PREDIKSI JANGKA PENDEK DAYA PADA SISTEM FOTOVOLTAIK OFF-GRID MENGGUNAKAN METODE SUPPORT VECTOR MACHINE
(FORECASTING SHORT TERM POWER OFF-GRID PHOTOVOLTAIC SYSTEM USING SUPPORT VECTOR MACHINE METHOD)

HUSAYN ATHTHAR ADHARI

Informasi Umum

Kode

22.04.1150

Klasifikasi

006.31 - Machine Learning

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Machine Learning

Dilihat

9 kali

Informasi Lainnya

Abstraksi

Prediksi keluaran daya Photovoltaic (PV) adalah suatu kegiatan yang digunakan untuk mengetahui keluaran daya pada PV dalam beberapa waktu kedepan. Pentingnya kegiatan ini agar dapat menjadi acuan untuk mengurangi biaya pembangkitan serta penjadwalan rencana pemeliharaan pada Pembangit Listrik Tenaga Surya (PLTS). Pada penelitian tugas akhir ini dirancang sebuah sistem yang digunakan untuk memprediksi keluaran daya jangka pendek pada PV. Sistem ini menggunakan data iradiasi matahari dan keluaran daya pada PLTS off-grid sebanyak 42 hari sebagai datasetnya. Dataset yang didapatkan dari keluaran PV diolah menggunakan metode Support Vector Machine dengan kernel Radial Basis Function (RBF). Berdasarkan dataset yang digunakan, penelitian ini berhasil melakukan pengujian kernel terbaik yaitu kernel RBF karena mendapatkan nilai kesalahan eror lebih kecil dari pengujian kernel yang lainnya dengan nilai Mean Absolute Percentage Error (MAPE) yaitu sebesar 21,082%, Mean Absolute Error (MSE) mendapatkan nilai sebesar 0,122, Root Mean Square Error (RMSE) mendapatkan nilai sebesar 0,349 dan Mean Absolute Error (MAE) mendapatkan nilai sebesar 0,262. Pengujian kernel memprediksi keluaran daya PV untuk 3 hari kedepan. Menggunakan model Support Vector Machine, dengan kernel RBF. Model ini memiliki nilai kesalahan MAPE sebesar 5,785 %, MAE sebesar 0,005, MSE sebesar 0,069, dan RMSE sebesar 0,063. Oleh karena itu, model ini dapat dikategorikan sangat baik dan layak untuk memprediksi keluaran daya jangka pendek yaitu 3 hari kedepan. Kata kunci : Prediksi, PLTS off grid, jangka pendek, Support Vector Machine.