Analisis Intensitas Radiasi Matahari terhadap Efisiensi Panel Surya menggunakan Algoritma Support Vector Regression (SVR) dan Naïve Bayes

Penulis

  • Ramadoni Prodi Fisika, Fakultas Sains Dan Teknologi, Universitas Jambi
  • Sri Purwaningsih Prodi Fisika, Fakultas Sains Dan Teknologi, Universitas Jambi
  • Jesi Pebralia Universitas Jambi

DOI:

https://doi.org/10.24252/jft.v12i1.56806

Kata Kunci:

Machine Learning, Naïve Bayes, Solar Panel Efficiency, Solar Radiation Intensity, Support Vector Regression (SVR)

Abstrak

Radiasi matahari merupakan energi alternatif berbentuk panas dari gelombang elektromagnetik yang terdiri dari medan listrik dan magnet. Pemanfaatan energi matahari untuk dikonversi menjadi energi listrik dapat dilakukan melalui panel surya dengan mekanisme efek fotovoltaik. Penelitian ini bertujuan menganalisis pengaruh intensitas radiasi matahari terhadap efisiensi panel surya menggunakan algoritma Support Vector Regression (SVR) dan Naïve Bayes. Metode penelitian yang digunakan yaitu metode komputasi dengan teknik machine learning. Adapun algoritma yang digunakan yaitu algoritma Support Vector Regression dan Naïve Bayes. Data yang digunakan berasal dari Badan Meteorologi, Klimatologi, Geofisika (BMKG) Provinsi Jambi. Kinerja setiap model kemudian dievaluasi menggunakan metrik akurasi untuk menentukan perbandingan akurasinya. Hasil penelitian menunjukkan adanya hubungan yang sangat kuat dan positif antara intensitas radiasi matahari dan efisiensi panel surya sebesar 97%. Berdasarkan hasil penelitian, algoritma Naïve Bayes mencapai akurasi 96,71%, yang menunjukkan model mampu dalam menangkap hubungan antara intensitas radiasi dan efisiensi panel. Sementara itu, algoritma Support Vector Regression memperoleh akurasi sebesar 80,00%.

Unduhan

Data unduhan belum tersedia.

Referensi

[1] Mahdie, M. F., Rianawati, F., Nisa, K., & Fitriani, A. (2022). Klimatologi Hutan. Banjarbaru: CV Banyubening Cipta Sejahtera.

[2] Alim, M. S., Thamrin, S., & Laksmono, R. W. (2023). Pemanfaatan Pembangkit Listrik Tenaga Surya sebagai Alternatif Ketahanan Energi Nasional Masa Depan. Jurnal Pengabdian kepada Masyarakat Nusantara (JPkMN), 4(3), e-ISSN: 2745-4053. Doi: https://doi.org/10.55338/jpkmn.v4i2.1480

[3] Kharisma, A., Pinandita, S., & Jayanti, A. E. (2024). Literature Review: Kajian Potensi Energi Surya Alternatif Energi Listrik. Jurnal Energi Baru dan Terbarukan, 5(2), e-ISSN:145-154. https://doi.org/10.14710/jebt.2024.23956

[4] Jacobus, L., Setyowati, E., Patty, E. N. S., & Bokol, F. (2023). Desain Sistem Pompa Air Tenaga Surya. Elektriese: Jurnal Sains dan Teknologi Elektro, 13(1), e-ISSN: 2830-3512X. Doi: https://doi.org/10.47709/elektriese.v13i1.2283

[5] Putra, D. A. M., Paradita, Y., Ridwang, & Adriani. (2024). Pengembangan Prototype Sistem Pengusir Hama Menggunakan Smart Panel Surya, Lampu UV dan Gelombang Ultrasonik Pada Perkebunan. Vertex: Jurnal Ilmiah Teknik Elektro, Teknik Informatika, dan Sistem Informasi, 16(2), e-ISSN: 2714-7487. Doi: https://journal.unismuh.ac.id/index.php/vertex/article/view/15707

[6] Saputra, S., Widyastuti, E. A., Riantiarna, R., & Kurniawati, W. (2024). Efektivitas Panel Surya Sebagai Cadangan Pengganti Energi Listrik Skala Rumahan. TEKTONIK: Jurnal Ilmu Teknik, 1(2), 256–260, e-ISSN: 3026-4103. https://doi.org/10.62017/tektonik.

[7] Rio, A. R., Siahaan, B. M., & Gani, E. (2024). Pemetaan Potensi Energi Matahari di Sulawesi Utara menggunakan Machine Learning K-Means. Jurnal MIPA, 14(2), 1–5. Doi: https://doi.org/10.35799/jm.v14i2.57778.

[8] Heryadi, Yaya, and Teguh Wahyono. (2024). Machine Learning: Konsep dan Implementasi. Yogyakarta: Universitas Teknologi Yogyakarta.

[9] Alief, R., & Nurmiati, E. (2022). Penerapan Kecerdasan Buatan Dan Teknologi Informasi Pada Efisiensi Manajemen Pengetahuan. Jurnal Masyarakat Informatika, 13(1), e-ISSN: 2777-0648. Doi: https://journal.lldikti4.id/index.php/jmi/article/view/43760.

[10] Ananda, J. S., Fendriani, Y., & Pebralia, J. (2024). Classification Analysis of Brain Tumor Disease in Radiographic Images Using Support Vector Machines (SVM) with Python. Jurnal JoP, 9(3), 110–115. ISSN: 2502-2016.

https://doi.org/10.22437/jop.v9i3.36270

[11] Pebralia, J. (2022). Analisis Curah Hujan Menggunakan Machine Learning Metode Regresi Linier Berganda Berbasis Python dan Jupyter Notebook. Jurnal Ilmu Fisika dan Pembelajarannya,6(2),23–30.ISSN:2549-6158. http://jurnal.radenfatah.ac.id/index.php/jifp/article/view/15883

[12] Amanda, D. R., Samsidar, & Pebralia, J. (2024). Analysis of Machine Learning Algorithm Performance in Predicting Ultisol Soil Nutrients Based on Impedance Values. JurnalJoP),9(2),94–101.ISSN:2502-2016.

[13] Arumsari, N., & Pamuji, F. A. (2017). Peramalan Irradiance Cahaya Matahari pada Sel Surya untuk Memenuhi Kebutuhan Energi Listrik dengan Metode Support Vector Regression (SVR). Jurnal Nasional Teknik Elektro, 6(1), e-ISSN: 2302-2949. Doi: https://doi.org/10.20449/jnte.v6i1.367.

[14] Kwon, Y., Kwasinski, A., & Kwasinski, A. (2019). Solar Irradiance Forecast Using Naïve Bayes Classifier Based on Publicly Available Weather Forecasting Variables. Jurnal Energi, 12(8), 1529. e-ISSN: 1996-1073.https://doi.org/10.3390/en12081529.

[15] Raza, M. Q., Aslam, M., Ahmad, S., & Nawaz, M. (2016). Energy analysis of photovoltaic thermal (PVT) system and calculation of convection heat losses. Renewable and Sustainable Energy Reviews, 59(1), 1310–1321. ISSN: 1364-0321. https://doi.org/10.1016/j.rser.2016.01.066

[16] Hasrul, Rahmat. (2021). Analisis Efisiensi Panel Surya Sebagai Energi Alternatif. SainETIn: Jurnal Sains, Energi, Teknologi, dan Industri, 5(2), 79-87. ISSN: 2548-6888 DOI:10.23917/emitor.v18i01.6251.

[17] Evita Fitri. (2023). Analisis Perbandingan Metode Regresi Linier, Random Forest Regression dan Gradient Boosted Trees Regression Method untuk Prediksi Harga Rumah. Journal of Applied Computer Science and Technology (JACOST), 4(1), ISSN: 2723-1453. https://doi.org/10.52158/jacost.491.

[18] Hamdanah, F. H., & Fitrianah, D. (2021). Analisis Performansi Algoritma Linear Regression dengan Generalized Linear Model untuk Prediksi Penjualan pada Usaha Mikra, Kecil, dan Menengah. Jurnal Nasional Pendidikan Teknik Informatika: JANAPATI, 10(1), 23-32. DOI: https://doi.org/10.23887/janapati.v10i1.31035

[19] Adinda Inez Sang, Edi Sutoyo, & Irfan Darmawan. (2021). Analisis Data Mining untuk Klasifikasi Data Kualitas Udara DKI Jakarta Menggunakan Algoritma Decision Tree dan Support Vector Machine. e-Proceeding of Engineering, 8(5), ISSN: 2355-9365. https://openlibrarypublications.telkomuniversity.ac.id/index.php/engineering/article/view/15900

Unduhan

Diterbitkan

2025-07-05

Cara Mengutip

Ramadoni, Purwaningsih, S., & Pebralia, J. (2025). Analisis Intensitas Radiasi Matahari terhadap Efisiensi Panel Surya menggunakan Algoritma Support Vector Regression (SVR) dan Naïve Bayes. JFT : Jurnal Fisika Dan Terapannya, 12(1), 87–101. https://doi.org/10.24252/jft.v12i1.56806

Terbitan

Vol 12 No 1 (2025): Juni 2025

Bagian

Artikel

Lisensi

Hak Cipta (c) 2025 Ramadoni, Sri Purwaningsih, Jesi Pebralia

Creative Commons License

Artikel ini berlisensi Creative Commons Attribution 4.0 International License.