Analisis Efisiensi Solar Cell Tipe Polikristalin Menggunakan Algoritma Decision Tree

Penelitian ini dilatarbelakangi oleh tantangan rendahnya efisiensi panel surya tipe polikristalin dalam mengonversi energi matahari menjadi energi listrik. Tujuan dari penelitian ini adalah untuk menganalisis faktor-faktor yang memengaruhi efisiensi solar cell tipe polikristalin serta membangun model prediktif menggunakan algoritma Decision Tree. Metode yang digunakan dalam penelitian ini adalah pendekatan kuantitatif dengan teknik analisis data sekunder. Dataset diperoleh dari platform Kaggle yang memuat parameter-parameter teknis seperti arus, tegangan, daya, dan efisiensi panel surya. Data dianalisis melalui tahapan eksplorasi data (exploratory data analysis), deteksi outlier, serta pemodelan menggunakan algoritma Decision Tree Regressor. Model divalidasi dengan membagi data menjadi dua bagian, yaitu 80% untuk pelatihan dan 20% untuk pengujian. Evaluasi model dilakukan menggunakan metrik R-squared (R2), Mean Squared Error (MSE), dan Root Mean Squared Error (RMSE). Hasil penelitian menunjukkan bahwa algoritma Decision Tree mampu memprediksi efisiensi daya panel surya secara akurat, dengan nilai R' sebesar 0.9960, MSE sebesar 0.0004, dan RMSE sebesar 0.0189. Fitur yang paling berpengaruh terhadap efisiensi daya adalah arus (current), daya panel (panel_power), dan efisiensi panel surya (solar_efficiency). Dengan demikian, algoritma Decision Tree terbukti efektif dalam menganalisis dan memodelkan efisiensi solar cell tipe polikristalin, serta dapat dijadikan acuan dalam optimalisasi sistem energi surya berbasis data.
Kata Kunci: Solar Cell, Polikristalin, Efisiensi, Decision Tree, Machine Learning, Energi Surya