Optimasi solar tracking system pada PLTS di lahan pertanian menggunakan polynomial regression

Kholila, Ni'ma
Habsari, Kumala Mahda
Anindya, Citta
Charisma, Kristinanti

Jurnal ELTEK
Vol. 22 No. 2 (2024): Oktober 2024

Berbagai pendekatan baik pendekatan algoritma maupun pendekatan mekanik, telah dilakukan untuk optimasi Solar Tracking System. Pada penelitian ini, tema optimasi dikembangkan menggunakan pendekatan machine learning. Optimasi diperoleh dengan memanfaatkan pemodelan polynomial regression dengan variabel Hours dan Angle sebagai data input dan variabel Voltage sebagai data output. Berdasarkan data historis yang direkam dari penggunaan Solar Tracking System, diperoleh hasil berupa optimasi penggunaan Solar Tracking System. Hasil implementasi model polynomial regression diuji menggunakan mean squared error dan menunjukkan nilai error dalam kategori baik. Model polynomial regression orde 3 ini cocok untuk memprediksi Voltage berdasarkan Hours dan Angle. Dengan dataset yang memadai, model ini dapat memberikan prediksi yang akurat tentang kondisi optimal untuk menghasilkan tegangan maksimum. Dengan memanfaatkan hasil optimasi, diharapkan penggunaan Solar Tracking System menjadi lebih optimal dan dapat dimanfaatkan secara maksimal guna meningkatkan produktivitas lahan pertanian.   ABSTRACT Various approaches, both algorithmic and mechanical approaches, have been carried out to optimize the Solar Tracking System. In this research, the optimization theme was developed using a machine learning approach. Optimization is obtained by utilizing polynomial regression modeling with Hours and Angle variables as input data and Voltage variables as output data. Based on historical data recorded from the use of the Solar Tracking System, results were obtained in the form of optimization of the use of the Solar Tracking System. The results of implementing the polynomial regression model were tested using mean squared error and showed error values ​​in the good category. This 3rd order polynomial regression model is suitable for predicting Voltage based on Hours and Angle. With sufficient datasets, this model can provide accurate predictions about optimal conditions to produce maximum stress. By utilizing the optimization results, it is hoped that the use of the Solar Tracking System will be more optimal and can be utilized optimally to increase agricultural land productivity.