Pengembangan Model Klasifikasi Shading Menggunakan Random Forest Pada Pembangkit Listrik Tenaga Surya

Nova, Alfito Bramoda Dean (2024) Pengembangan Model Klasifikasi Shading Menggunakan Random Forest Pada Pembangkit Listrik Tenaga Surya. Diploma thesis, Institut Teknologi Sepuluh Nopember.

Text 2040201015-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 October 2026. Download (3MB) | Request a copy

Abstract

Dalam era modern, peningkatan kebutuhan listrik menuntut penggunaan sumber energi alternatif yang berkelanjutan seperti Pembangkit Listrik Tenaga Surya (PLTS). Namun, efisiensi sistem PV (Photovoltaic) pada PLTS sering kali terpengaruh oleh shading parsial, yang menyebabkan penurunan performa dan potensi kerusakan pada modul PV. Penelitian ini bertujuan untuk mengembangkan dan mengimplementasikan model klasifikasi shading menggunakan algoritma Random Forest untuk mendeteksi dan mengklasifikasikan kondisi shading pada sistem PV. Dengan memanfaatkan data performa seperti tegangan, arus, daya, suhu, dan radiasi matahari, kemudian akan dibagi menjadi dua skema pelatihan dan tes dengan masing – masing 70/30 serta 75/25 dan dengan mencari jumlah decision tree yang paling efektif model ini diharapkan dapat memberikan prediksi yang akurat terhadap klasifikasi shading berdasarkan data yang telah diambil. Hasil penelitian menunjukkan bahwa penggunaan algoritma Random Forest dapat meningkatkan akurasi deteksi shading, Dimana hasil pelatihan model ini memberikan akurasi sebesar 100% dan tidak adanya error dalam menggunakan pelatihan model ini. Kemudian dibandingkan dengan algoritma K-Nearest Neighbor menunjukkan hasil pelatihan model dengan akurasi 98% dimana memiliki selisih 2% dengan model Random Forest dengan error berkisar 2%. Setelah di uji dengan data baru model klasifikasi menggunakan Random Forest serta K-Nearest Neighbor menunjukkan hasil akurasi sebesar 100% tanpa adanya error.
=================================================================================================================================
In the modern era, the increasing demand for electricity requires the use of sustainable alternative energy sources such as Solar Power Plants (PLTS). However, the efficiency of PV (Photovoltaic) systems in PLTS is often affected by partial shading, which causes performance degradation and potential damage to PV modules. This research aims to develop and implement a shading classification model using the Random Forest algorithm to detect and classify shading conditions on PV systems. By utilizing performance data such as voltage, current, power, temperature, and solar radiation, the data will then be split into two training and testing schemes of 70/30 and 75/25, respectively, and by finding the most effective number of decision trees, this model is expected to provide accurate predictions for shading classification based on the collected data. The results of the study show that the use of the Random Forest algorithm can improve shading detection accuracy, where the training model yields an accuracy of 100% and no errors in using this training model. Compared to the K-Nearest Neighbor algorithm, the training model yields 98% accuracy, showing a 2% difference with the Random Forest model and an error of about 2%. After being tested with new data, the classification models using Random Forest and K-Nearest Neighbor both showed 100% accuracy without any errors.

Item Type:	Thesis (Diploma)
Uncontrolled Keywords:	Klasifikasi Shading, Pembangkit Listrik Tenaga Surya, Random Forest, Shading Classification, Solar Power Plant
Subjects:	T Technology > TK Electrical engineering. Electronics Nuclear engineering > TK1056 Solar power plants. Ocean thermal power plants
Divisions:	Faculty of Vocational > 36304-Automation Electronic Engineering
Depositing User:	Alfito Bramoda Dean Nova
Date Deposited:	26 Sep 2024 01:54
Last Modified:	26 Sep 2024 01:55
URI:	http://repository.its.ac.id/id/eprint/115686

Actions (login required)

View Item