<![CDATA[Pembangkit Listrik Tenaga Surya (PLTS) merupakan salah satu sumber energi terbarukan yang potensial di Indonesia, namun daya keluarannya sangat dipengaruhi oleh kondisi atmosfer yang bersifat fluktuatif. Penelitian ini bertujuan mengembangkan model prediksi jangka sangat pendek daya keluaran PLTS menggunakan metode Long Short-Term Memory (LSTM) berbasis Sky Clearness Index (SCI). Data penelitian berupa tegangan, arus, dan SCI dikumpulkan dari sistem PLTS Universitas Negeri Surabaya dengan interval 5 menit selama periode Mei–Juni 2025. Model LSTM dirancang dengan dua lapisan tersembunyi, Adam Optimizer, dan fungsi loss Mean Squared Error (MSE). Dataset dibagi menjadi 80% data latih dan 20% data uji. Evaluasi kinerja model dilakukan menggunakan Root Mean Square Error (RMSE), Mean Absolute Error (MAE), dan Mean Absolute Percentage Error (MAPE). Hasil penelitian menunjukkan bahwa model LSTM berbasis SCI mampu memprediksi daya keluaran PLTS dengan akurasi tinggi, dengan nilai RMSE sebesar 0,644, MAE sebesar 0,536, dan MAPE sebesar 3,66%. Nilai MAPE di bawah 10% menunjukkan performa prediksi yang sangat baik untuk peramalan jangka sangat pendek. Dengan demikian, integrasi SCI sebagai variabel input terbukti efektif dalam meningkatkan keandalan prediksi daya keluaran PLTS secara real-time.]]>
Copyrights © 2026
