RANCANG BANGUN SISTEM PENDINGINAN PADA SIMULATOR PHOTOVOLTAIC DENGAN

MENGGUNAKAN TERMOELEKTRIK TEC1-12706 BERBASIS MIKROKONTROLER DENGAN

METODE FUZZY

Gusti Firduansyah 1), Seno D. Panjaitan 2), Syaifurrahman 3)

Jurusan Teknik Elektro, Fakultas Teknik, Universitas Tanjungpura,
Jln. Prof. H. Hadari Nawawi, Pontianak, Indonesia.
Email : gustifirduansyah@gmail.com

ABSTRAK

Termoelektrik (thermoelectric cooler) merupakan komponen yang dapat menimbulkan perbedaan temperatur
antara sisi atas dan bawah, jika kedua plat semikonduktor dialiri arus listrik searah. Penelitian ini digunakan
termoelektrik TEC1-12706 yang umumnya digunakan sebagai pendingin minuman pada dispenser namun, dalam
penelitian ini digunakan sebagai pendingin simulator photovoltaic yang dilengkapi dengan kipas blower untuk
membawa hawa dingin dari termoelektrik untuk mengurangi temperatur panas yang diakibatkan penggunaan lampu
halogen pada ruangan simulator. Kecepatan putaran kipas blower dikendalikan dengan menggunakan
mikrokontroler STM32F103C8T6 Blue Pill yang ditanamkan sistem kendali Fuzzy Logic. Kendali Fuzzy Logic akan
menentukan hasil kecepatan motor blower dengan membandingkan nilai error sekarang dan sebelumnya atau
disebut dengan error dan delta error. Rancangan sistem kendali pendingian pada kotak simulator photovoltaic
bertujuan untuk meningkatkan efisiensi dan memberikan hasil yang optimal pada saat melakukan pengujian dan
pengukuran modul solar cell. Hasil pengujian menunjukkan bahwa dengan penggunaan sistem pendingian
termoelektrik yang dikendalikan menggunakan Fuzzy Logic dapat memperkecil nilai error dari temperatur setting.
Berdasarkan hasil pengujian temperatur pada setting 25 dan 30°C, penggunaan termoelektrik dengan kendali Fuzzy
Logic dapat mengurangi temperatur panas dari lampu halogen dalam simulator photovoltaic, jika dibandingkan
dengan tanpa penggunaan termoelektrik masing-masing sebesar 17,6% (setting 25°C) dan 15,4% (setting 30°C).
Kata Kunci : kendali Fuzzy Logic, sistem pendinginan, simulator photovoltaic, termoelektrik TEC1- 12706.

I. Pendahuluan listrik sebuah solar cell dalam kondisi intensitas cahya

Photovoltaic adalah sebuah teknologi yang
berfungsi untuk mengubah atau mengkonversi radiasi
matahari menjadi energi listrik secara langsung.
Photovoltaic biasanya dikemas dalam sebuah unit yang
disebut modul solar cell. Dalam sebuah modul solar
cell, biasanya cell yang berjumlah banyak disusun
secara seri maupun paralel ataupun seri paralel.
Modul solar cell memiliki dua jenis yaitu,
monocrystalline dan polycrystalline. Teknologi
crystalline silikon (c-Si) merupakan teknologi yang
dapat menghasilkan solar cell dengan efisiensi yang
sangat tinggi, sehingga jenis modul solar cell ini sangat
banyak digunakan untuk kebutuhan energi listrik
komersil. Cara kerja dari modul solar cell yakni,
dengan menyerap energi cahaya matahari, energi
matahari berupa sinar ultraviolet yang mengenai bagian
solar cell akan secara langsung terkonversi menjadi
daya listrik.
Untuk mengetahi kinerja photovoltaic secara
mendalam akan sulit dilakukan walaupun photovoltaic
berada di area terbuka. Hal ini dikarenakan intensitas
cahaya matahari yang diterima solar cell tidak konstan
serta temperatur yang selalu berubah, pada tugas akhir
ini penulis membuat simulator photovoltaic dengan
sistem pendingin menggunakan termoelektrik berbasis
Fuzzy Logic yang dapat menguji atau meghasilkan daya
dan temperatur yang stabil atau tetap.
Simulator photovoltaic adalah sebuah alat yang
dapat menyimulasikan kondisi tertentu pada sebuah
modul solar cell, sehingga mirip dengan kondisi
sebenarnya saat diaplikasikan di ruang terbuka.
Simulator photovoltaic ini dilengkapi dengan beberapa
buah lampu halogen untuk menggantikan cahaya
matahari saat melakukan simulasi dan modul
termoelektrik digunakan sebagai sumber pendingin.
Modul termoelektrik adalah sebuah komponen
elektronik yang dapat menimbulkan perbedaan
temperatur antara kedua sisinya jika dialiri arus listrik
searah pada kedua kutub materialnya yaitu dua plat
semikonduktor.
II. Tinjauan Pustaka
Terdapat beberapa penelitian yang telah
membahas mengenai pendingin menggunakan
termoelektrik TEC1-12706, perancangan pendingin
berbasis kendali fuzzy logic dan mengenai efisiensi dari
modul solar cell terhadap temperatur. Penelitian
tersebut digabungkan sehingga dapat menjadi objek
penelitian baru yang membahas tentang pendinginan
menggunakan termoelektrik dengan kendali Fuzzy
Logic untuk mendinginkan simulator photovoltaic.
Adapun penelitian terdahulu yang menjadi bahan
penyusunan penelitian ini yaitu Puteri Kusumaning
Tiyas (2020), berjudul tentang “Pengaruh Efek
Temperatur terhadap Kinerja Panel Surya”, penelitian
ini bertujuan untuk mengetahui efek bayangan, hal ini
dikarenakan ketika solar cell dan reflektor cermin datar
diletakkan sejajar akan menyebabkan kenaikan
temperatur solar cell dan iradian pada solar cell juga
ikut mengalami peningkatan.
Frima Setyawan Nur Rohman dan Puput Wanarti
Rusimamto (2020) berjudul “Rancang Bangun
Kontroler Pendingin untuk Unit Peltier Berbasis Fuzzy
Logic”, penelitian ini bertujuan untuk membuat sebuah
sistem untuk mendinginkan air dalam sebuah kotak
tangki dengan termoelektrik menggunakan kendali
Fuzzy Logic. Penelitian tersebut menggunakan konsep
perpindahan kalor, sistem pendinginan air ini
memanfaatkan sisi dingin dari termoelektrik untuk
ditempelkan pada kotak tangki air, sedangkan sisi panas
dari termoelektrik dibuang ke udara dengan bantuan
kondensor dan kipas angin. Selain itu, dalam penelitian
tersebut digunakan Arduino Uno R3 dan sensor
temperatur DS18B20.
Sumardi Sadi dan Teguh Budiawan (2016), dalam
penelitiannya yang berjudul, “Kontrol Pendingin
Ruangan (Fan) dengan Logika Fuzzy Menggunakan
Atmega 8535, LM35 dan PIR”, yang bertujuan untuk
mengatur temperatur berdasarkan temperatur tubuh
manusia dengan mikrokontroler dan menggunakan
metode fuzzy, serta menggunakan Arduino sebagai
pengendali temperatur.
III. Metodologi Penelitan
3.1. Lokasi dan Waktu Penelitian
Penelitian Penelitian tugas akhir ini dilakukan di
Laboratorium Elektroteknika Dasar Fakultas Teknik
Universitas Tanjungpura Pontianak. Laboratorium ini
memiliki berbagai alat dan bahan yang membantu
dalam proses perencanaan serta pengambilan data
sistem pendinginan simulator Photovoltaic dengan
Menggunakan Termoelektrik TEC1-12706 berbasis
Mikrokontroler dengan Metode Fuzzy seperti alat ukur,
perkakas, dan komponen elektronika lainnya. Penelitian
ini dimulai pada Juni 2021 hingga Maret 2022.
Perancangan perangkat keras dan lunak diselesaikan
hingga Januari 2022 dilanjutkan dengan pengambilan
data, melakukan analisis dan menyelesaikan penulisan
tugas akhir hingga menyelesaikan penulisan jurnal.
3.2. Alat dan Bahan
Proses pembuatan alat simulator ini menggunakan
peralatan dan bahan yaitu:
3.2.1 Alat
Adapun alat yang digunakan untuk penlitian ini
berupa instrumen, sebagai berikut:
1. Instrumen Lutron YK-90HT (Termometer)
2. Instrumen Lutron LX-170 (Luxmeter)
3.2.2 Bahan
Adapun bahan yang digunakan untuk membuat
simulator photovoltaic yaitu, sebagai berikut:
1. Mikrokontroler STM32F103C8T6
2. Mikrokontroler Arduino Nano
3. Modul sensor DHT22
4. Modul sensor GY-302
5. Kipas blower
6. Modul mosfet
7. Water cooling block
8. Pompa DC
9. Evaporator dan Kondensor
10. Modul push button
11. LCD I2C 4x20
12. Termoelektrik TEC1-12706
13. Hi-Link 5 W dan Catu daya DC 12V 50A
3.3. Perancangan Perangkat Keras
Perancangan perangkat keras sistem pendinginan
simulator photovoltaic ini meliputi pembuatan desain
rangkaian skematik komponen dan modul untuk jalur
penghubung secara keseluruhan, agar mempermudah
pembuatan pada papan PCB. Secara umum skema
rangkaian sistem pendinginan simulator photovoltaic
seperti yang ditunjukan pada Gambar 1.
Gambar 1. Skema rangkaian keseluruhan sistem
Selain rangkaian sistem elektronik, terdapat juga
rangkaian wiring sistem yang memberikan informasi
mengenai hubungan setiap komponen tertentu
menggunakan sistem pengkabelan. Diagram wiring
dirancang untuk menyambungkan antara PCB
rangkaian dengan komponen yang terpasang pada bodi
alat seperti blower, sensor cahaya GY-302, LCD 4x20,
sensor temperatur DH-T22 dan tombol push button.
Terdapat juga rangkaian instalasi sistem pelepasan kalor
dan pendinginan. Untuk melihat rangkaian elektronika
sistem pendinginan simulator photovoltaic dapat dilihat
pada Gambar 2 dan Gambar 3.
 Gambar 2. Rangkaian sistem elektronika pada sistem
pendinginan simulator photovoltaic
Berikut merupakan gambar bagian mekanikal dari
sistem pendingian simulator photovoltaic dapat dilihat
pada Gambar 3.
Gambar 3. Rangkaian sistem elektronika pada sistem
pendinginan simulator photovoltaic
3.4. Perancangan Perangkat Lunak
Proses perancangan perangkat lunak dimulai dari
pembuatan algoritma pemograman supaya program
yang akan dibangun lebih terstruktur dan sesuai fungsi
yang diharapkan, pertama pembuatan diagram alir
(flowchart) untuk menentukan sistem kerja dari sebuah
program yang akan dibangun dan selanjutnya
pembuatan skrip pemrograman menggunakan software
Arduino IDE pada PC yang nantinya akan masukkan
pada mikrokontroler STM32 dan Arduino Nano.
Berikut pada Gambar 4 merupakan diagram alir dari
pemograman.
program yang dijalan secara berulang melalui
diagram alir dapat dilihat pada Gambar 4.
Gambar 4. Diagram alir pemrograman
3.5 Perancangan Kendali Fuzzy Logic
Perancangan sistem kendali Fuzzy logic dimulai
dari membuat diagram blok kendalinya serta
menentukan bagian bagian yang akan dikendalikan
mulai dari masukan hingga keluaran sistem. Pada
diagram blok terdapat variabel-variabel kendali yaitu
temperatur referensi, error dan delta error, PWM dan
keluaran berupa temperatur. Untuk melihat diagram
blok kendali Fuzzy dapat dilihat pada Gambar 5.
berikut.
Gambar 5. Diagram blok kendali Fuzzy Logic
Berikut ini merupakan bagian yang terpenting
dalam mendesain sebuah kendali berbasis Fuzzy Logic
yaitu rule base. Rule base adalah aturan dasar dalam
sebuah sistem yang dibangun untuk mendapatkan nilai
tertentu berdasarkan aturan yang ada. Fuzzy rule base
berisi pernyataan-pernyataan logika (Fuzzy Statement),
yang berbentuk pernyataan IF-THEN. Setelah dilakukan
fuzzifikasi untuk setiap masukan dan keluaran, maka
langkah berikutnya yaitu membuat aturan atau rule
base.
 Gambar 6. Rule base Fuzzy Logic
Rule base ini juga terdiri dari kumpulan-kumpulan
aturan yang berbasis Fuzzy Logic untuk menyatakan
suatu kondisi, dalam proses penyusunan sebuah rule
base sangat berpengaruh pada kepresisian model pada
tahap pengambilan keputusan ditentukan berdasarkan
rancangan rule base yang dibuat.
3.6 Simulasi kendali Fuzzy Logic Matlab
Simulasi Fuzzy Logic sangat dibutuhkan dalam
perancangan dan pembangunan sebuah sistem untuk
mendapatkan data awal dan sebagai validasi hasil
komputasi sistem yang dibangun. Pertama-tama yang
perlu dilakukan yaitu membuat desain membership
function yang terdiri dari dua bagian, bagian pertama
berupa membership function error dan yang kedua delta
error.
1. Fungsi himpunan keanggotaan input error
Desain membership function error menggunakan
Matlab bertujuan untuk menentukan nilai fungsi
anggota dari EN (Error Negatif) dari nilai -20 hingga 0,
dan nilai EZ (Error Zero) mulai dari -5 hingga 5 dan EP
(Error Positif) mulai dari 0 hingga 10. Nilai Error ini
merupakan range dari perancangan input error tersebut
berdasarkan data pembacaan sensor kenaikan
temperatur pada simulator photovoltaic.
Gambar 8. Himpunan fungsi keanggotaan Δerror
3. Himpunan fungsi keanggotaan Output PWM
Fungsi keanggotaan output memiliki tiga himpunan
yaitu sedang, cepat dan sangat cepat. Nilai himpunan
berupa rentang besaran nilai PWM untuk hasil output
dari 100 hingga 255.
Gambar 9. Himpunan fungsi keanggotaan output PWM
Himpunan fungsi keanggotaan sedang
merepersentasikan nilai output PWM sebesar 100,
himpunan fungsi keanggotaan cepat merepresentasikan
nilai output PWM bernilai 200 dan himpunan
keanggotaan sangat cepat merepersentasikan nilai
PWM sebesar 255.
IV. Hasil dan Pembahasan
Penelitian ini dilakukan pengujian efek
pengguaan efek termoelektrik terhadap temperatur pada
simulator photovoltic dengan menggunakan kendali
Fuzzy Logic simulator photovoltai dapat dilihat pada
Gambar 10 telah dilengkapi sistem pendinginan yang
terbuat dari multiplek berbentuk kotak dengan ukuran
80x60x40 cm bagian dalam simulator dilapisi busa
dengan ketebalan 8 mm peredam panas berlapis
aluminium dan reflektor cahaya lampu halogen.

Gambar 7. Himpunan fungsi anggota input Δerror

2. Himpunam fungsi keanggotaan delta error

Perancangan untuk input delta error menggunakan
tiga membership function yaitu nilai negatif, zero dan
positif dengan range nilai sebesar -3 hingga 3. Range
dari perancangan input delta error tersebut berdasarkan
kemiringan perubahaan error terhadap waktu yang bisa
sampai sebesar itu.
Gambar 10. Bentuk fisik simulator photovoltaic
 Penelitian ini ada beberapa data yang diambil error menghasilkan nilai PWM yang bervariasi
berdasarkan nilai temperatur yang diatur dan nilai Lux. tergantung pada nilai error dan delta error. Nilai error
Data yang diambil mulai dari temperatur setting, nilai terhadap nilai setting memiliki RMSE sebesar 1,6187.
Lux dan temperatur awal pada ruangan simulator.
Tabel 2. Pengambilan data temperatur tanpa Fuzzy
Pengujian sistem pendinginan simulator photovoltaic
pada setting 25°C dan Lux 6.500
dilakukan pada setting temperatur 25 dan 30°C dengan
nilai Lux masing-masing sebesar 6.500 dan 10.000 pada Pengujian Tanpa menggunakan Termoelektrik
temperatur ruangan kotak simulator 23,5°C. dengan Kendali Fuzzy Logic Target 25°C
Pengambilan setting temperatur pada 25 dan 30°C Time
didasarkan pada penelitian yang telah dilaporkan Parera (mnt) DHT22 Error ΔError PWM
Marcus Lory dkk. (2019), yang menyatakan bahwa 2 27,6 -2,6 -2,6 MAKS
modul solar cell memiliki temperatur ideal sebesar 4 28,7 -3,7 -1,1 MAKS
25°C. Terjadi perubahan daya listrik yang dipengaruhi 6 29,6 -4,6 -3,5 MAKS
oleh intensistas cahaya matahari yang masuk dan
8 30,4 -5,4 -1,9 MAKS
temperatur pada photovoltaic. Peningkatan temperatur
10 31 -6 -4,1 MAKS
diatas normal (25°C) dapat menurunkan efisiensi daya
12 31,5 -6,5 -2,4 MAKS
listrik yang dihasilkan oleh modul solar cell.
14 32 -7 -4,6 MAKS
4.1. Data Temperatur Set 25°C dengan Lux 6.500 16 32,4 -7,4 -2,8 MAKS
Tabel 1. Nilai Error dan Delta Error pada Set 18 32,9 -7,9 -5,1 MAKS
Temperatur 25°C dengan Lux 6.500 20 33,2 -8,2 -3,1 MAKS
22 33,5 -8,5 -5,4 MAKS
Hasil Pengujian Simulator menggunakan Fuzzy 24 33,7 -8,7 -3,3 MAKS
Logic dengan Termoeletrik pada Setting 25°C 26 34 -9 -5,7 MAKS
Time 28 34,1 -9,1 -3,4 MAKS
DHT22 Error ΔError PWM
(mnt) 30 34,3 -9,3 -5,9 MAKS
2 25,5 -0,5 -0,5 232 32 34,4 -9,4 -3,5 MAKS
4 25,6 -0,6 -0,1 215 34 34,7 -9,7 -6,2 MAKS
6 25,8 -0,8 -0,2 222 36 34,8 -9,8 -3,6 MAKS
8 26,1 -1,1 -0,3 228 38 34,9 -9,9 -6,3 MAKS
10 26,6 -1,6 -0,5 238 40 35 -10 -3,7 MAKS
12 26,7 -1,7 -0,1 225 RMSE 3,3924
14 27 -2 -0,3 231
16 27 -2 0 222 Tabel 2 merupakan hasil pengukuran temperatur
18 27 -2 0 222 tanpa menggunakan sistem pendingin kendali Fuzzy
20 27 -2 0 222 Logic dan termoelektrik hanya menggunakan kipas
22 27,1 -2,1 -0,1 211 blower menunjukan peningkatan temperatur terus naik
24 27,1 -2,1 0 223 dari keadaan awal, untuk membandingkan keduanya
dapat dilihat pada Gambar 11 berupa grafik hasil
26 27 -2 0,1 210
perbandingan yang menunjukkan hasil pengukuran
28 26,8 -1,8 0,2 200
temperatur ruangan dapat terkendali dengan adanya
30 26,7 -1,7 0,1 201
kendali Fuzzy Logic.
32 26,5 -1,5 0,2 198
34 26,4 -1,4 0,1 204
36 26,4 -1,4 0 215
38 26,3 -1,3 0,1 204
40 26,3 -1,3 0 214
RMSE 1,6187
Tabel 1 merupakan hasil pengukuran temperatur
selama 40 menit dan waktu pencuplikan data per dua
menit sekali. Pada tabel terlihat proses naik dan turun
temperatur di dalam ruangan simulator yang
dikendalikan dengan Fuzzy Logic, nilai error dan delta
error memiliki keluaran dalam nilai PWM. Pada data
yang diperoleh menunjukkan bahwa kendali Fuzzy Gambar 11. Grafik perbandingan kenaikan temperatur
dengan fungsi keanggotaan berupa nilai error dan delta pada simulator photovoltaic
 Grafik pada Gambar 11 yang berwarna jingga Nilai RMSE yang diperoleh pada Tabel 3 sebesar
menunjukkan peningkatan temperatur secara linear 2,6967 dan memiliki nilai persentase error yang
seperti tidak terjadi pendinginan pada ruangan simulator dihasilkan terhadap temperatur setting sebesar 4,97%
ini disebabkan karena tidak terdapat sumber dingin atau kemampuan sistem pendinginan menggunakan
yang mampu menyerap untuk menurunkan temperatur kendali Fuzzy Logic dalam mendinginkan ruang
panas yang disebabkan oleh lampu halogen. Sedangkan simulator sekitar 95,03%.
grafik berwarna hijau menunjukkan adanya siklus dan
Tabel 4. Pengambilan data temperatur tanpa Fuzzy
proses pendinginan untuk mendekati nilai setting
pada setting 30°C dan Lux 10.000
(referensi), walaupun capaian pendinginan tidak sama
dengan nilai setting, namun sudah lebih baik karena Pengujian Tanpa menggunakan Termoelektrik
terjadi proses untuk mendekati nilai temperatur setting dengan Kendali Fuzzy Logic Target 25°C
25°C dengan nilai akhir pengukuran sebesar 26,3°C. Time
Penambahan sistem pendingian menggunakan
(mnt) DHT22 Error ΔError PWM
termoelektrik dengan kendali Fuzzy Logic dapat
menurunkan temperatur panas sebsar 17,6%, jika 2 25,1 4,9 4,9 MAKS
dibandingkan tanpa menggunakan termoelektrik dengan 4 26,4 3,6 -1,3 MAKS
kendali Fuzzy Logic. Hal ini mununjukkan terjadi 6 27,9 2,1 3,4 MAKS
perbaikan temperatur panas dari ruang simulator 8 29,2 0,8 -2,6 MAKS
photovoltaic. 10 30,2 -0,2 2,4 MAKS
4.2. Data Temperatur Set 30°C dengan Lux 10.000 12 31,1 -1,1 -3,5 MAKS
Pengujian dilakukan dengan menentukan nilai 14 32 -2 1,5 MAKS
setting temperatur pada mikrokontroler dan menentukan
16 32,7 -2,7 -4,2 MAKS
intensitas cahaya lampu halogen yang menghasilkan
panas. Kemudian, untuk pengujian kemampuan 18 33,3 -3,3 0,9 MAKS
simulator yang dilengkapi kendali Fuzzy Logic diberi 20 33,9 -3,9 -4,8 MAKS
waktu pengujian selama 40 menit per dua menit sekali 22 34,5 -4,5 0,3 MAKS
sama seperti pengambilan data sebelumnya. 24 35,1 -5,1 -5,4 MAKS
Tabel 3. Nilai Error dan Delta Error pada Set 26 35,7 -5,7 -0,3 MAKS
Temperatur 30°C dengan Lux 10.000 28 36,2 -6,2 -5,9 MAKS
Hasil Pengujian Simulator menggunakan Fuzzy 30 36,7 -6,7 -0,8 MAKS
Logic dengan Termoeletrik pada Setting 30°C
32 37 -7 -6,2 MAKS
Time PWM
(mnt) DHT22 Error ΔError 34 37,3 -7,3 -1,1 MAKS
2 24,2 5,8 5,8 100 36 37,6 -7,6 -6,5 MAKS
4 25 5 -0,8 180 38 37,8 -7,8 -1,3 MAKS
6 25,2 4,8 -0,2 128 40 38 -8 4,9 MAKS
8 25,8 4,2 -0,6 176 RMSE 5,1362
10 26,3 3,7 -0,5 177
12 26,9 3,1 -0,6 189 Tabel 4 merupakan hasil pengukuran temperatur
14 27,4 2,6 -0,5 188 tanpa menggunakan sistem pendingin kendali Fuzzy
16 28 2 -0,6 196 Logic dan termoelektrik hanya menggunakan kipas
18 28,3 1,7 -0,3 189 blower menunjukan peningkatan temperatur terus naik
20 28,7 1,3 -0,4 197 dari keadaan awal, untuk membandingkan antara sistem
22 29,1 0,9 -0,4 203 pendingin hanya menggunakan kipas blower dan
menggunakan sistem pendinginan termoelektrik
24 29,4 0,6 -0,3 204
berbasis Fuzzy Logic data kedua tersebut dapat dilihat
26 29,7 0,3 -0,3 209
pada Gambar 12 berupa grafik hasil perbandingan atau
28 30,6 -0,6 -0,9 250
dapat langsung melihat pada Tabel 3 yang menunjukkan
30 30,4 -0,4 0,2 187 hasil pengukuran temperatur ruangan dapat terkendali
32 30,7 -0,7 -0,3 225 dengan adanya kendali Fuzzy Logic dengan
34 30,9 -0,9 -0,2 223 menggunakan termoelektrik dan kipas blower, ini
36 31 -1 -0,1 218 menunjukkan bahwa dengan penambahan kendali Fuzzy
38 31,2 -1,2 -0,2 225 Logic dapat mengurangi temperatur panas yang dapat
40 31,4 -1,4 -0,2 227 mengkondisikan temperatur ruangan simulator.
RMSE 2,6967