Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal Jurnal Teknik Elektro Uniba (JTE Uniba)
Irfan Hamzah Fansuri
Institut Teknologi Sepuluh Nopember Surabaya
Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Energy Industrial & Manufacturing Engineering

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

Found 1 Documents
Search

 1 
Peramalan Keluaran Photovoltaic Kapasitas 120WP Menggunakan Metode Neural Network Imam Wahyudi Farid; Joko Priambodo; Irfan Hamzah Fansuri; Lucky Putri Rahayu; Faiza Alif Fakhrina
Jurnal Teknik Elektro Uniba (JTE UNIBA) Vol. 9 No. 2 (2025): JTE UNIBA (Jurnal Teknik Elektro Uniba)
Publisher : Lembaga Penelitian Universitas Balikpapan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36277/jteuniba.v9i2.1265

Abstract

Photovoltaic (PV) adalah komponen utama dalam Pembangkit Listrik Tenaga Surya (PLTS) yang mengubah energi matahari menjadi listrik. Namun, daya PV bersifat fluktuatif, berbeda dengan pembangkit konvensional yang memiliki daya konstan. Untuk menyeimbangkan kebutuhan daya dan produksi, diperlukan pembangkit tambahan yang disebut load tracking power plant. Peramalan keluaran daya PV menjadi penting untuk memastikan load tracking power plant dapat merespons secara cepat dan akurat. Penelitian ini memfokuskan pada peramalan daya PV menggunakan algoritma Neural Network (NN), yang terbukti memiliki akurasi tinggi. PV yang diuji memiliki efisiensi maksimum 13,16% pada intensitas cahaya 82.574,66 Lux dengan daya 60,67 W. Dalam intensitas cahaya 15.432,43 Lux, efisiensinya mencapai 15,48% dengan daya 13,34 W. Percobaan dilakukan dengan 6 skenario, menghasilkan nilai Mean Absolute Percentage Error (MAPE) terkecil 1,22% saat 80% data digunakan untuk training dengan dua hidden layer. Hasil peramalan untuk tiga hari pengujian menunjukkan nilai MAPE sebesar 9,43% (hari pertama), 6,11% (hari kedua), dan 21,33% (hari ketiga). Nilai MAPE rata-rata adalah 12,29%. Input data berupa radiasi matahari, suhu, dan kelembapan dari empat minggu sebelumnya digunakan untuk melatih model NN.
Co-Authors Faiza Alif Fakhrina Imam Wahyudi Farid Joko Priambodo Lucky Putri Rahayu