EUVIMEDEUVIMED entdecken
Open Access · CC BY-SA 4.0

Prediksi Degradasi Kesehatan Baterai Kendaraan Listrik Berbasis Machine Learning pada Pengisian Cepat DC

Zulham Kentji, Samsurizal Samsurizal, Septiannissa Azzahra, Dwi Listiawati, Dody Dody, Kartika Tresya Mauriraya

Seminar Nasional Teknologi & Sains · 26.01.2026 · 5 (1) · 1041-1047

DOI: 10.29407/ays90r20 ↗

Kurz gefasst

Fachartikel in der Zeitschrift Seminar Nasional Teknologi & Sains, online erschienen am 26.01.2026. Verfasst von Zulham Kentji und 5 weiteren Autor:innen. Der Volltext ist frei zugänglich (Open Access, CC BY-SA 4.0).

AbstractBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

Perkembangan kendaraan listrik mendorong penerapan sistem pengisian cepat untuk meningkatkan kenyamanan pengguna. Namun, pengisian cepat dengan arus dan daya tinggi berpotensi mempercepat degradasi kesehatan baterai (State of Health / SoH), yang berdampak pada umur pakai dan keandalan baterai kendaraan listrik. Oleh karena itu, diperlukan pendekatan prediktif yang mampu mengidentifikasi degradasi kesehatan baterai secara akurat sejak dini. Penelitian ini mengusulkan pendekatan machine learning berbasis Random Forest Regressor untuk memprediksi degradasi kesehatan baterai kendaraan listrik pada proses pengisian cepat DC. Dataset diperoleh dari hasil simulasi pengisian cepat yang mempertimbangkan parameter arus pengisian, tegangan DC, suhu baterai, dan State of Charge (SoC). Model dilatih untuk mempelajari hubungan nonlinier antara parameter pengisian cepat dan degradasi kesehatan baterai yang dinyatakan sebagai ΔSoH. Kinerja model dievaluasi menggunakan metrik Mean Absolute Error (MAE), Root Mean Square Error (RMSE), dan koefisien determinasi (R²). Hasil penelitian menunjukkan bahwa model Random Forest mampu memprediksi degradasi kesehatan baterai dengan nilai MAE sebesar 0.00000009, RMSE sebesar 0.00000015, serta nilai R² sebesar 0.999998, yang menunjukkan tingkat akurasi prediksi yang sangat tinggi. Pendekatan ini berpotensi digunakan sebagai dasar pengambilan keputusan dalam pengelolaan sistem pengisian cepat DC yang lebih aman dan berkelanjutan, serta mendukung pengembangan sistem pengisian kendaraan listrik yang cerdas dan berorientasi pada umur pakai baterai.

Zitieren

APA

Kentji, Z., Samsurizal, S., Azzahra, S., Listiawati, D., Dody, D., & Mauriraya, K. T. (2026). Prediksi Degradasi Kesehatan Baterai Kendaraan Listrik Berbasis Machine Learning pada Pengisian Cepat DC. Seminar Nasional Teknologi & Sains, 5(1), 1041-1047. https://doi.org/10.29407/ays90r20

Vancouver

Kentji Z, Samsurizal S, Azzahra S, Listiawati D, Dody D, Mauriraya KT. Prediksi Degradasi Kesehatan Baterai Kendaraan Listrik Berbasis Machine Learning pada Pengisian Cepat DC. Seminar Nasional Teknologi & Sains. 2026;5(1):1041-1047. doi:10.29407/ays90r20

BibTeX
@article{Kentji2026,
  author = {Kentji, Zulham and Samsurizal, Samsurizal and Azzahra, Septiannissa and Listiawati, Dwi and Dody, Dody and Mauriraya, Kartika Tresya},
  title = {Prediksi Degradasi Kesehatan Baterai Kendaraan Listrik Berbasis Machine Learning pada Pengisian Cepat DC},
  journal = {Seminar Nasional Teknologi & Sains},
  year = {2026},
  volume = {5},
  number = {1},
  pages = {1041--1047},
  doi = {10.29407/ays90r20}
}
Kostenlos starten →