<![CDATA[Studi T eknik Jaringan Syaraf Tiruan atau Artificial Neural Network (ANN) yang digunakan untuk memprediksi Radiasi Global Surya di suatu lokasi telah banyak diterapkan di dunia. Namun di Indonesia belum dilakukan penerapan teknik tersebut untuk memprediksi potensi energi surya dangan data meteorologi dan Radiasi Global Surya. Dalam penelitian ini dilakukan studi optimalisasi JST untuk Model Prediksi Radiasi Global Surya. Studi optimalisasi dilakukan berdasarkan teorema Cybenko tentang universalitas JST dengan 1 hidden layer, dilanjutkan dengan langkah optimalisasi jumlah neuron pada hidden layer. Pemodelan dilakukan pada studi kasus di 5 lokasi di daerah Sulawesi bagian selatan, menggunakan data meteorologi dan Radiasi Global Surya bulanan selama 5 tahun di 4 lokasi dalam proses training ANN, dan 1 lokasi sebagai target prediksi. Pola feed forward multi-layer ANN digunakan dalam model ini dengan menerapkan metoda pembelajaran back propagation. Hasil menunjukkan bahwa model ANN dengan 1 hidden layer menghasilkan model 2dengan kriteria akurasi yang baik dengan MPE, 2.33% dan r 0,9992 untuk lokasi Majene, lebih baik dibanding penelitian sejenis di lokasi lain oleh peneliti lainnya di dunia. Hal ini menyimpulkan bahwa optimalisasi struktur JST dapat memberikan model yang lebih sederhana namun tetap dapat digunakan untuk prediksi Radiasi Global Surya di Indonesia dengan tingkat akurasi yang masih dapat dipertanggungjawabkan.Kata kunci: radiasi global surya, jaringan syaraf tiruan, feed forward, back propagation, mean square error, single-hidden layer, optimum neuron, energi terbarukan.]]>
