Di tengah meningkatnya kebutuhan energi dan ancaman perubahan iklim global, energi surya menjadi pilihan strategis menuju sistem energi yang bersih dan berkelanjutan. Indonesia, dengan potensi matahari yang melimpah, masih menghadapi kendala efisiensi pelacak surya karena sistem berbasis sensor cahaya seperti Light Dependent Resistor (LDR) kurang akurat saat cuaca mendung atau tertutup bayangan, sehingga menurunkan efisiensi daya secara signifikan.

Untuk menjawab tantangan tersebut, dikembangkan pendekatan baru berbasis kecerdasan buatan yang memanfaatkan algoritma Light Gradient Boosting Machine (LightGBM). Model ini dilatih menggunakan data lingkungan seperti intensitas cahaya, suhu, kelembapan, dan posisi panel untuk memprediksi sudut optimal secara real-time. Kinerjanya dioptimalkan dengan metode Particle Swarm Optimization (PSO), menghasilkan peningkatan efisiensi daya hingga 16,2% dan menurunkan kesalahan pelacakan hampir 38%. Bahkan dalam kondisi kelembapan tinggi, sistem tetap mampu menjaga stabilitas output energi.

Inovasi ini menunjukkan bagaimana integrasi teknologi cerdas dapat mempercepat transisi menuju energi bersih dan mendukung tujuan lingkungan jangka panjang.

Oleh: Jeremy Hanswilly Bungaran Pakapahan [21/477624/SV/19201]
Pembimbing: Dr. Fitri Puspasari, S.Si., M.Sc.