Pemodelan Tenaga Surya Menggunakan Internet Of Things Dan Bidirectional Long Short-Term Memory

Betari Angeli
Ikke Dian Oktaviani
Hilal Hudan Nuha

eProceedings of Engineering
Vol. 13 No. 1 (2026): Februari 2026

Ketidakstabilan intensitas radiasi matahari dapat menyebabkan fluktuasi pada produksi energi listrik, hal ini merupakan permasalahan utama dalam pemanfaatan energi surya. Oleh karena itu, dilakukan pemodelan sistem tenaga surya menggunakan Internet of Things (IoT) dan Bidirectional Long Short-Term Memory (BiLSTM) Neural Networks. Sistem ini dirancang untuk meningkatkan akurasi prediksi dan optimalisasi produksi tenaga surya melalui panel surya. Metodologi yang digunakan menggabungkan teknologi IoT untuk mengumpulkan data lingkungan berupa Global Solar Radiation (GSR), suhu, dan kelembapan relatif (RH). Data tersebut kemudian dianalisis menggunakan algoritma BiLSTM. Hasil yang diperoleh dari model ini adalah prediksi output energi surya yang lebih akurat sehingga dapat mendukung peningkatan efisiensi produksi tenaga surya dibandingkan metode konvensional. Kata kunci: tenaga surya, internet of things, bilstm, neural networks, prediksi