efisiensi pembangkitan energi listrik. Proses pembersihan yang masih dilakukan secara manual dinilai kurang efisien, memerlukan tenaga kerja tambahan, serta berisiko pada instalasi panel yang berada di lokasi tinggi. Penelitian ini mengembangkan prototipe robot pembersih
panel surya yang memanfaatkan Raspberry Pi 4 sebagai unit pemrosesan utama untuk menjalankan algoritma klasifikasi citra MobileNetV2 berbasis TensorFlow Lite, serta Arduino Mega 2560 Mini sebagai pengendali aktuator. Sistem melakukan akuisisi citra permukaan panel secara real-time menggunakan webcam, kemudian mengklasifikasikan kondisi panel menjadi dua kategori, yaitu bersih dan kotor. Berdasarkan hasil klasifikasi tersebut, robot melakukan pembersihan secara
selektif, di mana pompa air dan sikat pembersih hanya diaktifkan ketika kotoran terdeteksi sehingga penggunaan air dan daya baterai menjadi lebih efisien. Hasil pengujian menunjukkan bahwa model mampu mendeteksi kondisi panel dengan tingkat keberhasilan optimal pada kondisi pencahayaan mendung sebesar 100%, diikuti cahaya lampu 71,43%, dan cahaya cerah 63,64% yang dipengaruhi oleh pantulan sinar (glare). Secara keseluruhan, integrasi sistem visi komputer dan
kendali gerak menunjukkan tingkat keberhasilan 80% dalam mengubah kondisi panel dari kotor menjadi bersih. Selain itu, sistem komunikasi data berjalan stabil dengan latensi WiFi sebesar 6–22 ms untuk pemantauan melalui web serta latensi
UART sebesar 17–43 ms antar mikrokontroler. Dengan demikian, sistem yang dikembangkan mampu mengidentifikasi kondisi permukaan panel surya serta menjalankan proses pembersihan secara otomatis berdasarkan hasil klasifikasi citra.

Actions (login required)

View Item