Prediksi Daya Keluaran dari Pembangkit Listrik Tenaga Surya dengan Machine Learning Menggunakan Algoritma Regresi Linear

Pembangkit Listrik Tenaga Surya (PLTS) merupakan salah satu sumber energi terbarukan yang ramah lingkungan dan semakin banyak digunakan di Indonesia. Namun, daya keluaran PLTS dipengaruhi oleh berbagai faktor, seperti radiasi matahari, suhu modul, dan suhu lingkungan, yang bersifat fluktuatif dan sulit diprediksi. Oleh karena itu, diperlukan suatu metode yang mampu melakukan prediksi daya keluaran secara
akurat untuk membantu perencanaan dan pengoperasian sistem.
Penelitian ini bertujuan untuk memprediksi daya keluaran
PLTS menggunakan metode machine learning dengan pendekatan regresi linear. Variabel input yang digunakan meliputi suhu modul, suhu lingkungan, dan radiasi matahari, sedangkan variabel output adalah daya keluaran panel surya. Data dibagi menjadi dua bagian, yaitu data latih dan data uji, untuk mengevaluasi kemampuan generalisasi model. Hasil evaluasi menunjukkan bahwa pada data latih diperoleh nilai Correlation Coefficient (R) sebesar 0,1568, Mean Absolute Error (MAE) sebesar 0,213 W, dan Root Mean Squared Error (RMSE) sebesar 0,2934 W. Pada data uji, nilai R meningkat menjadi 0,319, MAE sebesar 0,1988 W, dan RMSE sebesar 0,2728 W. Nilai korelasi yang rendah mengindikasikan bahwa hubungan antara variabel input dan output tidak sepenuhnya linear, sehingga metode regresi linear belum memberikan akurasi yang optimal. Kesimpulan dari penelitian ini adalah model regresi linear dapat memberikan gambaran awal prediksi daya keluaran PLTS, namun performanya masih terbatas. Untuk meningkatkan akurasi, disarankan menggunakan metode machine learning
lain yang mampu menangkap hubungan non-linear serta menambahkan variabel input yang relevan.
Kata kunci: PLTS, daya keluaran, radiasi matahari, suhu modul, machine learning, regresi linear