<![CDATA[Efisiensi turbin angin merupakan indikator penting dalam mengevaluasi kemampuan sistem mengonversi energi angin menjadi energi listrik. Penelitian ini mengembangkan pendekatan machine learning berbasis K-Means untuk karakterisasi efisiensi kondisi operasi turbin angin menggunakan Wind Speed, Active Power, dan Efficiency. Dataset terdiri atas 100 observasi dari Wind Turbine Power Generation Dataset. Tahapan penelitian meliputi praproses data, normalisasi menggunakan Min-Max Scaling, penentuan jumlah klaster optimal dengan Elbow Method, K-Means clustering, serta evaluasi kualitas klaster menggunakan Silhouette Score. Hasil menunjukkan bahwa jumlah klaster optimal adalah tiga (K=3), dengan nilai WCSS sebesar 27,4509; 6,7612; 2,9752; 1,7142; dan 1,1369 untuk K=1 hingga K=5. Ketiga klaster diinterpretasikan sebagai high-efficiency regime, transition regime, dan low-efficiency regime. Klaster 1 memiliki Centroid Active Power 577,1 kW, Wind Speed 6,4 m/s, dan Efficiency 73,6%; Klaster 2 sebesar 2.482 kW, 12,4 m/s, dan 63,7%; sedangkan Klaster 3 sebesar 6.122 kW, 18,0 m/s, dan 54,7%. Komposisi klaster masing-masing terdiri atas 44, 16, dan 40 observasi. Nilai Silhouette Score sebesar 0,5863 menunjukkan kualitas pengelompokan yang baik. Kontribusi utama penelitian terletak pada interpretasi hasil K-Means sebagai rezim efisiensi sehingga memberikan karakterisasi kondisi operasi berbasis data. Hasil menunjukkan bahwa peningkatan kecepatan angin berkaitan dengan peningkatan daya aktif, tetapi tidak selalu menghasilkan efisiensi yang lebih tinggi.]]>
Copyrights © 2026
