<![CDATA[Transisi menuju energi terbarukan di Indonesia menuntut pendekatan berbasis data dalam menentukan lokasi optimal pemasangan Pembangkit Listrik Tenaga Surya (PLTS) atap dan dalam memperkirakan dampak ekonomisnya. Penelitian ini mengembangkan sistem rekomendasi berbasis Artificial Intelligence (AI) yang mengintegrasikan data penyinaran matahari dari BMKG dan data konsumsi listrik dari PLN untuk mendukung perencanaan PLTS atap di Pulau Jawa. Pendekatan dilakukan melalui tiga metode pembelajaran mesin utama: klasifikasi untuk mengevaluasi kelayakan pelanggan, klasterisasi wilayah menggunakan algoritma clustering, dan regresi untuk memprediksi potensi penghematan energi. Lima algoritma klasifikasi dibandingkan, dengan LightGBM menunjukkan performa tertinggi (akurasi 87%). Segmentasi wilayah optimal diperoleh melalui KMeans (silhouette score 0,5566). Estimasi penghematan energi paling akurat dihasilkan oleh XGBoost Regressor dengan koefisien determinasi (R²) sebesar 0,9999. Hasil ini menunjukkan bahwa pendekatan integratif berbasis AI dapat menyediakan informasi prediktif yang akurat dan aplikatif bagi penyusunan strategi promosi dan investasi PLTS atap, sekaligus memberikan estimasi manfaat kuantitatif bagi pelanggan. Penelitian ini memberikan kontribusi signifikan dalam pengembangan sistem pendukung keputusan untuk energi terbarukan berbasis analitik spasial dan perilaku konsumsi.]]>
Copyrights © 2025
