Pemodelan Prediksi Daya pada Pembangkit Listrik Tenaga Surya (PLTS) dengan Algoritma K-Nearest Neighbor Berbasis Faktor Lingkungan

Abstrak

Variabel lingkungan yang berubah-ubah sangat berpengaruh pada kinerja dari Pembangki Listrik Tenaga Surya (PLTS), sehingga diperlukan adanya pemodelan prediksi daya pada panel surya PLTS dengan akurasi yang akurat. Tujuan dari penelitian ini yaitu dilakukan pemodelan prediksi daya panel surya pada PLTS melalui penerapan algoritma Machine Learning, yakni K-Nearest Neighbor (KNN) dengan menggunakan variable lingkungan sebagai parameter output yaitu Intensitas Cahaya, Suhu Udara, Kelembapan Udara dan kecepatan angin. Hasil dari model prediksi tersebut dibandingkan dengan model machine learning yang lain yiaut Support Vector Regression (SVR) dan Multi-Layer Perceptron (MLP). Data diperoleh secara langsung pengukuran di Lapangan. Jumlah data yang digunakan sebanyak 250 sampel pengukuran yang terbagi menjadi 80% sebagai data latih dan 20% sebagai data uji. Hasil dari Analisa korelasi dari tiap parameter menunjukkan bahwa intensitas cahaya memiliki pengaruh paling dominan terhadap daya PLTS, sedangkan parameter lain berperan sebagai pendukung. Hasil uji akurasi prediksi menunjukkan bahwa KNN memiliki kinerja terbaik dengan nilai RMSE = 28.28 dan nilai R² = 0.616, diikuti SVR dengan nilai RMSE 28.67 dan MLP dengan nilai RMSE 38.50. Dengan demikian, pemodelan KNN yang dihasilkan dengan jumlah neighbor 8 memiliki Tingkat akurasi yang paling baik dibandingkan dengan model yang lain

Kata kunci

• K-Nearest Neighbor
• PLTS
• Prediksi daya
• RMSE
• R²