<![CDATA[Ketersediaan listrik di wilayah terpencil Indonesia masih menghadapi tantangan akibat ketergantungan pada generator diesel dan sifat intermiten energi surya. Penelitian ini bertujuan mengembangkan model prediksi daya panel surya jangka pendek berbasis Random Forest multi-output dengan memanfaatkan data historis tiga jam untuk meramalkan keluaran daya pada horizon 30 menit ke depan. Data diperoleh dari sistem panel surya 50 Wp yang dilengkapi sensor arus, tegangan, dan suhu, direkam setiap 10 detik selama periode 1 bulan. Setelah pra-pemrosesan dan resampling ke resolusi satu menit, dilakukan rekayasa fitur meliputi komponen waktu siklik, lag features, statistik bergerak, serta diferensiasi. Dataset supervised dibentuk melalui pendekatan sliding window, di mana model memanfaatkan data historis selama 180 menit sebagai input untuk meramalkan keluaran daya pada horizon 30 menit ke depan. Kemudian model dilatih menggunakan MultiOutputRegressor dengan 100 pohon keputusan. Hasil evaluasi menunjukkan bahwa model mampu mencapai nilai R² hingga 0,94 pada sampel terbaik, dengan MAE dan RMSE yang masih berada pada rentang dapat diterima untuk aplikasi mikrogrid skala laboratorium. Prediksi pada horizon menit ke-5 hingga ke-15 cenderung lebih akurat dibandingkan horizon ke-30. Model ini menawarkan keseimbangan antara akurasi, interpretabilitas, dan efisiensi komputasi, sehingga berpotensi mendukung pengelolaan energi proaktif pada sistem mikrogrid berbasis surya di wilayah terpencil. Pengembangan lebih lanjut disarankan melalui penambahan variabel meteorologi eksternal dan pendekatan hibrida untuk meningkatkan kinerja pada kondisi cuaca dinamis.]]>
