EUVIMEDEUVIMED entdecken
Open Access · CC BY-SA 4.0

Prediksi Degradasi Daya Modul Photovoltaic Polycrystalline Menggunakan Random Forest

Dwi Listiawati, Samsurizal Samsurizal, Yulisya Zuriatni, Rudina Okvasari

Seminar Nasional Teknologi & Sains · 24.01.2026 · 5 (1) · 1032-1040

DOI: 10.29407/e4119y18 ↗

Kurz gefasst

Fachartikel in der Zeitschrift Seminar Nasional Teknologi & Sains, online erschienen am 24.01.2026. Verfasst von Dwi Listiawati und 3 weiteren Autor:innen. Der Volltext ist frei zugänglich (Open Access, CC BY-SA 4.0).

AbstractBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

Degradasi daya pada modul photovoltaic (PV) jenis polycrystalline merupakan permasalahan penting yang memengaruhi efisiensi dan keandalan sistem Pembangkit Listrik Tenaga Surya (PLTS). Variasi sudut kemiringan, intensitas iradiasi matahari, arus keluaran, dan suhu modul menyebabkan karakteristik degradasi yang bersifat nonlinier sehingga sulit dimodelkan menggunakan pendekatan matematis konvensional. Penelitian ini bertujuan memprediksi degradasi daya modul PV polycrystalline menggunakan pendekatan machine learning berbasis algoritma Random Forest. Data penelitian diperoleh dari hasil pengukuran lapangan dengan variasi sudut kemiringan 0°–65°, nilai iradiasi matahari, arus keluaran, dan suhu permukaan modul. Degradasi daya dihitung sebagai persentase penurunan daya keluaran terhadap daya maksimum modul. Model Random Forest dilatih menggunakan empat variabel input, yaitu sudut kemiringan, iradiasi, arus, dan suhu modul, kemudian dievaluasi menggunakan Mean Absolute Error (MAE), Root Mean Square Error (RMSE), dan koefisien determinasi (R²). Hasil pengujian menunjukkan bahwa model mampu memprediksi degradasi daya dengan nilai MAE sebesar 2,08%, RMSE sebesar 2,99%, dan R² sebesar 0,7008. Analisis feature importance mengindikasikan bahwa arus keluaran merupakan faktor paling dominan dengan kontribusi 52,1%, diikuti oleh iradiasi matahari sebesar 24,9%, sudut kemiringan sebesar 12,8%, dan suhu modul sebesar 10,2%. Hasil ini menegaskan efektivitas Random Forest dalam memodelkan hubungan nonlinier degradasi daya PV. Penelitian selanjutnya dilakukan dengan penambahan parameter lingkungan, serta perbandingan dengan metode deep learning untuk meningkatkan akurasi prediksi

Zitieren

APA

Listiawati, D., Samsurizal, S., Zuriatni, Y., & Okvasari, R. (2026). Prediksi Degradasi Daya Modul Photovoltaic Polycrystalline Menggunakan Random Forest. Seminar Nasional Teknologi & Sains, 5(1), 1032-1040. https://doi.org/10.29407/e4119y18

Vancouver

Listiawati D, Samsurizal S, Zuriatni Y, Okvasari R. Prediksi Degradasi Daya Modul Photovoltaic Polycrystalline Menggunakan Random Forest. Seminar Nasional Teknologi & Sains. 2026;5(1):1032-1040. doi:10.29407/e4119y18

BibTeX
@article{Listiawati2026,
  author = {Listiawati, Dwi and Samsurizal, Samsurizal and Zuriatni, Yulisya and Okvasari, Rudina},
  title = {Prediksi Degradasi Daya Modul Photovoltaic Polycrystalline Menggunakan Random Forest},
  journal = {Seminar Nasional Teknologi & Sains},
  year = {2026},
  volume = {5},
  number = {1},
  pages = {1032--1040},
  doi = {10.29407/e4119y18}
}
Kostenlos starten →