<![CDATA[Energi surya merupakan sumber energi terbarukan yang potensial, namun variabilitas penyinaran matahari akibat kondisi cuaca menimbulkan tantangan dalam integrasi ke sistem tenaga listrik. Oleh karena itu, peramalan iradiasi matahari dengan akurasi tinggi menjadi penting untuk mendukung stabilitas dan efisiensi operasi jaringan. Penelitian ini mengusulkan model Long Short-Term Memory (LSTM) untuk peramalan iradiasi per jam satu hari ke depan dengan hanya menggunakan data historis Global Horizontal Irradiance (GHI) sebagai input. Proses penelitian meliputi pra-pemrosesan data, rekayasa fitur melalui klasterisasi K-Means untuk identifikasi pola cuaca, pemanfaatan data historis beberapa hari sebelumnya, serta transformasi waktu siklikal. Optimasi hyperparameter dilakukan menggunakan Bayesian Optimization untuk memperoleh konfigurasi model terbaik. Hasil evaluasi menunjukkan model mencapai R² sebesar 0,7937, RMSE 87,71 W/m², MAE 59,34 W/m², dan MAPE 28,75%. Analisis visual juga memperlihatkan kemampuan model mengikuti pola siklus harian dan berkorelasi kuat dengan data aktual. Temuan ini menegaskan bahwa data GHI historis saja sudah cukup menghasilkan prediksi yang reliabel, khususnya di wilayah dengan keterbatasan infrastruktur, serta dapat menjadi dasar pengembangan metode prediksi yang lebih efisien.]]>
Copyrights © 2025
