Penelitian ini mengembangkan model matematis untuk meningkatkan akurasi prediksi energi fotovoltaik harian di wilayah Surakarta. Model ini memanfaatkan perbandingan antara data observasi lokal dan data satelit dari NASA. Fokus utama penelitian adalah mengoptimalkan pemanfaatan energi surya di kawasan tropis, mengurangi ketergantungan pada sumber energi fosil yang terbatas, serta mendukung upaya pelestarian lingkungan melalui pengurangan dampak negatif terhadap ekosistem.
Penelitian ini bertujuan untuk memprediksi secara akurat energi harian yang dihasilkan oleh sistem fotovoltaik (panel surya) di Surakarta dengan menggunakan model jaringan saraf tiruan (ANN) yang dibandingkan dengan data dari NASA. Surakarta, yang memiliki iklim tropis dengan intensitas cahaya matahari yang melimpah, berpotensi besar untuk memanfaatkan energi surya sebagai sumber energi terbarukan yang berkelanjutan.
Namun, meskipun potensi energi surya di Surakarta sangat besar, kemampuan pemanfaatan energi surya yang ada saat ini belum optimal, terutama karena kurangnya penelitian yang mengukur secara tepat berapa banyak energi yang dihasilkan oleh panel surya tersebut. Oleh karena itu, penelitian ini bertujuan untuk mengembangkan prediksi harian yang lebih akurat mengenai energi yang dapat dihasilkan oleh sistem fotovoltaik, dengan harapan dapat meningkatkan efisiensi penggunaan energi surya.
Model prediksi yang digunakan dalam penelitian ini menggabungkan data historis dari NASA dengan data observasional lokal untuk memprediksi kapasitas energi yang dihasilkan oleh sistem fotovoltaik. Prediksi ini didasarkan pada perhitungan kesalahan kuadrat rata-rata (MSE) yang bertujuan untuk meminimalkan kesalahan dalam model. Hasil dari penelitian menunjukkan bahwa model ini memiliki tingkat keberhasilan prediksi yang sangat tinggi, yaitu 99,98% untuk 4500 hari dengan standar energi sebesar 2,2 x 10^5 kWh.
Hasil prediksi yang akurat ini sangat bermanfaat bagi perencanaan distribusi energi yang lebih efisien, terutama bagi pengelola jaringan listrik di Surakarta. Dengan prediksi yang lebih tepat, pengelola dapat merencanakan alokasi energi yang lebih baik, serta menentukan kapan energi yang disimpan harus digunakan, terutama pada jam-jam di mana produksi energi matahari lebih lemah.
Makalah ini mengusulkan model prediksi cerdas untuk mengoptimalkan energi fotovoltaik harian di Surakarta, dengan menggunakan data historis dari NASA dan model jaringan saraf buatan (ANN). Hasil prediksi menunjukkan tingkat akurasi yang sangat tinggi, mencapai 99,98% dengan standar energi 2,2 脳 10^5 kWh, yang dapat membantu merencanakan distribusi dan penyimpanan energi yang lebih efisien. Dengan menggunakan pendekatan ini, potensi pemanfaatan energi surya di Surakarta dapat dimaksimalkan, mengurangi ketergantungan pada energi fosil, dan mendukung keberlanjutan lingkungan.
Untuk penelitian selanjutnya, pengembangan model prediksi dengan memperhitungkan faktor-faktor iklim yang lebih variatif serta mengintegrasikan teknologi penyimpanan energi yang lebih canggih dapat meningkatkan keakuratan dan efisiensi sistem fotovoltaik ini. Selain itu, aplikasi model prediksi ini di wilayah lain dengan kondisi iklim yang berbeda juga dapat dieksplorasi untuk memperluas manfaat energi terbarukan di Indonesia.
Pemulis: Dr. Rezi Delfianti, S.Pd
