Sun Position Forecasting Menggunakan Metode RNN – LSTM Sebagai Referensi Pengendalian Daya Solar Cell

Abstract

Energi matahari yang besar dimanfaatkan sebagai energi listrik untuk kehidupan sehari-hari yaitu dengan menggunakan solar cell. Metode dalam memaksimalkan penyerapan daya solar cell ada beberapa model yaitu dengan menggunakan reflektor dan solar tracking. Reflektor memusatkan cahaya matahari kepada solar cellagar mendapatkan cahaya yang maksimal. Solar tracking melakukan penjejakan matahari secara realtimedengan menggerakan dua buah motor dan sensor untuk membaca arah sudut matahari. Keduanya mempunyai kekurangan yaitu melacak matahari terus menerus. Sehingga diperlukan pengoptimalan sistem untuk menentukan sudut kemiringan pada aktuator dan mampu mengefisienkan intensitas cahaya matahari yang dapat diserap oleh sel surya dengan sistem identifikasinya dapat dilakukan secara realtime atau langsung dengan tujuan meminimalisir terjadinya pemborosan daya.Prediksi adalah salah satu unsur yang paling penting untuk pengambil keputusan dari masalah yang terjadi diatas. Dalam penulisan ini metode yang digunakan dalam memprediksi sudut matahari yaitu dengan menggunakan metode Recurrent Neural Network (RNN) yang didalam sistem RNN terdapat struktur Long – Short Term Memory (LSTM). Dalam penelitian ini data yang digunakan untuk memprediksi sudut matahari dari situs sunscalc.org di wilayah Universitas Muhammadiyah Malang kampus 3 dengan periode waktu satu tahun. Pengujian dengan struktur RNN – LSTM dilakukan dengan dua model prediksi yang berbeda, yaitu data mingguan, bulanan dan tahunan untuk hasil data harian, dan data per-jam untuk data harian selama satu minggu. Hasil pengujian pada data mingguan mendeteksi Root Mean Square Error sebesar 0.12%, pada data bulanan bernilai 0.1% dan pada data tahunan bernilai 0.24 %. Model data bulanan memiliki nilai error yang paling sedikit, sehingga data prediksi memiliki tingkat akurasi yang tinggi.