PREDIKSI DAYA YANG DIHASILKAN DAN DIGUNAKAN PADA PEMBANGKIT LISTRIK TENAGA SURYA DI INSTITUT TEKNOLOGI NASIONAL MALANG

Pembangkit Listrik Tenaga Surya (PLTS) di Institut Teknologi Nasional Malang mengalami fluktuasi daya akibat pengaruh cuaca dan beban listrik yang tidak stabil. Oleh karena itu, diperlukan metode prediksi daya yang akurat untuk meningkatkan efisiensi dan keandalan sistem. Penelitian ini bertujuan untuk memprediksi daya yang dihasilkan dan digunakan oleh PLTS ITN Malang menggunakan metode SARIMAX, Neural Network (NN), Random Forest Regression (RFR), dan Long Short-Term Memory (LSTM), serta simulasi sistem menggunakan perangkat lunak HOMER. Evaluasi dilakukan menggunakan parameter RMSE, MAE, dan MAPE. Hasil penelitian menunjukkan bahwa SARIMAX menghasilkan nilai MAPE sebesar 81,13%, Neural Network sebesar 29,76%, dan LSTM sebesar 20,67%. Metode Random Forest Regression memberikan performa terbaik dengan nilai MAPE terendah sebesar 7,23%, yang termasuk kategori sangat baik. Hasil ini menunjukkan bahwa RFR paling efektif dalam menangani hubungan non-linear dan variabilitas data historis PLTS. Oleh karena itu, Random Forest Regression direkomendasikan sebagai metode utama dalam prediksi daya PLTS di Institut Teknologi Nasional Malang. Hasil simulasi HOMER menunjukkan bahwa konfigurasi PLTS on-grid berkapasitas 500 kW merupakan sistem yang paling optimal, dengan nilai Levelized Cost of Energy (LCOE) sebesar Rp0,925/kWh, Internal Rate of Return (IRR) di atas 100%, dan waktu balik modal sekitar 0,9 tahun.