PREDIKSI DAYA PEMBANGKIT LISTRIK TENAGA SURYA DENGAN MODEL HYBRID ARIMA–ANN

Abstract

Teknologi fotovoltaik mampu mengubah sinar matahari menjadi energi listrik, namun produksinya dipengaruhi oleh fluktuasi cuaca yang dapat menimbulkan ketidakpastian output, mengganggu stabilitas dan penjadwalan sistem tenaga surya, serta memicu lonjakan tegangan dan aliran daya balik. Untuk mendukung perencanaan dan pengoperasian sistem tenaga listrik yang efektif, diperlukan model prakiraan PLTS yang optimal. Penelitian ini memprediksi daya keluaran PLTS menggunakan dua pendekatan peramalan deret waktu: model hybrid ARIMA-ANN dan model ANN tunggal. Model ARIMA dipilih karena kemampuannya menangani variabilitas data, meskipun belum banyak digunakan untuk prediksi daya fotovoltaik berbasis Python. Dataset mencakup data harian daya dan fitur-fitur seperti suhu, iradiasi, kecepatan angin, kelembapan dan tutupan awan, dengan pembagian 80% untuk pelatihan dan 20% untuk pengujian. Evaluasi dilakukan menggunakan MAE, RMSE dan MAPE. Hasil menunjukkan bahwa kombinasi ARIMA dan ANN dapat meningkatkan akurasi peramalan, dengan potensi besar dalam pengelolaan energi terbarukan. Temuan dari penelitian ini menunjukkan bahwa penggabungan model deret waktu tradisional seperti ARIMA dengan model machine learning seperti ANN dapat meningkatkan akurasi peramalan daya fotovoltaik, yang mengindikasikan potensi besar dalam penerapannya untuk perencanaan dan pengelolaan sistem energi terbarukan.