Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Journal of Internet and Software Engineering
Fitri Puspasari
Departemen Teknik Elektro dan Informatika, Sekolah Vokasi, Universitas Gadjah Mada
Computer Science & IT

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Prediksi Sudut Solar Tracker Berbasis Light Gradient Boosting Machine (LightGBM) dengan Optimasi Hyperparameter Menggunakan Particle Swarm Optimization (PSO) Jeremy Hanswilly Bungaran Pakpahan; Fitri Puspasari
Journal of Internet and Software Engineering Vol 7 No 1 (2026): Journal of Internet and Software Engineering
Publisher : Department of Electrical Engineering and Informatics, Vocational College, Universitas Gadjah Mada

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22146/jise.v7i1.23436

Abstract

Sistem pelacakan matahari (solar tracker) berperan penting dalam meningkatkan efisiensi panel surya, terutama di wilayah tropis dengan kondisi cuaca dinamis. Namun, metode konvensional berbasis sensor seringkali kurang akurat dan adaptif terhadap perubahan lingkungan. Penelitian ini bertujuan mengembangkan sistem prediksi sudut pelacakan matahari menggunakan pendekatan machine learning agar posisi panel surya dapat diatur secara optimal. Metode yang digunakan menggabungkan algoritma Light Gradient Boosting Machine (LightGBM) untuk memprediksi sudut azimut dan elevasi berdasarkan data intensitas cahaya, suhu, dan kelembapan, serta Particle Swarm Optimization (PSO) untuk optimasi hyperparameter model. Proses pelatihan dan evaluasi dilakukan melalui simulasi menggunakan Python. Hasil evaluasi menunjukkan bahwa model mampu menghasilkan prediksi yang akurat dan stabil, dengan nilai Root Mean Square Error sebesar 10,683° untuk azimut dan 6,977° untuk elevasi, serta koefisien determinasi (R²) masing-masing sebesar 0,899 dan 0,895. Integrasi LightGBM dan PSO terbukti efektif dalam meningkatkan akurasi sistem solar tracker. Penelitian ini menunjukkan bahwa pendekatan berbasis machine learning berpotensi menjadi solusi yang lebih adaptif untuk sistem energi terbarukan di wilayah tropis seperti Yogyakarta.
Co-Authors Jeremy Hanswilly Bungaran Pakpahan