Implementasi Battery Management System pada Monitoring Patok Perbatasan Berbasis Solar Panel Menggunakan Artificial Neural Network

Abstrak

Pemantauan patok batas negara merupakan hal yang sangat penting untuk menjaga kedaulatan dan keamanan wilayah perbatasan nasional. Namun, sistem pemantauan konvensional sering terkendala oleh keterbatasan infrastruktur listrik dan jaringan komunikasi di lokasi-lokasi terpencil. Penelitian ini mengusulkan penerapan Battery Management System (BMS) yang didukung oleh panel surya dan diintegrasikan dengan Artificial Neural Network (ANN) untuk mengestimasi State of Charge (SOC) dari baterai  yang digunakan pada sistem pemantauan patok batas. Sistem ini terdiri dari panel surya, Solar Charge Controller (SCC), baterai  4S 15 Ah, sensor arus dan tegangan INA219, mikrokontroler ESP32, serta modul komunikasi LoRa. Model ANN dilatih menggunakan data tegangan dan arus baterai untuk meningkatkan akurasi estimasi SOC dibandingkan dengan metode berbasis tegangan konvensional. Hasil pengujian menunjukkan bahwa sensor INA219 mampu memberikan pengukuran yang stabil dengan tingkat kesalahan (error) yang rendah, serta sistem catu daya mencapai efisiensi sebesar 68,4%. Baterai ini mampu menyuplai daya ke sistem pemantauan secara terus-menerus selama kurang lebih 9,6 hari tanpa pengisian dari panel surya. Selain itu, metode ANN yang diusulkan berhasil mencapai rata-rata kesalahan estimasi SOC sebesar 4,86%, lebih unggul dibandingkan metode konvensional yang memiliki rata-rata kesalahan sebesar 12,16%. Hasil-hasil tersebut membuktikan bahwa sistem yang diusulkan mampu beroperasi secara mandiri, efisien, dan dalam waktu nyata (real-time), sekaligus menyajikan pemantauan kondisi baterai yang lebih akurat. Oleh karena itu, pendekatan ini sangat sesuai untuk aplikasi pemantauan patok batas jangka panjang di daerah terpencil dengan akses daya listrik dan infrastruktur komunikasi yang terbatas.