PERANCANGAN PEMBANGKIT LISTRIK TENAGA SURYA (PLTS)SEBAGAI ENERGI PENGGERAK POMPA MINYAK PADA STASIUN PENGISIAN BAHAN BAKAR UMUM(Studi Kasus : SPBU Arifin Ahmad14.282.635)
Bibliographic record
Abstract
Listrik merupakan kebutuhan primer manusia saat ini, sesuai dengan kemajuan zaman yang semakin pesat kebutuhan listrik sangat tinggi hampir disemua kalangan mulai dari daerah perkotaan hingga pedesaan.Di Indonesia untuk kebutuhan listrik masyarakat menggunakan layanan PLN. Namun pada beberapa prasarana komersil di Indonesia menggunakan mesin diesel sebagai penyedia kebutuhan listriknya. Salah satunya adalah Stasiun Pengisian Bahan Bakar Umum (SPBU). Besarnya tagihan listrik di SPBU didominasi oleh pompa minyak hampir 90% dari tagihan listrik tiap bulannya. Maka semakin banyak pompa minyak yang ada, semakin besar tagihan listrik yang akan dibayarkan. Potensi energi surya di Kota Pekanbarupada penelitian ini adalah sebesar 4,81 kWh/m2/hari, untukmemanfaatkan potensi energi surya maka dilakukanlah perancangan PLTS di SPBU Arifin Ahmaddengan beban perancangan sebesar 11.280 W dengan menggunakan inverter jenis Grid Tie Inverter yang akan menghubungkankeluaran hasil listrik sistem dengan listrik jaringan PLN danapabila jaringan PLN mati maka akan memutus listrik yang dihasilkan sistem sehingga tidak sampai ke jaringan PLN. Perancangan PLTS ini menggunakan 46 buah panel Canadian SolarMaxPower CS6U 330P dan inverter Sunny Tripower 15000TL Grid Tie Inverterdengan kapasitas 15.180 Wp dan menghasilkan energi 21,32 MWh ke jaringan utilitas tiap tahunnyaBedasarkan analisa ekonomi sistem PLTS ini menghasilkan nilai Life Cycle Cost sebesar Rp. 1.501.205.041nilai ini lebih kecil dibanding dengan Life Cycle Cost dari sistem PLN yang telah dipakai yakni Rp. 1.876.547.775. Selain itu sistem PLTS ini juga menghasilkan nilai Net Present Valuesebesar Rp. 50.398.516dengan baiaya investasi awal sebesar Rp. 709.489.000dan nilai Payback Periodeselama 4,37 tahun.Bedasarkan analisa ekonomi yang telah dilakukan maka perancangan PLTS di SPBU Arifin Ahmad dapat dilaksanakan.Kata kunci: PLTS,SPBU, Grid Tie Invereter, Life Cycle Cost, Net Present Value.Payback Periode
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.002 | 0.000 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.000 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.037 | 0.006 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".